Effets du stress sur la production de la parole : une étude acoustique
Bibliographic record
Abstract
Ce mémoire vise à déceler et décrire des signes de stress dans la voix parlée en français québécois. Des enregistrements vocaux de 20 personnes participantes ont été collectés durant une immersion dans un environnement virtuel conçu afin de générer du stress aigu accompagné d’émotions fortes. Les analyses acoustiques des échantillons vocaux ont mesuré les variations de la fréquence fondamentale (F0), de la durée, de l’espace vocalique maximal (EVM), ainsi que des deux premiers formants (F1, F2) des trois voyelles cardinales du français québécois [a], [i], [u]. La présence de stress a été mesurée à l’aide de données physiologiques (battements cardiaques par minute, fréquence de la variation cardiaque, réaction électrodermale) et d’un questionnaire d’auto-évaluation de l’anxiété (Inventaire d’Anxiété Situationnelle et de Trait d’Anxiété) (Gauthier et Bouchard, 1993). Le niveau d’immersion des personnes participantes a été évalué à l’aide de la version française du questionnaire Sence Of Presence Inventory (Baus et Bouchard, 2017). Les résultats démontrent une augmentation de F0 et F1 en présence de stress aigu, ainsi qu’une diminution de l’EVM et de F2. Aucun résultat significatif n’a été observé quant à la durée. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : phonétique, réalité virtuelle, production de la parole, stress
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".