Impact of orofacial myofunctional development on typical children intelligibility: a longitudinal study
Bibliographic record
Abstract
D’après les récents modèles théoriques de production de la parole, les représentations phonologiques se construiraient grâce au développement des compétences perceptives, avec la mise en place d’un feedback auditif, ainsi que du contrôle moteur de la parole, nécessitant l’activation de compétences somatosensorielles et motrices au niveau des articulateurs (Redford, 2015 ; Hikock, 2013). Il est souvent postulé (MacNeilage, 1998 ; Smith, 2010), mais peu vérifié, que le contrôle moteur de la parole se développerait en étroite relation avec d’autres fonctions orofaciales non spécifiques à la parole, comme par exemple la respiration ou la déglutition. Toutefois, ce postulat ne fait pas l’unanimité (Steeve & Moore, 2009). La controverse autour de l’efficacité des exercices moteurs oraux non-verbaux dans la rééducation des troubles de la parole illustre parfaitement ce débat. Dans ce contexte, ce poster illustrera l’hypothèse selon laquelle le développement des fonctions orofaciales non verbales serait potentiellement un prédicteur des erreurs de productions de la parole, par l’intermédiaires des habilités somatosensorielles et motrices orales de l’enfant. Ce poster exposera également la méthodologie de l’étude longitudinale qui a été mise en place pour étudier la trajectoire de développement de la parole et son interaction avec les fonctions orofaciales, et envisagera l’analyse de données qui permettront d’interpréter les résultats.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".