論文の概要: Effects of Added Emphasis and Pause in Audio Delivery of Health Information

• arxiv url: http://arxiv.org/abs/2404.19119v1
• Date: Mon, 29 Apr 2024 21:36:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-01 16:03:12.859887
• Title: Effects of Added Emphasis and Pause in Audio Delivery of Health Information
• Title（参考訳）: 健康情報のオーディオ配信における強調と一時停止の効果
• Authors: Arif Ahmed, Gondy Leroy, Stephen A. Rains, Philip Harber, David Kauchak, Prosanta Barai,
• Abstract要約: 難易度が変化する健康テキストを用いて,情報強調・一時停止形式での音声強調の効果を評価した。 以上の結果から,情報理解と保持の両面での重視が重要であることが示唆された。
• 参考スコア（独自算出の注目度）: 1.215768954871478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Health literacy is crucial to supporting good health and is a major national goal. Audio delivery of information is becoming more popular for informing oneself. In this study, we evaluate the effect of audio enhancements in the form of information emphasis and pauses with health texts of varying difficulty and we measure health information comprehension and retention. We produced audio snippets from difficult and easy text and conducted the study on Amazon Mechanical Turk (AMT). Our findings suggest that emphasis matters for both information comprehension and retention. When there is no added pause, emphasizing significant information can lower the perceived difficulty for difficult and easy texts. Comprehension is higher (54%) with correctly placed emphasis for the difficult texts compared to not adding emphasis (50%). Adding a pause lowers perceived difficulty and can improve retention but adversely affects information comprehension.
• Abstract（参考訳）: 健康リテラシーは健康維持に不可欠であり、国家の主要な目標である。 情報のオーディオ配信は、自分自身に知らせるために人気が高まっている。 本研究では,情報強調・停止という形での音声強調の効果を,難易度が変化する健康テキストを用いて評価し,健康情報の理解と保持を計測する。 難易度の高いテキストから音声スニペットを作成し,Amazon Mechanical Turk (AMT) について検討した。 以上の結果から,情報理解と保持の両面での重視が重要であることが示唆された。 一時停止が加わらない場合、重要な情報を強調することで、難易度の高いテキストに対する認識の難しさを低下させることができる。 理解度は高く(54%)、強調しない(50%)よりも難しいテキストに正しく重点を置いている。 一時停止を加えると、知覚上の困難が減少し、保持性が改善されるが、情報の理解に悪影響を及ぼす。

関連論文リスト

• Listening for Expert Identified Linguistic Features: Assessment of Audio Deepfake Discernment among Undergraduate Students [0.0]
  本稿では,専門家が定義した言語的特徴を聴くことで,大学生が音声深層認識能力を向上させるための教育効果を評価する。 我々の研究は、ディープフェイク識別メカニズムとして、ターゲット言語的手がかりをリスナーに導入することで、情報教育に留まらない。 その結果, 実験群は, 音声クリップの評価における不確実性が統計的に顕著に低下し, 当初不確実であったクリップを正確に識別する能力が向上したことがわかった。
  論文  参考訳（メタデータ） (2024-11-21T20:52:02Z)
• Do Prompts Really Prompt? Exploring the Prompt Understanding Capability of Whisper [51.12146889808824]
  本研究は,ハイパフォーマンス音声認識モデルであるWhisperとプロンプトの情報がどのように相互作用するかを考察する。 結果から,Whisperは人為的に文章のプロンプトを理解できない可能性が示唆された。 また、英語のプロンプトが両方の言語のデータセットで一般的にマンダリンよりも優れていることも指摘されている。
  論文  参考訳（メタデータ） (2024-06-09T14:44:59Z)
• InfoLossQA: Characterizing and Recovering Information Loss in Text Simplification [60.10193972862099]
  本研究は, 簡易化による情報損失を問合せ・問合せ形式で特徴づけ, 回復する枠組みを提案する。 QAペアは、読者がテキストの知識を深めるのに役立つように設計されている。
  論文  参考訳（メタデータ） (2024-01-29T19:00:01Z)
• Gaze-Driven Sentence Simplification for Language Learners: Enhancing Comprehension and Readability [11.50011780498048]
  本稿では,読解理解を高めるために,新しい視線駆動型文簡略化システムを提案する。 本システムでは、個々の学習者に適した機械学習モデルを導入し、視線特徴と言語特徴を組み合わせて文理解を評価する。
  論文  参考訳（メタデータ） (2023-09-30T12:18:31Z)
• Exploring the Role of Audio in Video Captioning [59.679122191706426]
  本稿では,キャプションの音響モダリティの可能性をフル活用することを目的とした音声視覚フレームワークを提案する。 本稿では,音声とビデオ間の情報交換を改善するため,新たなローカル・グローバル融合機構を提案する。
  論文  参考訳（メタデータ） (2023-06-21T20:54:52Z)
• Language-Guided Audio-Visual Source Separation via Trimodal Consistency [64.0580750128049]
  この課題の鍵となる課題は、発音対象の言語的記述と、その視覚的特徴と、音声波形の対応する成分とを関連付けることである。 2つの新たな損失関数を通して擬似目標管理を行うために、既成の視覚言語基盤モデルを適用する。 3つの音声・視覚的分離データセットに対する自己教師型アプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-28T22:45:40Z)
• Multi-task Learning for Personal Health Mention Detection on Social Media [70.23889100356091]
  本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。 我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
  論文  参考訳（メタデータ） (2022-12-09T23:49:00Z)
• Text Difficulty Study: Do machines behave the same as humans regarding text difficulty? [21.026155548880798]
  タスクが与えられたら、人間は簡単から困難に学習するが、モデルはランダムに学習する。 NLPにおけるテキストの難易度を調査するために,Human Learning Matching Index (HLM Index)を提案する。
  論文  参考訳（メタデータ） (2022-08-14T06:12:08Z)
• Investigation of Data Augmentation Techniques for Disordered Speech Recognition [69.50670302435174]
  本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。 正常な音声と無秩序な音声の両方が増強過程に利用された。 UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
  論文  参考訳（メタデータ） (2022-01-14T17:09:22Z)
• Transfer learning from High-Resource to Low-Resource Language Improves Speech Affect Recognition Classification Accuracy [0.0]
  低リソース言語における影響を認識するために,モデルが高リソース言語と微調整で訓練されるアプローチを提案する。 ベースライン精度60.45、68.05、80.34、56.58パーセントを達成し、SAVEE、EMOVO、Urdu、およびIEMOCAP上で同じコーパス設定でモデルをトレーニングします。
  論文  参考訳（メタデータ） (2021-03-04T08:17:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。