Comment optimiser l’évaluation de l’intelligibilité de personnes souffrant de troubles de la parole ?

15 June 2021 par Claudia Pichon-Starke
Anna Marczyk (LPL) est première auteure d'un article qui vient de paraître dans la revue Behavior Research Methods..

Anna Marczyk (LPL) est première auteure de l’article « Optimizing linguistic materials for feature-based intelligibility assessment in speech impairments » qui vient de paraître dans la revue Behavior Research Methods. Réalisé en outre en collaboration avec Alain Ghio, Muriel Lalain et Marie Rebourg du LPL, il se base sur des travaux de recherche réalisés dans le cadre du projet RUGBI.

Référence :
Marczyk, A., Ghio, A., Lalain, M. et al. Optimizing linguistic materials for feature-based intelligibility assessment in speech impairments. Behav Res (2021). https://doi.org/10.3758/s13428-021-01610-9

 L’article en accès libre : https://rdcu.be/cl65E

Résumé :
L'évaluation de l'intelligibilité des personnes souffrant de troubles de la parole consiste généralement à leur demander de lire ou de répéter à haute voix des listes de mots, une procédure qui peut prendre beaucoup de temps si le matériel est long. Notre travail visait à optimiser ces matériaux d'élicitation en cherchant un compromis optimal entre taille des listes et la performance classificatoire de la métrique d’intelligibilité qui est calculé à partir de ces listes.
La question que nous nous sommes posée est la suivante : quels critères permettent une réduction optimale du matériel – une réduction phonétiquement motivée ou une réduction arbitraire ?
Nous avons montré que la métrique avait une capacité de classification significativement plus élevée lorsque le matériel était réduit en fonction du critère de complexité articulatoire que quand il est réduit arbitrairement. Ce qui était inespéré c’est que la réduction de la taille du matériel à environ 30 % du matériel original ne diminuait pas les performances du classificateur ni n’affectait la stabilité du résultat. Donc au lieu d'une liste de 52 non-mots, les cliniciens peuvent utiliser seulement 16 non-mots pour obtenir un résultats tout aussi robuste.
Ce résultat est d'un grand intérêt tant pour les cliniciens comme pour les patients puisqu'il valide un outil à la fois fiable et efficace.