用伪词堵住语言补偿之后，可懂度评分还变吗

英文题目：Variabilité de l’évaluation perceptive de l’intelligibilité par Décodage Acoustico Phonétique?

会议身份：conference:jep:2026:conference-paper-id:lalain26_jep

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#人类参与评测 #言语障碍 #语音 #语音可懂度评估

评分：5.6/10 | 创新 1.0/2 | 技术严谨 1.0/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 0.5/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Muriel Lalain：机构信息未能从会议 PDF 纯文本可靠映射
• Alain Ghio：机构信息未能从会议 PDF 纯文本可靠映射
• Céline Bonneau：机构信息未能从会议 PDF 纯文本可靠映射
• Corinne Fredouille：机构信息未能从会议 PDF 纯文本可靠映射
• Marie Rebourg：机构信息未能从会议 PDF 纯文本可靠映射
• Camille Galant：机构信息未能从会议 PDF 纯文本可靠映射
• Clémence Devoucoux：机构信息未能从会议 PDF 纯文本可靠映射
• Anaïs Galtier：机构信息未能从会议 PDF 纯文本可靠映射
• Nicolas Fakhry：机构信息未能从会议 PDF 纯文本可靠映射
• Virginie Woisard：机构信息未能从会议 PDF 纯文本可靠映射
• Mathieu Balaguer：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

口腔与口咽癌治疗后可懂度感知评估易受词表记忆与词汇修复污染，难以分离说话人产出损伤与听者语言补偿。本文验证声学语音解码任务，输入为患者朗读的伪词音频，输出为每音素平均受损特征数的音系感知偏离全局与局部分数，分数越高损伤越重。方法链分四步：从大规模伪词库生成音位平衡开放词表以阻断词汇恢复；经录音软件采集两中心纳入的法语母语缓解期患者朗读，每人朗读不同词表；听者做正字法转写并转为音素后与目标形比对计算偏离分数；再以混合模型检验词表、现场对比远程与专家对比非专家三因素稳健性。与传统词句转写或量表评分不同，该机制强制听者仅依赖声学信号，使测量聚焦说话人产出而非听者高层补偿，具有开放词表抗学习效应的实际意义。在现场对比远程与专家对比非专家的评测条件下，偏离分数在不同条件下的高低比较原文未提供可核对的关键定量结果。结论适用边界仅限法语口腔与口咽癌缓解期成人，尚未验证自动评分与解剖动力学缺损对照及跨语种外推。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://doi.org/10.1159/000519427 → https://karger.com/article/doi/10.1159/000519427 — 链接不可用（HTTP 403）
• 第三方资源：https://hal.science/hal-02798584 — 链接可访问（HTTP 200） 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么，目标是什么，哪些信息必须保留

这篇解读的输入是法语会议论文正文与 3 张官方原图像素，目标是让刚进入语音与临床语音方向的研究生能复述方法并核对条件。必须保留的信息是患者来源与数量、伪词产生与转写流程、全局与局部分数定义、3 次评估安排、统计模型结构以及词表等效、场景等效和专家效应 3 条结论的适用边界。输出按学习依赖展开，先讲临床为什么需要更稳的可懂度测量，再讲伪词解码如何组织，最后讲证据与复现。

口腔与口咽癌治疗后常留下发音与共鸣改变，患者主诉集中在别人听不懂自己，说话影响社交。临床 bilan 会同时看运动与感觉损伤、可懂度与严重度感知评分以及生活质量问卷。但感知评分长期被抱怨不稳定，不同量表与不同语言材料给出的数很难互相比较。初学者容易把这理解为打分人不认真，论文把原因往前推了一步，即概念不清与材料可猜都会引入变异。白话说，可懂度(intelligibilité) 是只凭声音信号把语言单位还原得多准。

可理解度(compréhensibilité) 是加上词义常识和上下文后把整件事听懂多少。前者要卡住高层补偿，后者允许调用高层补偿。

可懂度 × 可理解度： 可懂度分工是只看声学信号把语言单位解码得多准，不借上下文和词义去猜；可理解度分工是调动语言、语义和情境知识把整条消息听懂多少。两者搭配的理由是临床常把二者混用导致分数不可比，组合意义是把伪词解码限定在前者，让测量更贴近说话人发音本身而不是听话人的补全能力。

本研究属于医院研究计划中的验证链条，总体目标是把感知测量、自动测量与解剖功能检查对起来，最终判断伪词解码分数能否反映口咽解剖与动力学缺损。本文只承担其中一段，即检验伪词解码任务对评估变异是否稳健。它不训练神经网络，不提出新声学模型，也不报告自动解码结果。后续计划是把每音段的感知偏离分与自动分析及解剖动力学分数对照，但那部分不在本次证据内。读者复述时不要把未来计划说成已完成的对照。

同类评估路线有哪些，为什么它们容易变

临床常用的感知评估路线至少包括视觉模拟量表、李克特量表和转写 3 类操作，语言材料可以是孤立音素、音节、词、句子、朗读文本或看图描述。论文指出这种工具多样性叠加概念模糊，使得可懂度、可理解度和严重度经常混用，分数的跨研究可比性差，个体内与个体间变异大。相关引用指向既有文献对变异的报告，但本文没有重做这些量表的头对头比较，因此不能从本文读出伪词法比某量表好多少。

另一条路线是封闭小词表，例如临床构音障碍评估电池中的常用词表。它的优点是操作快、临床熟悉度高，缺点是听者容易学会词表，第二次听就有预期。真词还会触发词汇修复，听者听到含糊片段会自动补成最像的词。初学者可以做一个教学例子来理解，但这只是例子：比如目标是无意义音串，听者只能逐个音去拼；若换成真词，听者可能直接猜出整个词而跳过难音。例子不附带任何数值效果。

本文路线的前身工作包括伪词库设计、转写转语音化与偏离分计算，以及用伪词比较专家与非幼稚听者的研究。论文明确说词表等效已在先前小样本中观察到，本次是在更大临床队列与多场景下继续验证。资源状态方面，与自动验证主结果关联的外部期刊链接本次不可用，阅读时只能写该链接当前不可用；另一份比较词与伪词的开放存档本次可用。相关工作的对照必须限定为同输入、同目标、同监督与同运行阶段，不能把类别差异直接当胜负。

要回答的三个变异问题是什么

论文把验证拆成 3 个可操作的问题。第一，换一张伪词表，同一名患者的分数是否还一样。如果词表难度不均，换表就会换分，临床就无法纵向比较。第二，换一个评估情境，面对面看诊时打的分与事后只听录音打的分是否一致。如果视觉信息、查体印象或现场互动污染听辨，远程复用录音就不成立。

第三，换一类听者，熟悉术后语音的医院言语治疗师与不熟悉该病理的私人诊所言语治疗师，打分趋势与幅度是否一致。如果熟悉程度大幅改变分数，推广到普通临床就需要校准。

3 个问题共用同一个因变量，即全局感知音系偏离分，白话是平均每个音素 altered 了多少个区别特征，分数越高表示可懂度退化越重。比较的公平条件是同一批患者的同一批录音、同一转写比较流程和同一统计模型结构，只改变待检验因素。论文的假设偏向稳健，即伪词已堵住词汇修复与材料学习，因此词表与场景不应带来系统差异；对专家效应则假设应可比，但实际结果部分推翻了幅度的可比性。初学者复述时要分开趋势与幅度两个层次，趋势指谁重谁轻的排序，幅度指重度端给到多高。

从患者开口到分数输出的全景是怎样的

全流程可以沿 1 名患者走一遍。患者先接受言语治疗 bilan 中的解剖与动力学检查，然后面对屏幕读出两张伪词表，每张包含多个伪词。录音与现场感知评估同步进行，现场评估者把听到的形式做正字法转写。转写结果再转成音素序列，与目标伪词的音素序列逐段对齐，计算平均每音素 altered 的特征数，得到全局分与局部分。后续远程评估复用第一张表的录音，评估者在平台上再次听辨转写，走同样的比较与计分流程。

下图是现场采集与实时评估的布置，理解它才能明白面对面条件多了哪些信息。图中左侧是戴耳机坐在屏幕与话筒前的说话人，右侧是操作电脑的临床评估者，2 人同处一室但任务不同。该布置对应现场条件特有的视觉接触、查体印象与互动节奏，而远程条件只保留录音。

看图路径： 1. 先看左侧戴耳机面对屏幕与话筒的说话人位置，再看右侧操作电脑的评估者位置；2. 确认话筒支架、两块屏幕与录音电脑构成的同期录制与实时转写回路；3. 注意两人同处一室但分工不同，一人产出伪词一人做正字法转写

论文图 1。原论文 Figure 1：“Configuration de la procédure d’enregistrement des productions et de l’évaluation”。

这张照片显示的不是示意图而是真实采集位形，左侧说话人前方有话筒支架与显示伪词的屏幕，右侧评估者面前有另一块屏幕与记录纸。它的教学价值是帮助区分两种变异来源，一种是信号本身的发音退化，另一种是评估者接触患者后形成的预期。论文用远程重测来检验第二种来源是否被伪词任务压住。需要说明的是，录音设备在两家医院统一为同一软件、同一音频接口与同一话筒型号，这是控制采集变异的动作，但论文未报告房间混响、耳机型号与播放声压等远程听音细节，这是复现时需要补记的缺项。

伪词、转写比较与偏离分各负责什么

先讲刺激。伪词库约有 90000 条候选，生成时控制音系结构与难度均衡，每次评估用一张包含数十个伪词的表。目标例子在正文中给出 prinu 这类形式，感知例子给出 penu 这类转写，教学上可以理解为目标与感知只差中间一段，计分就要量化这段差了多少特征。伪词的作用不是难为患者，而是让听者无法靠词义去猜，只能逐段解码。

声学语音解码 × 伪词： 声学语音解码分工是要求听者逐段听辨并转写听到的形式；伪词分工是提供无词义、可控音系结构的刺激，堵住词库修复。搭配理由是真词会触发自上而下的修复，组合意义是把听者的高层知识旁路掉，使偏差分数更能反映音段层面的退化。

再讲比较。评估者先写下听到的正字法形式，研究者把它转成音素，再与目标音素序列比较。全局分是对整张表取平均，反映总体可懂度损伤；局部分落到每个音段，反映哪个音退化更重。初学者要记住方向，分数越大越差，而不是越大越好。

全局感知音系偏离分 × 局部感知音系偏离分： 全局感知音系偏离分分工是对 52 个伪词取平均，给出每名患者平均每音素 altered 的特征数，方向是越大退化越重；局部感知音系偏离分分工是落到每个产生音段，指示哪个音坏了。搭配理由是临床既要总体严重度也要定位，组合意义是同一转写比较流程同时产出可比的总分与可定位的分段分。

最后讲名单与流程的衔接。现场产生两张不同伪词表，远程重测只用第一张表的录音。这样设计使词表等效检验用的是现场两张表的分数对照，场景检验用的是第一张表在现场与远程的分数对照，专家检验用的是第一张表在远程下两类听者的分数对照。3 组对照的录音基础不同，复述时不要说成 3 组都用了全部录音。

本研究训练了什么，没有训练什么

本研究没有训练声学模型、语言模型或神经网络，也没有更新任何可学习参数，因此不存在优化器、学习率、梯度路径、早停或参数冻结需要交代的训练阶段。把无训练理解为系统输出天然确定也是不对的，因为转写本身依赖人的听辨，人的状态与播放条件仍可带来变异。论文要检验的正是这种非模型变异。

真实计算过程是规则与统计计算。第一步是确定性比较与计数，即目标音素与感知音素对齐后按特征差异计数并平均，得到每患者全局分与每音段局部分。第二步是统计建模，用混合效应回归检验固定因素是否显著，同时把听者与说话人作为随机截距吸收个体差异。3 个模型分别把词表、情境与听者类型作为固定因素，因变量都是分数的对数变换，观测数同为一百五十六。论文写明使用常见统计软件的混合模型包，但未报告随机种子、收敛判据与残差诊断细节，这些是方法复现时应补记的缺项。远程平台仅承担呈现录音与收集转写，不承担自动评分。

患者、录音与三次评估是如何组织的

下表把队列与 3 次评估的组织方式放在一起，读表前先明确比较问题与公平条件。比较问题是 3 组对照是否在同一计分口径下可比，公平条件是同一批患者、同一录音设备链与同一偏离分计算，只改变词表、场景或听者。指标方向是全局分越大退化越重。表中数量词的写法保留原文，包括两中心例数、转写总数与远程间隔。

该表的教学作用是防止把 3 次评估混为 1 次。现场基准同时产出两张表的分数，用于词表等效；远程专家重测复用第一张表录音，用于场景效应；远程职业组同样听第一张表录音，用于听者经验效应。表中规模列不代替具体数字，具体数字见绑定原文。

需要特别说明的边界是，本次解读基于首次数据提取的 80 名患者，而非项目全部纳入的 116 名；远程专家重测与首次评估间隔 24 到 36 个月，间隔内患者状态与录音保存链条未在证据中展开。

面对面评估 × 远程评估： 面对面评估分工是在问诊现场边录音边听辨，带有看诊与视觉信息；远程评估分工是只听录音在平台上转写，切断视觉与临床接触。搭配理由是要分离情境线索是否污染听辨，组合意义是同一批录音跨情境重测可以直接检验任务的可重复性。

录音链在两家医院统一，软件连接两块屏幕，音频接口连接同一型号话筒。远程评估使用在线实验平台呈现录音。论文未报告远程听音的耳机、声卡、环境噪声控制与播放次数限制，复现远程条件时必须把这些作为待补验证项，否则无法判断场景无差异是否依赖安静的听音环境。

词表与场景是否改变分数，专家带来什么差异

下表把 3 条主结论按证据强度组织，读表前先明确测什么、与谁比、条件是否一致。测的是全局偏离分，基线是同一患者在另一词表、另一场景或另一类听者下的分数，条件一致性靠同一录音基础与同一计分流程保证。指标方向统一为越大越差。表中幅度数字保留原文逗号小数写法，不做四舍五入。

表后需要解释主要收益与具体代价。收益是词表与场景两处未发现显著差异，支持伪词任务压住了材料学习与情境线索带来的常见变异。代价是专家效应显著，尽管趋势相关很好，但重度端幅度几乎差 1 倍，专家组上限约 1.38，非专科组上限约 2.81，而轻度端下限接近。这意味着排序谁更重基本一致，但说有多重时两类听者口径不同。未胜出项就是专家可比假设在幅度上未成立，这是否定性证据而非失败条件遗漏。

专家听者 × 非专科职业听者： 专家听者分工是熟悉口腔与口咽癌术后语音的医院言语治疗师；非专科职业听者分工是在私人诊所执业、不熟悉该类后遗症的言语治疗师。搭配理由是要检验熟悉病理是否改变打分，组合意义是同为远程听同一批录音时可以分离听觉临床经验带来的宽容或严格效应。

场景无差异的可视证据见下图。读图前先确认横轴为两种情境，纵轴为模型分数尺度，箱体与散点共同显示分布。两只箱体的中线与盒高接近，散点从上到下铺展范围相似，没有整体上移或下移。

看图路径： 1. 先确认横轴两个条件为面对面与远程重测，纵轴为模型中的分数尺度；2. 比较两只箱体的中线、四分位盒高度与须线范围是否基本重合；3. 再看叠加的散点分布是否同样从上到下连续铺展而无整体偏移

论文图 3。原论文 Figure 3：“Distribution des scores DPP selon le contexte d’évaluations perceptives réalisées en”。

该图支持面对面与远程分数可比的判断，但它只显示分布重合，不证明每个患者逐点完全相同，也不报告逐点差值的临床可接受界。论文的统计结论是模型未显示显著差异，初学者应表述为报告显示无显著差异，而不是断言两种场景在任何患者身上完全等价。像素可辨的只是箱体与散点形态，无法精确读出每个散点的数值，因此不硬写中位数数值。

如果拿掉伪词约束或换掉听者会发生什么

论文没有做拿掉某一模块的神经网络消融，因此本节按证据展开为条件替换分析。第一类替换是词表替换，现场两张不同伪词表的分数无显著差异，支持刺激难度已均衡。若换成封闭真词表，论文的机制讨论认为会出现学习与词汇修复，但本文没有实测该替换，不能给出数值代价，只能记为待验证推测。第二类替换是场景替换，面对面换成远程后分数分布仍重合，支持视觉与查体印象未系统污染伪词听辨。若远程听音环境嘈杂或设备差异大，该结论是否成立同样未测。

第 3 类替换是听者替换，这是唯一显示显著差异的替换。下图比较远程下专家与非专科职业两组分布，读图前先确认横轴为听者类型，纵轴为同一分数尺度。专家箱体位置相对更靠轻度一侧，非专科组箱体与散点在重度方向延伸更长，说明对最难懂的患者，非专科组给出了更高的偏离分。

看图路径： 1. 先确认横轴两组为专家与非专科职业听者，纵轴为同一分数尺度；2. 比较两只箱体中线高低与盒体位置，判断整体打分方向是否错开；3. 再看下方须线与散点延伸长度，判断重度端评分幅度差异

论文图 4。原论文 Figure 4：“Distribution des scores DPP attribués à partir d’évaluations perceptives réalisées à distance par les orthophonistes investigateurs experts et des orthophonistes non experts…”。

该图的可执行观察是先看中线错开，再看下方须线与散点长度，最后回到原文幅度数字核对上限差近 1 倍。论文的解释是熟悉病理的听者可能把某些变异当作可接受的产出变体，或在音段层做了更强的修复，因而打得更宽容；也可能非专科组对重度失真更敏感。原文用可能与推测性语言表达，复述时必须保留这种不确定性，不能把宽容机制说成已证实的因果。至少要说明的未评测边界是，职业组每人只听 5 名患者，样本覆盖与专家重测自己的患者不完全对称，幅度差异是否部分来自患者抽样仍需更均衡的设计来验证。

哪些结论有边界，哪些信息缺失

直接报告的结论是词表等效与场景稳健，统计上无显著差异；有限解释是专家效应，即趋势一致但幅度不同，机制解释为临床听觉经验带来的宽容。未验证推测包括伪词完全堵住高层修复、远程在任何听音条件下都成立、局部分数能对应具体解剖缺损，这些在本文证据内均未测量。相关性不等于因果，专家熟悉程度与打分宽容同时出现，不能断定熟悉必然导致宽容。

缺失证据不是技术错误，但复现必须正视。论文未报告远程听音设备与环境、转写转音素的具体规则与一致性、混合模型残差诊断与效应量、以及自动测量与解剖功能对照结果。训练资源与推理延迟不适用于本研究，但人工转写成本与远程平台实施成本是实际部署代价，原文未量化，解读时不应承诺省时或省钱。总体趋势不等于每名患者都成立，重度端的个体差异正是专家效应最明显的地方，临床使用全局分做阈值判断时需要更谨慎。

统计口径方面，3 个模型观测数同为一百五十六，随机效应均为听者与说话人，固定因素分别为词表、情境与听者类型。因变量取对数后建模，论文未给出对数底数与零值处理，复现时应按原文软件与函数名重跑并检查分布假设。原文若存在表头与正文口径冲突，本文未发现可核对的数值表冲突，但远程间隔长达两到三年，记忆与标准漂移是否影响重测，证据中没有直接检验，只能记为边界。

要复现需要准备什么，先做什么

复现先做材料与流程对齐，而不是先收集大量患者。第一步是获得均衡伪词表生成规则与难度控制标准，确保换表不换难度。本文只说明存在约 90000 条候选与每表数十条的规模，具体音系平衡与难度计算引自先前工作，需要回到原文引用的设计文献核对。第二步是固定录音链与转写比较链，包括同一软件、同一音频接口与话筒型号、两块屏幕呈现、正字法转写转音素规则与特征计数规则。第三步是固定统计模型，把听者与说话人作为随机效应，固定因素 1 次只换一个。

下表把复现核对清单按可运行顺序组织，读表前先明确目标是让别人用同样条件得到可比分数，而不是复刻某 1 次的具体分数。公平条件是同一录音基础与同一计分口径，指标方向仍是越大越差。

表后解释代价与反例。代价是人工转写工作量大，远程重测间隔长，短期内难以快速重复；反例是若远程环境不受控或转写规则不统一，场景无差异可能无法复现。值得尝试的时机是已有术后语音录音并需要跨时间比较时，伪词重测比封闭词表更少担心学会词表。不值得直接套用的是把本文全局分阈值搬到另一家医院的另一套播放设备上，因为专家幅度差异提示阈值需要本地校准。代码与权重方面，本文不涉及模型开源，系统可运行指的是录音软件、远程平台与统计脚本的可运行性，复现报告应分别说明三者版本与参数。

这篇论文到底证明了什么，还差哪项验证

综合全文，论文报告显示伪词声学语音解码把常见的两类变异压住了，一是换词表带来的分数漂移，二是面对面与远程带来的情境漂移。支持该判断的证据是同一队列内两张词表分数无显著差异，以及同一批录音在现场与远程下分布重合。听者经验的结果更细，趋势一致但重度端幅度不同，专家打得更收敛，非专科组打得更重。论文因此称该任务稳健、可重复与可靠，但可靠的范围应限定为排序与换表换场景可比，不包括跨听者群体的严重度阈值直接互换。

还差的关键验证是局部分数与解剖动力学缺损的对应，以及自动测量与感知测量的对照，这正是项目总体目标中尚未在本文完成的后半段。此外需要补的验证包括远程听音条件的系统变化、转写一致性的人评信度、以及更均衡的听者与患者交叉设计，用以分离抽样与经验效应。对初学者而言，复述方法时抓住一句话，患者读伪词，听者写下听到的形式，转成音素后与目标比较并按特征计数平均；复述结论时抓住两句话，换表换场景分数趋势稳定，遇到重度患者要问是谁打的分。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

另有 3 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 jep-2026 论文汇总