Influenza della realtà virtuale sulla percezione e produzione vocale

Questo progetto si rivolge a tre obiettivi specifici. Gli obiettivi specifici 1 e 2 stabiliscono molti dei parametri per la sperimentazione clinica, che è affrontata nell'obiettivo specifico 3. I dettagli per il progetto nel suo insieme, inclusa la sperimentazione clinica, sono i seguenti, copiati e incollati dalla proposta di sovvenzione.

3.0 APPROCCIO DI RICERCA Lo scopo generale è indagare gli effetti delle informazioni uditive, visive e audiovisive sulla percezione e produzione della propria voce, utilizzando la VR come strumento di indagine, e fornire dati preliminari sulla potenziale utilità della VR nella voce ambiente formativo. I dettagli relativi agli Obiettivi specifici sono forniti nella relativa pagina.

3.1 Partecipanti: per SA1 e SA2, saranno reclutati 60 insegnanti di classe vocalmente sani di età compresa tra 24 e 50 anni (vedere 3.2). All'estremità inferiore, questa fascia di età rappresenta la prima età in cui gli insegnanti possono iniziare la loro carriera professionale di insegnanti e, all'estremità superiore, rappresenta l'età media di insorgenza della menopausa per le donne, e desideriamo limitare i disturbi ormonali e altri fattori legati all'età influenze nei dati. Tutti i partecipanti parteciperanno a SA1 e SA2, che utilizzano le stesse procedure di raccolta dati simultanea con diverse analisi per misure percettive (SA1) e misure di produzione (SA2). Per SA3, che è esplorativo, saranno assunti altri 10 insegnanti sani con le stesse caratteristiche. Per tutte le SA, i criteri di inclusione ed esclusione sono: Inclusione: per autovalutazione: (1) insegnante di classe K-12 con almeno due anni di esperienza di insegnamento (SA1 e SA2) o insegnante di scuola elementare (SA3), tra 24 e 50 anni ; (2) Nessuna storia di disturbi della voce di durata superiore a due settimane e punteggio Voice Handicap Index -10 (VHI-10)63 < 10; (3) Non fumatore a vita; (4) Nessun danno uditivo o visivo non corretto; Con documentazione scritta: (5) Prova della vaccinazione completa contro il COVID-19; In base alla valutazione clinica: (6) Voce normale nei giorni di partecipazione, valutata da un logopedista autorizzato specializzato in voce sulla base di un punteggio di gravità complessivo del Consensus-Auditory Perceptual Evaluation of Voice (CAPE-V) < 10,65 Esclusione: per autovalutazione :(7) Storia di patologia delle corde vocali o altra patologia che colpisce la voce; (8) qualsiasi condizione acuta che possa influenzare la produzione vocale come tosse, congestione nasale o temperatura superiore a 98,6o F (37,0oC). Si noti che solo gli insegnanti vocalmente sani vengono valutati in questa fase, prima di introdurre le complessità associate ai disturbi della voce. Tali complessità saranno affrontate in un successivo lavoro di traduzione che si basa sulla presente serie. Va notato che il programma di ricerca è in definitiva rilevante per gli insegnanti con problemi di voce, ma anche per l'ambiente di lavoro degli insegnanti attualmente sani.

3.2 Analisi di potenza: le analisi di potenza hanno ipotizzato una dimensione dell'effetto media di d = 0,4, a due code, per i test di tutte le variabili dipendenti tra SA1 e SA2. I risultati hanno suggerito che un N=51 sarà sufficiente per rilevare i risultati per tutte le variabili con un livello di significatività di α = 0,05 e una potenza di 0,8. Tenendo conto del possibile logoramento, saranno reclutati 60 partecipanti per gli Obiettivi 1 e 2. Questo numero è stato dimostrato dal nostro co-investigatore Bottalico e nei nostri dati preliminari più recenti per essere sufficiente per rilevare effetti significativi simili a quelli indagati nella presente serie (ad esempio, differenze nelle valutazioni percettive dello sforzo vocale e del comfort, e anche SPL e media f0; (Bottalico, 2017; Bottalico et al., 2016; Daşdöğen et al., dati non pubblicati). Per SA3, che è esplorativo, verrà reclutato un totale di 10 partecipanti per ottenere dati preliminari per una successiva serie clinica.

3.3 Procedure 3.3.1 SA1 e SA2: Sessanta insegnanti di classe K-12 saranno reclutati attraverso volantini pubblicati nella comunità e sui social media e attraverso il contatto diretto con le scuole pubbliche del Delaware, del New Jersey, della Pennsylvania e del Maryland, che possono essere in prossimità del sito di studio presso l'Università del Delaware. Le persone che contattano il PI con un interesse a partecipare riceveranno una panoramica dello studio per telefono o connessione remota sicura e, se sono d'accordo, forniranno il consenso informato. Dopo il consenso, i partecipanti saranno guidati a un questionario REDCap di screening online utilizzando un server conforme a HIPAA per affrontare tutti i criteri di inclusione ed esclusione ad eccezione della valutazione clinica uditivo-percettiva della voce (CAPE-V). I partecipanti qualificati saranno programmati per un appuntamento in laboratorio presso il laboratorio vocale del campus STAR dell'Università del Delaware. All'inizio dell'appuntamento, il medico valuterà la voce del partecipante per confermare la normale qualità della voce utilizzando il CAPE-V. I partecipanti che superano questa fase di screening finale (punteggio di gravità CAPE-V complessivo <10) procederanno alle procedure sperimentali. Gli altri saranno scusati.

Per le procedure sperimentali, in primo luogo, i partecipanti saranno addestrati nei compiti vocali che verranno utilizzati durante lo studio: presentarsi a una classe per 15 secondi, fornire un tutorial di due minuti relativo alla loro esperienza di insegnamento, sostenere la vocale /a/ per 3 secondi ripetuti tre volte, e producendo la frase CAPE-V, "Eravamo via un anno fa" ripetuta tre volte. I partecipanti riceveranno quindi istruzioni per il questionario di autovalutazione che riflette il volume vocale auto-percepito, lo sforzo vocale e il comfort vocale per gli stimoli vocali come set (vedi 6.0). Dopo la consegna di queste istruzioni, verrà posizionata la strumentazione comprensiva di microfoni headset, cuffie e occhiali VR (vedi 4.0). I partecipanti eseguiranno quindi i compiti di conversazione sperimentale in ciascuna delle 15 condizioni ordinate in modo casuale con e senza rumore di fondo che imitano virtualmente le proprietà uditive e visive delle stanze del mondo reale che variano da aule di conferenze piccole a grandi, con acustica da secca a altamente riverberante e altoparlanti variabili distanze ascoltatore.

L'acustica della stanza sarà prescritta per caratterizzare e controllare le condizioni acusticamente variabili negli ambienti VR (ISO 3382, vedere 5.0). Le misurazioni OBRIR saranno ottenute in un'aula, un'aula magna e un auditorium scolastico nel campus Urbana-Champaign dell'Università dell'Illinois, dove le dimensioni sono simili a quelle delle aule VR (vedi 5.0). Il software Ovation (Ovation VRSpeaking, LLC, NJ, US) verrà utilizzato per fornire sale VR realistiche e ascoltatori 3D (vedere 4.0). I compiti sperimentali includeranno una serie di espressioni vocali suggerite come per la condizione di addestramento, (i) senza feedback audio o visivo esterno o rumore di fondo (linea di base sperimentale), (ii) solo in ciascuna condizione uditiva, (iii) in ciascuna condizione visiva da solo, e (iv) in ogni combinazione di condizioni uditive e visive. Tutte le condizioni ii-iv saranno prodotte con e senza rumore di fondo descritto a breve. Per le condizioni di solo audio, i partecipanti indosseranno una maschera per gli occhi per bloccare le informazioni visive. In tali condizioni, per aiutare con l'intento comunicativo, i partecipanti sentiranno un applauso contorto con risposte acustiche della stanza abbinate prima di iniziare ogni stringa di discorso, che fornirà un indizio audio-spaziale sulla presenza del pubblico, approssimativamente quanto è affollato l'ambiente e come gli ascoltatori lontani sono nell'ambiente. Per migliorare il coinvolgimento dei partecipanti con l'ambiente, prima che parlino, l'esaminatore chiederà loro di stimare le dimensioni del pubblico e la distanza tra chi parla e chi ascolta. Per tutte le condizioni visive, i partecipanti vedranno le rispettive stanze visive e gli ascoltatori seduti che reagiranno all'oratore in modi realistici (ad esempio, muovendosi da seduti, grattandosi la testa, ecc.). Per promuovere ulteriormente il coinvolgimento dei partecipanti, l'esaminatore chiederà a ciascun partecipante approssimativamente quante persone si trovano nell'ambiente e quanto sono lontane. In tutte le condizioni, ai partecipanti verrà chiesto di "parlare in modo che tutti possano capirti". Come notato, tutte le condizioni saranno eseguite con e senza rumore di fondo durante il discorso dei partecipanti. Il livello di rumore corrisponderà al livello rappresentativo di un tipico ambiente scolastico (media di 54 dB).66 Dopo che i partecipanti hanno prodotto espressioni vocali in ciascuna condizione, rimuoveranno gli occhiali VR o la maschera per gli occhi e verrà chiesto di completare il questionario sul volume auto-riferito, lo sforzo vocale e il comfort vocale per le espressioni precedenti. Il questionario verrà visualizzato sullo schermo di un computer che consente risposte digitali su scale VAS (vedi 6.0). Quindi, i partecipanti procederanno alla successiva condizione VR e così via, fino al completamento della raccolta dei dati per tutte le condizioni, concludendo così la sessione. La durata complessiva della sessione è prevista in circa 120 minuti.

3.3.2 SA3: I partecipanti saranno 10 insegnanti di classe. Dopo aver soddisfatto i criteri di inclusione ed esclusione, ad eccezione della valutazione uditiva clinica della voce, i partecipanti qualificati si presenteranno al laboratorio vocale STAR per la valutazione vocale come per SA1 e SA2. I partecipanti che superano lo screening vocale saranno quindi dotati della relativa strumentazione (3.3.1; 4.0) e produrrà le stesse stringhe di enunciazione di SA1 e SA2, con una distanza dall'altoparlante al bersaglio di 4 m, specificata da un manichino fisico. Quindi, i partecipanti verranno assegnati in modo casuale a una delle due condizioni di formazione: sala clinica tradizionale o ambiente VR. Nelle rispettive condizioni, i partecipanti riceveranno una formazione in un modello di voce terapeutica che ha valore anche per i parlanti sani, "voce risonante".68-71 La formazione sarà fornita da un logopedista con almeno due anni di esperienza nei disturbi della voce e che abbia completato una formazione standardizzata in Lessac-Madsen Resonant Voice Therapy (LMRVT).26 Durante la formazione in entrambi gli ambienti, il rumore di fondo sarà presentato come per SA1 e SA2, in campo libero per l'ambiente tradizionale e in cuffia nell'ambiente VR. In entrambe le condizioni di addestramento, verranno utilizzati i materiali della seconda sessione di LMRVT, la prima sessione in cui inizia l'effettivo addestramento vocale in quel programma. Per la tradizionale condizione clinica, dopo 30 minuti di formazione LMRVT utilizzando i materiali della seconda sessione, i partecipanti saranno guidati a ripetere gli stessi esercizi, in ordine, dalla seconda sessione, con istruzioni per produrre voce come se parlassero a una persona posizionata a 2 metri dall'oratore, rappresentato da un manichino fisico, per 5 minuti. Quindi, i partecipanti ripeteranno nuovamente gli stessi esercizi, come se parlassero al manichino posizionato a 4 metri per 5 minuti e, infine, a 6 metri per 5 minuti. Dopo l'allenamento a ciascuna di queste distanze, i partecipanti ripeteranno le espressioni di base che verranno registrate per la raccolta dei dati audio. Per la condizione dell'ambiente VR, i partecipanti riceveranno la stessa formazione LMRVT dell'aula tradizionale, solo in un'aula VR (Aula 1; Tabella 1) come rappresentativa delle condizioni reali dell'aula, creata per SA1 e SA2 ma non dipendente dai risultati per quegli Scopi. I partecipanti riceveranno una formazione sugli esercizi della sessione 2 LMRVT per 30 minuti, seguiti dalla ripetizione degli stessi esercizi della sessione due con le istruzioni per produrre espressioni pertinenti parlando agli ascoltatori nell'ambiente VR posizionato a 2 metri, 4 metri e 6 metri dal altoparlante per 5 minuti ad ogni distanza. Per quanto riguarda l'ambiente tradizionale, le registrazioni audio saranno effettuate utilizzando le espressioni di base dopo l'allenamento ad ogni distanza. Dopo che tutta la formazione è stata completata, i partecipanti in entrambe le condizioni saranno guidati in un'aula standard nell'impostazione STAR (stanza 513; un volume/planimetria di ~2440 m3/69m2). In tale contesto, ai partecipanti verrà chiesto di ripetere le attività vocali di base parlando con ascoltatori seduti dal vivo posizionati a 4 metri per un test di ritenzione e una nuova distanza - 9 metri - e le registrazioni verranno effettuate come in precedenza. I partecipanti saranno quindi scusati. La durata totale è di circa 90 minuti. È stato dimostrato che brevi sessioni di formazione dell'ordine di circa 30 minuti producono cambiamenti nella produzione vocale,94 coerentemente con la vasta esperienza clinica del PI. Ci aspettiamo quindi di trovare tali cambiamenti nella presente serie, che prepara le basi per studi longitudinali più estesi appropriati per un R01 pianificato che cresce dal presente lavoro.

Attrezzatura 4.0: una workstation audio digitale (Reaper versione 6.36, Rosendale, NY, USA) e un microfono montato sulla testa (AKG C 520, Harman) verranno utilizzati per acquisire i segnali vocali per tutte le SA. Le registrazioni audio saranno campionate a 44,1 kHz. La distanza dal microfono alla bocca sarà di 5 cm con il microfono posizionato a un angolo di 450 dalla bocca del partecipante.72 Il microfono sarà collegato a un'interfaccia audio (Babyface Pro FS 24-Channel USB 2.0, Heimhausen, Germania) e la latenza di input/output combinata sarà inferiore a 5 ms, che è il valore al di sotto dell'intervallo di un'eco percepibile (16 e 26 ms).73 L'interfaccia sarà collegata a un computer che esegue la workstation audio Reaper per creare il rendering audio. Verranno utilizzati occhiali per realtà virtuale (Oculus Rift S) per produrre informazioni visive (stanze e ascoltatori di avatar 3D). Le immagini del volume della stanza e gli ascoltatori verranno forniti utilizzando il software Ovation (https://www.ovationvr.com/). Il software consente la selezione di più ambienti di classe che replicano esempi del mondo reale e parlano a centinaia di spettatori 3D generati digitalmente (persone reali) che rispondono all'oratore sorridendo, applaudendo o muovendosi. Uno studio recente ha riportato l'efficacia di questo software per creare scenari visivi del mondo reale.92 Il microfono audio sarà calibrato seguendo le procedure pubblicate.93 Gli occhiali VR saranno posizionati in modo ottimale per ogni partecipante individualmente. Tutte le espressioni verranno salvate come file wav in una cartella crittografata.

5.0 Misurazioni dell'acustica della stanza e resa audio: le stanze di dimensioni simili a quelle selezionate nel software Ovation (un'aula, un'aula magna e un auditorium della scuola) saranno selezionate all'interno del campus Urbana-Champaign dell'Università dell'Illinois (dal Co-I Bottalico). I locali saranno caratterizzati acusticamente seguendo la norma ISO 3382.

Nella posizione in cui si trova tipicamente un oratore nelle stanze, le risposte all'impulso orale-binaurale saranno misurate con un HATS. Nello specifico, le risposte all'impulso orale-binaurale (OBRIR) saranno ottenute utilizzando il metodo della convoluzione seguendo i metodi pubblicati.91 Nello specifico, un segnale di scansione esponenziale emesso attraverso la bocca di un simulatore di testa e busto (HATS, GRAS 45BB KEMAR) sarà registrato dalle orecchie di HATS. La convoluzione tra gli sweep registrati (alle orecchie degli HATS) e l'inverso dello sweep emesso (dalla bocca degli HATS) genererà gli OBRIR. Gli OBRIR verranno utilizzati per ricreare acusticamente le stanze considerando il percorso orecchie-bocca del relatore.

Il rendering audio in tempo reale della voce del soggetto nell'acustica della stanza virtuale sarà realizzato attraverso l'uso di plug-in di convoluzione in tempo reale, come Analglyph e RoomZ sviluppati dal nostro consulente Katz presso l'Università della Sorbona.74 Il motore di convoluzione utilizzerà risposte all'impulso della stanza misurate. Il rendering acustico virtuale verrà riprodotto al partecipante tramite cuffie aperte (HD 660S, Sennheiser, Wedemark, Germania), limitando la colorazione dall'ascolto della propria voce.

6.0 Misure: per SA1, le misure di percezione self-report saranno derivate da tre domande separate su volume vocale, sforzo vocale e comfort vocale, utilizzando una scala analogica visiva (VAS; Tabella 2). Dopo ogni condizione di studio, gli occhiali VR verranno rimossi e i partecipanti completeranno il VAS utilizzando REDCap conforme a HIPAA. Il questionario sulla percezione di REDCap verrà visualizzato sullo schermo di un computer. I partecipanti risponderanno a ciascuna domanda di percezione in sequenza spostando un cursore su una scala da 0 (per niente) a 100 (estremo [ly]). Ogni risposta verrà catturata numericamente nel database REDCap. Il completamento del questionario richiederà circa due minuti, che forniranno un periodo di riposo dopo la precedente condizione di studio e contribuiranno a ridurre al minimo il potenziale affaticamento vocale. Per SA2 e SA3, le misure strumentali della voce includeranno il livello di pressione sonora vocale-SPL e i momenti spettrali (vedere 7.0).

7.0 Estrazione e analisi dei dati: L'estrazione dei parametri vocali sarà eseguita con Matlab R2021b (MathWorks, Natick, MA, Stati Uniti) e Praat (versione 6.2.14). Per ciascuna delle registrazioni, sarà ottenuta una storia temporale di SPL90 e frequenza fondamentale, f0, con un passo temporale di 0.05 s. La f0 sarà stimata con un algoritmo di rivelazione di periodicità acustica sulla base di un accurato metodo di autocorrelazione. Questo metodo è più accurato, resistente al rumore e robusto di altri metodi basati sul cepstrum o sui pettini o sui metodi originali di autocorrelazione. Per le due storie temporali verranno calcolati i momenti statistici (media spettrale, deviazione standard, asimmetria e curtosi). La capacità dei momenti spettrali di distinguere tra diversi gradi di sforzo vocale è stata segnalata in precedenza.76 Queste misure valuteranno quantitativamente i principali contributi spettrali che possono essere associati a potenziali cambiamenti nella qualità vocale, in relazione allo sforzo vocale e al comfort. Tuttavia, in questa serie non verranno effettuate misurazioni percettive della qualità della voce.

8.0 Analisi statistiche: per tutte le SA, i modelli Linear Mixed-Effects (LME) (Matlab R2021b) saranno adattati dalla massima verosimiglianza ristretta (REML). Le variabili dipendenti e indipendenti di questi modelli sono elencate nella sezione SA. L'ID partecipante verrà utilizzato come termine per gli effetti casuali. Qui, l'effetto casuale di "ID partecipante" si riferisce al raggruppamento parziale delle osservazioni per "ID partecipante", con la pendenza e l'intercetta di ciascun ID partecipante casuale. I modelli saranno selezionati in base al criterio informativo di Akaike e ai risultati dei test del rapporto di verosimiglianza. I confronti a coppie post-hoc di Tukey saranno eseguiti per esaminare le differenze tra tutti i livelli dei fattori fissi di interesse quando sono più di 2 livelli (in questo caso sia l'ambiente audio che quello visivo). Si tratta di test z a coppie, in cui la statistica z rappresenta la differenza tra una statistica osservata e il suo parametro di popolazione ipotizzato in unità della deviazione standard. I valori p per questi test verranno regolati utilizzando il metodo a passaggio singolo predefinito. L'output di LME includerà le stime dei coefficienti degli effetti fissi, l'errore standard associato alla stima, i gradi di libertà (df), la statistica del test (t) e il p-value. Il metodo Satterthwaite verrà utilizzato per approssimare i gradi di libertà e calcolare i p-value.