Påvirkning av virtuell virkelighet på stemmeoppfatning og produksjon

Dette prosjektet tar for seg tre spesifikke mål. Spesifikke mål 1 og 2 setter opp mange av parameterne for den kliniske utprøvingen, som er behandlet i Spesifikk mål 3. Detaljer for prosjektet som helhet, inkludert den kliniske utprøvingen, er som følger, kopiert og limt inn fra tilskuddsforslaget.

3.0 FORSKNINGSTILNÆRING Det overordnede formålet er å undersøke effekten av auditiv, visuell og audiovisuell informasjon på persepsjonen og produksjonen av ens egen stemme, ved å bruke VR som et undersøkelsesverktøy, og å gi foreløpige data om den potensielle nytten av VR i stemmen treningsmiljø. Detaljer om spesifikke mål er gitt på den relevante siden.

3.1 Deltakere: For SA1 og SA2 vil 60 stemmefrie klasseromslærere rekrutteres mellom 24 og 50 år (se 3.2). I den nedre enden representerer denne aldersgruppen den tidligste alderen der lærere kan starte sine profesjonelle lærerkarrierer, og i den øvre enden representerer gjennomsnittsalderen for overgangsalderen for kvinner, og vi ønsker å begrense hormonelle og andre aldersrelaterte påvirkninger i dataene. Alle deltakerne skal delta i SA1 og SA2, som bruker de samme samtidige datainnsamlingsprosedyrene med ulike analyser for perseptuelle mål (SA1) og produksjonstiltak (SA2). Til SA3, som er utforskende, skal ytterligere 10 friske lærere rekrutteres med samme egenskaper. For alle SA er inkluderings- og eksklusjonskriterier: Inkludering: Ved egenrapportering: (1) K-12 klasseromslærer med minst to års undervisningserfaring (SA1 og SA2) eller grunnskoleklasselærer (SA3), mellom 24 og 50 år ; (2) Ingen historie med stemmeforstyrrelser som varte mer enn to uker, og Voice Handicap Index -10 (VHI-10)63 score < 10; (3) Livstid ikke-røyker; (4) Ingen hørsel eller ukorrigert synshemming; Ved skriftlig dokumentasjon: (5) Bevis på full COVID-19-vaksinasjon; Ved klinisk evaluering: (6) Normal stemme på dagene med deltakelse, vurdert av en stemmespesialisert lisensiert SLP basert på en samlet alvorlighetsgrad fra Consensus-Auditory Perceptual Evaluation of Voice (CAPE-V) < 10,65 Eksklusjon: Ved egenrapportering :(7) Historie med stemmefoldpatologi eller annen patologi som påvirker stemmen; (8) enhver akutt tilstand som kan påvirke stemmeproduksjonen som hoste, tett nese eller temperatur over 37,0 °C. Merk at kun stemmefriske lærere vurderes på dette stadiet, før de introduserer kompleksiteten forbundet med stemmeforstyrrelser. Disse kompleksitetene vil bli behandlet i senere translasjonsarbeid som bygger på denne serien. Det skal bemerkes at forskningsprogrammet til syvende og sist er relevant for lærere med stemmeproblemer, men også for arbeidsmiljøet til for tiden friske lærere også.

3.2 Effektanalyser: Effektanalyser antok en middels effektstørrelse på d = 0,4, tosidig, for tester av alle avhengige variabler på tvers av SA1 og SA2. Resultatene antydet at en N=51 vil være tilstrekkelig til å oppdage funn for alle variabler med et signifikansnivå på α = 0,05 og potens på 0,8. På grunn av mulig avgang vil 60 deltakere bli rekruttert til mål 1 og 2. Dette tallet har vist seg av vår medetterforsker Bottalico og i våre egne nyere foreløpige data å være tilstrekkelig for å oppdage signifikante effekter som ligner på de som er undersøkt i denne serien (f.eks. forskjeller i perseptuell vurdering av vokal innsats og komfort, og også SPL og gjennomsnittlig f0; (Bottalico, 2017; Bottalico et al., 2016; Daşdöğen et al., upubliserte data). For SA3, som er utforskende, vil totalt 10 deltakere rekrutteres for å innhente foreløpige data til en senere klinisk serie.

3.3 Prosedyrer 3.3.1 SA1 og SA2: Seksti K-12 klasseromslærere vil bli rekruttert gjennom flygeblader lagt ut i samfunnet og på sosiale medier, og gjennom direkte kontakt med offentlige skoler i Delaware, New Jersey, Pennsylvania og Maryland, som alle kan være i umiddelbar nærhet til studiestedet ved University of Delaware. Personer som kontakter PI med interesse for å delta vil motta en oversikt over studien via telefon eller sikker fjerntilkobling, og dersom de samtykker, gi informert samtykke. Etter samtykke vil deltakerne bli guidet til et online screening REDCap spørreskjema ved hjelp av en HIPAA-kompatibel server for å adressere alle inkluderings- og eksklusjonskriterier bortsett fra den kliniske auditiv-perseptuelle evalueringen av stemmen (CAPE-V). Kvalifiserte deltakere vil bli planlagt for en laboratorieavtale ved University of Delaware STAR campus stemmelab. Ved begynnelsen av avtalen vil klinikeren vurdere deltakerens stemme for å bekrefte normal stemmekvalitet ved å bruke CAPE-V. Deltakere som består dette siste screeningstrinnet (generelt CAPE-V-alvorlighetsscore < 10) vil fortsette til eksperimentelle prosedyrer. Andre vil bli unnskyldt.

For eksperimentelle prosedyrer vil deltakerne først bli opplært i taleoppgavene som vil bli brukt under studiet: å introdusere seg selv i et klasserom i 15 sekunder, levere en to-minutters veiledning relatert til deres undervisningskompetanse, opprettholde vokalen /a/ for 3 sekunder gjentatt tre ganger, og produsere CAPE-V-setningen "Vi var borte for et år siden" gjentatt tre ganger. Deltakerne vil deretter motta instruksjoner for selvrapporteringsspørreskjemaet som gjenspeiler selvopplevd stemmestyrke, stemmeanstrengelse og stemmekomfort for talestimuli som et sett (se 6.0). Etter levering av disse instruksjonene vil instrumentering bli plassert, inkludert hodesettmikrofoner, hodetelefoner og VR-briller (se 4.0). Deltakerne vil deretter utføre de eksperimentelle taleoppgavene i hver av 15 tilfeldig ordnede forhold med og uten bakgrunnsstøy som praktisk talt etterligner auditive og visuelle egenskaper til rom i den virkelige verden, varierende fra liten til stor forelesningssal, med tørr til svært gjenklangende akustikk og varierende høyttaler- avstander til lytteren.

Romakustikk vil bli foreskrevet for å karakterisere og kontrollere akustisk varierende forhold på tvers av VR-miljøer (ISO 3382, se 5.0). OBRIR-målinger vil bli innhentet i et klasserom, en forelesningssal og et skoleauditorium på University of Illinois Urbana-Champaign campus, hvor dimensjonene er lik dimensjonene til VR-klasserommene (se 5.0). Ovation-programvare (Ovation VRSpeaking, LLC, NJ, USA) vil bli brukt til å levere realistiske VR-rom og 3D-lyttere (se 4.0). Eksperimentelle oppgaver vil inkludere en rekke tilskyndede taleytringer som for treningstilstanden, (i) uten ekstern lyd eller visuell tilbakemelding eller bakgrunnsstøy (eksperimentell grunnlinje), (ii) i hver auditiv tilstand alene, (iii) i hver visuell tilstand alene, og (iv) i hver kombinasjon av auditive og visuelle forhold. Alle forhold ii-iv vil bli produsert med og uten bakgrunnsstøy beskrevet kort. For forholdene kun lyd, vil deltakerne bruke en øyemaske for å blokkere visuell informasjon. Under disse forholdene, for å hjelpe med kommunikative hensikter, vil deltakerne høre applaus som er kombinert med tilpassede romakustiske svar før de starter hver talestreng, som vil gi en lyd-romlig pekepinn om publikums tilstedeværelse, omtrent hvor overfylt miljøet er, og hvordan lyttere langt unna er i miljøet. For å øke deltakernes engasjement med miljøet, før de snakker, vil sensor be dem om å estimere publikumsstørrelse og høyttaler-til-lytter-avstand. For alle visuelle forhold vil deltakerne se de respektive visuelle rommene og sittende lyttere som vil reagere på høyttaleren på realistiske måter (f.eks. bevege seg mens de sitter, klø seg i hodet osv.). For å fremme deltakernes engasjement ytterligere, vil sensor spørre hver deltaker om hvor mange personer som er i miljøet og hvor langt unna de er. Under alle forhold vil deltakerne bli bedt om å "snakke slik at alle kan forstå deg." Som nevnt vil alle forhold bli utført med og uten bakgrunnsstøy levert under deltakernes tale. Støynivå vil tilsvare nivået som er representativt for et typisk klasseromsmiljø (gjennomsnitt på 54 dB).66 Etter at deltakerne har produsert taleytringer i hver tilstand, vil de fjerne VR-briller eller øyemaske og vil bli bedt om å fylle ut spørreskjemaet om selvrapportert lydstyrke, vokalinnsats og stemmekomfort for de foregående ytringene. Spørreskjemaet vil vises på en dataskjerm som gir mulighet for digitale svar på VAS-skalaer (se 6.0). Deretter vil deltakerne gå videre til neste VR-tilstand og så videre, inntil datainnsamlingen for alle tilstander er fullført, og dermed avsluttes økten. Den totale varigheten av økten er forventet å være ca. 120 minutter.

3.3.2 SA3: Deltakerne vil være 10 klasseromslærere. Etter tilfredsstillelse av inklusjons- og eksklusjonskriterier med unntak av klinisk auditiv evaluering av stemme, vil kvalifiserte deltakere presentere til STAR stemmelab for stemmeevaluering som for SA1 og SA2. Deltakere som består stemmescreeningen vil da bli utstyrt med relevant instrumentering (3.3.1; 4.0) og vil produsere de samme ytringsstrengene som for SA1 og SA2, med en høyttaler-til-mål-avstand på 4 m, spesifisert av en fysisk mannequin. Deretter vil deltakerne bli tilfeldig tildelt en av to treningsbetingelser: tradisjonelle kliniske rom eller VR-miljø. I sine respektive forhold vil deltakerne få opplæring i et terapeutisk stemmemønster som har verdi også for friske foredragsholdere, "resonant stemme."68-71 Opplæring vil bli gitt av logopedolog med minst to års erfaring innen stemmelidelser, og som har gjennomført standardisert opplæring i Lessac-Madsen Resonant Voice Therapy (LMRVT).26 Gjennom trening i begge miljøer vil bakgrunnsstøy bli presentert som for SA1 og SA2, i fritt felt for det tradisjonelle miljøet og over hodetelefoner i VR-miljøet. I begge treningsforholdene vil materiell fra økt to av LMRVT bli brukt - den første økten der faktisk stemmetrening begynner i det programmet. For den tradisjonelle klinikkens romtilstand, etter 30 minutter med LMRVT-trening ved bruk av økt to-materiale, vil deltakerne bli veiledet til å gjenta de samme øvelsene, i rekkefølge, fra økt to, med instruksjoner for å produsere stemme som om de snakker til en person plassert på 2 meter fra foredragsholderen, representert ved en fysisk mannequin, i 5 minutter. Deretter vil deltakerne gjenta de samme øvelsene igjen, som om de snakker til utstillingsdukken plassert på 4 meter i 5 minutter, og til slutt på 6 meter i 5 minutter. Etter trening på hver av disse distansene vil deltakerne gjenta grunnlinjeytringer som vil bli tatt opp for innsamling av lyddata. For VR-miljøtilstanden vil deltakerne motta den samme LMRVT-opplæringen som for det tradisjonelle rommet, bare i et VR-klasserom (rom 1; tabell 1) som representativt for virkelige klasseromsforhold, opprettet for SA1 og SA2, men ikke avhengig av resultater for disse målene. Deltakerne vil få opplæring i LMRVT økt 2-øvelser i 30 minutter, etterfulgt av repetisjon av de samme øvelsene fra økt to med instruksjoner for å produsere relevante ytringer som snakker til lytterne i VR-miljøet plassert på 2 meter, 4 meter og 6 meter fra høyttaler i 5 minutter på hver avstand. Når det gjelder det tradisjonelle miljøet, vil det bli gjort lydopptak ved bruk av baseline-ytringer etter trening på hver distanse. Etter at all trening er fullført, vil deltakere i begge forholdene bli guidet til et standard klasserom i STAR-innstillingen (rom 513; en volum/planløsning på ~2440 m3/69m2). I den innstillingen vil deltakerne bli bedt om å gjenta grunnleggende taleoppgaver ved å snakke med sittende lyttere plassert på 4 meter for en retensjonstest og en ny avstand - 9 meter - og opptak vil bli gjort som tidligere. Deltakerne vil da bli unnskyldt. Total varighet er ca 90 minutter. Korte treningsøkter i størrelsesorden ca. 30 minutter har vist seg å gi endringer i stemmeproduksjonen,94 i samsvar med PIs omfattende kliniske erfaring. Vi forventer derfor å finne slike skift i den foreliggende serien, som forbereder grunnlaget for mer utvidede longitudinelle studier passende for en planlagt R01 som vokser fra det nåværende arbeidet.

4.0 Utstyr: En digital lydarbeidsstasjon (Reaper versjon 6.36, Rosendale, NY, USA) og en hodemontert mikrofon (AKG C 520, Harman) vil bli brukt til å fange opp talesignaler for alle SA-er. Lydopptak vil bli samplet ved 44,1 kHz. Avstanden fra mikrofon til munn vil være 5 cm med mikrofonen plassert i en vinkel på 450 grader fra deltakerens munn.72 Mikrofonen kobles til et lydgrensesnitt (Babyface Pro FS 24-Channel USB 2.0, Heimhausen, Tyskland) og den kombinerte inngangs-/utgangsforsinkelsen vil være mindre enn 5 ms, som er verdien under området til et merkbart ekko (16 og 26 ms).73 Grensesnittet kobles til en datamaskin som kjører Reaper lydarbeidsstasjon for å lage lydgjengivelse. Virtual reality-briller (Oculus Rift S) vil bli brukt til å produsere visuell informasjon (rom og 3D-avatarlyttere). Romvolumbilder og lyttere vil bli gitt ved hjelp av Ovation-programvaren (https://www.ovationvr.com/). Programvaren gjør det mulig å velge flere klasseromsmiljøer som gjenskaper eksempler fra den virkelige verden og snakker til hundrevis av digitalt genererte 3D-publikum (virkelige mennesker) som reagerer på høyttaleren ved å smile, klappe eller bevege seg. En fersk studie har rapportert om effektiviteten til denne programvaren for å lage visuelle scenarier i den virkelige verden.92 Lydmikrofonen vil bli kalibrert etter publiserte prosedyrer.93 VR-briller vil være optimalt plassert for hver deltaker individuelt. Alle ytringer vil bli lagret som wav-filer i en kryptert mappe.

5.0 Romakustikkmålinger og lydgjengivelse: Rom som i størrelse ligner de som er valgt i Ovation-programvaren (et klasserom, en forelesningssal og et skoleauditorium) vil bli valgt innenfor University of Illinois Urbana-Champaign campus (av Co-I Bottalico). Rommene vil bli akustisk karakterisert etter ISO 3382.

I posisjonen der en høyttaler vanligvis er plassert i rommene, vil Oral-Binaural Impulse Responses bli målt med en HATS. Spesifikt vil oral-binaural impulsrespons (OBRIR) oppnås ved bruk av konvolusjonsmetoden etter publiserte metoder.91 Nærmere bestemt vil et eksponentielt sveipesignal som sendes ut via munnen til en Head and Torso Simulator (HATS, GRAS 45BB KEMAR) bli registrert av HATS' ører. Konvolusjonen mellom de registrerte sveipene (ved HATS-ørene) og det omvendte av det utsendte sveipet (ved HATS-munnen) vil generere OBRIR-ene. OBRIR-ene vil bli brukt til å gjenskape rommene akustisk med tanke på øre-munnbanen til høyttaleren.

Sanntidslydgjengivelse av motivets stemme i den virtuelle romakustikken vil bli oppnådd ved bruk av sanntids konvolusjons-plugin-moduler, slik som Analglyph og RoomZ utviklet av vår konsulent Katz ved Sorbonne University.74 Konvolusjonsmotoren vil bruke målte romimpulsresponser. Den virtuelle akustiske gjengivelsen vil bli spilt av til deltakeren over åpne hodetelefoner (HD 660S, Sennheiser, Wedemark, Tyskland), noe som begrenser fargen fra å høre ens egen stemme.

6.0 Mål: For SA1 vil selvrapportering av persepsjonsmål bli utledet fra tre separate spørsmål om stemmestyrke, stemmeanstrengelse og stemmekomfort, ved bruk av en visuell analog skala (VAS; Tabell 2). Etter hver studietilstand vil VR-briller bli fjernet og deltakerne vil fullføre VAS ved å bruke HIPAA-kompatibel REDCap. REDCap persepsjonsspørreskjemaet vil vises på en dataskjerm. Deltakerne vil svare på hvert persepsjonsspørsmål sekvensielt ved å flytte en glidebryter på en skala fra 0 (ikke i det hele tatt) til 100 (ekstremt). Hvert svar vil bli fanget numerisk i REDCap-databasen. Fullføringen av spørreskjemaet vil ta omtrent to minutter, noe som vil gi en hvileperiode etter den foregående studietilstanden og bidra til å minimere potensiell vokaltretthet. For SA2 og SA3 vil instrumenterte stemmemål inkludere vokalt lydtrykknivå-SPL og Spectral Moments (se 7.0).

7.0 Datautvinning og analyse: Utvinning av taleparametere vil bli utført med Matlab R2021b (MathWorks, Natick, MA, USA) og Praat (versjon 6.2.14). For hvert av opptakene vil en tidshistorikk på SPL90 og grunnfrekvens, f0, fås med et tidstrinn på 0,05 s. f0 vil bli estimert med en akustisk periodisitetsdeteksjonsalgoritme på grunnlag av en nøyaktig autokorrelasjonsmetode. Denne metoden er mer nøyaktig, støybestandig og robust enn andre metoder basert på cepstrum eller kammer, eller de originale autokorrelasjonsmetodene. For de to tidshistoriene vil statistiske momenter bli beregnet (spektralt gjennomsnitt, standardavvik, skjevhet og kurtose). Evnen til spektrale momenter til å skille mellom ulike grader av vokal innsats er rapportert tidligere.76 Disse tiltakene vil kvantitativt vurdere sentrale spektrale bidrag som kan være assosiert med potensielle endringer i vokalkvalitet, i forhold til vokal innsats og komfort. Perseptuelle mål for stemmekvalitet vil imidlertid ikke bli gjort i denne serien.

8.0 Statistiske analyser: For alle SA-er vil Linear Mixed-Effects (LME)-modeller (Matlab R2021b) være utstyrt med begrenset maksimal sannsynlighet (REML). De avhengige og uavhengige variablene til disse modellene er oppført i SA-delen. Deltaker-ID vil bli brukt som tilfeldige effekter. Her refererer den tilfeldige effekten av "Deltaker-ID" til den delvise sammenslåingen av observasjoner etter "Deltakende ID", med helningen og skjæringspunktet for hver deltaker-ID som tilfeldig. Modeller vil velges basert på Akaike informasjonskriteriet og resultatene av sannsynlighetsforholdstester. Tukeys post-hoc parvise sammenligninger vil bli utført for å undersøke forskjellene mellom alle nivåer av de faste faktorene av interesse når de er mer enn 2 nivåer (i dette tilfellet både lydmiljøet og det visuelle miljøet). Dette er parvise z-tester, der z-statistikken representerer forskjellen mellom en observert statistikk og dens antatte populasjonsparameter i enheter av standardavviket. P-verdiene for disse testene vil bli justert ved å bruke standard enkelttrinnsmetode. LME-utgangen vil inkludere estimatene for de faste effektkoeffisientene, standardfeilen knyttet til estimatet, frihetsgradene (df), teststatistikken (t) og p-verdien. Satterthwaite-metoden vil bli brukt til å tilnærme frihetsgrader og beregne p-verdier.