Brève thérapie vocale en RV avec feedback clinicien : prosodie d'enseignement obtenue, mais gêne vocale rapportée en hausse

Contexte

Les enseignants comptent parmi les utilisateurs professionnels de la voix les plus susceptibles de développer des troubles vocaux - environ 57 % des enseignants américains signalent des problèmes vocaux, et 20-35 % des enseignants pré-professionnels présentent déjà des symptômes de trouble vocal avant d’entrer dans la profession. La plupart des programmes de bien-être vocal sont délivrés dans des cadres cliniques qui ne reproduisent pas les indices auditifs et visuels d’une vraie salle de classe, ce qui contribue à un défi de généralisation de longue date en thérapie vocale. Nudelman et Bottalico ont entrepris de tester en pilote une brève intervention préventive de thérapie vocale en RV avec des enseignants pré-professionnels, combinant des éléments de Conversation Training Therapy (CTT) avec un feedback du clinicien en temps réel délivré dans une salle de classe VR immersive.

L’intervention se situe à l’intersection de trois axes antérieurs : les démonstrations de Remacle et ses collègues que les salles de classe en RV peuvent susciter les caractéristiques vocales de style salle de classe des enseignants (2021, 2023) ; le développement de la CTT comme thérapie vocale axée sur la généralisation par le groupe Gartner-Schmidt / Gillespie (2016, 2019, 2021) ; et la littérature plus large sur l’apprentissage moteur soulignant la pertinence contextuelle pour le transfert de compétences.

Ce que les chercheurs ont fait

Dix étudiantes en éducation de la Faculté d’éducation de l’UIUC ont été recrutées via un flyer et le bouche-à-oreille. Toutes ont passé les écrans de voix (VHI-10, V-RQOL, VFI, stroboscopie) et un écran auditif (audiométrie tonale pure 250-8000 Hz). Les dix étaient féminines, âgées de 18-19 ans (M=18,5, ET=0,7). L’expérience s’est déroulée en une seule journée dans une chambre sourde à double paroi (226 × 287 × 203 cm) à l’UIUC.

Trois conditions dans un ordre fixe (sans contrebalancement - les auteurs signalent cela comme une limite) :

1. Condition contrôle (5 minutes) : Participante assise à un mètre d’un membre de l’équipe de recherche dans la chambre sourde. Parlait d’elle-même et décrivait une journée type. Conçue pour susciter une parole conversationnelle.

2. Condition style enseignement (20 minutes) : Même disposition individuelle. La participante enseignait une leçon au membre de l’équipe de recherche comme si elle était dans une vraie salle de classe. Le SPL vocal de la participante était surveillé via un sonomètre calibré NTi XL2 (échantillonnage à 1 seconde). Il s’agissait d’une élicitation de style clinique de la parole d’enseignement, PAS d’une simulation de salle de classe complète.

3. Condition d’intervention RV enseignement (20 minutes) : Participante avec casque Meta Quest 2 fonctionnant avec le logiciel Ovation, avec des écouteurs ouverts Sennheiser HD600 fonctionnant avec le logiciel d’auralisation Reaper (auralisation capturée d’une vraie salle de classe à l’aide d’un simulateur de tête et de torse). La vue de la participante : une salle de classe virtuelle avec plusieurs avatars d’élèves virtuels. Le clinicien (Nudelman) contrôlait un avatar virtuel dans la scène ; un sonomètre NTi XL2 (diffusé en direct via une webcam Logi C270 HD vers un membre de l’équipe de recherche hors de la chambre sourde) surveillait le SPL vocal de la participante. Lorsque le SPL dépassait le 85e percentile de base dérivé de la condition style enseignement de la participante, le chercheur qui surveillait demandait à l’avatar clinicien de lever sa main dans l’affichage RV, signalant à la participante d’amener sa conscience à la production vocale en utilisant des signaux de parole claire CTT. Minimum 1 minute entre les signaux. Pré-intervention : essai de stimulabilité pour les signaux de parole claire CTT. L’intervention elle-même a été conçue selon le Rehabilitation Treatment Specification System (RTSS) et rapportée conformément à la liste TIDieR.

Mesures de résultats (après chaque condition) :

• Acoustique vocale : niveau de pression sonore (SPL), écart-type du SPL (SPL_ec), fréquence fondamentale (fo), écart-type du fo (fo_ec), dose temporelle (Dt%) - toutes extraites via un script MATLAB personnalisé + Praat 6.0.13 à partir d’enregistrements vocaux réalisés sur un microphone calibré NTi Audio M2211 (30 cm, 0° azimut) via une table de son Tascam UH-7000.
• Statut vocal : effort vocal, fatigue vocale, gêne vocale - chacun évalué sur 0-100 sur une échelle visuelle analogique (EVA).
• Présence : un Questionnaire de présence de Gatineau (GPQ) modifié administré après la condition RV uniquement - 5 items évalués de 0 à 100.

Analyse. Modèles mixtes linéaires (MEL) ajustés par REML dans R 4.2.0, avec l’ID du participant comme intercept aléatoire. Dans la condition RV, la présence de feedback a été examinée comme second facteur fixe dans des MEL séparés. Fenêtre de 30 secondes après chaque événement de feedback utilisée comme segment d’analyse. Treize MEL au total. Les auteurs n’ont explicitement PAS appliqué de corrections pour comparaisons multiples, justifiant cela sur des bases pilotes en stade précoce.

Ce qu’ils ont trouvé

Acceptabilité et présence. Scores GPQ modifié (0-100) : Présence M=75,0 (ET=24,6), Réalisme M=65,5 (ET=29,1), Artificialité M=46,0 (ET=31,3), Conscience RV M=51,5 (ET=30,8), Voix affectée M=50,5 (ET=22,9). Ces scores sont descriptiquement comparables aux mesures parallèles de Remacle et al. (2023) avec des enseignants étudiants, indiquant des niveaux d’immersion et de réalisme globalement similaires.

Résultats acoustiques vocaux inter-conditions (vs contrôle comme référence). Le SPL n’a PAS différé significativement entre les trois conditions. Le SPL_ec était supérieur en RV (+0,6 dB, p=,045) - les auteurs interprètent cela comme un style plus animé, perceptivement cohérent avec des schémas vocaux plus sains chez les utilisateurs professionnels de la voix. Le fo était supérieur dans la condition style enseignement (+9,7 Hz, p=,020) mais PAS dans la condition RV (p=,120). Le fo_ec était supérieur DANS LES DEUX conditions style enseignement (+8,4 Hz, p=,014) ET RV (+5,6 Hz, p=,007) - les deux ont suscité une prosodie de style enseignement. Dt% était INFÉRIEUR en RV (-5,5 %, p<,001) par rapport à la condition contrôle ; le style enseignement ne différait pas du contrôle sur Dt%.

Résultats acoustiques vocaux en RV - feedback présent vs absent. Après chaque épisode de feedback de l’avatar clinicien (dans la fenêtre d’analyse de 30 secondes) :

• SPL : significativement INFÉRIEUR après feedback (-1,5 dB, p<,001)
• SPL_ec : significativement SUPÉRIEUR après feedback (+0,4 dB, p=,007)
• fo : significativement INFÉRIEUR après feedback (-5,6 Hz, p=,011)
• fo_ec : aucun effet de feedback (p=,332)
• Dt% : significativement INFÉRIEUR après feedback (-4,7 %, p=,001)

Les auteurs interprètent ces modulations à court terme comme cohérentes avec une charge vocale réduite, et précisent explicitement que les amplitudes sont modestes et peuvent ne pas se généraliser.

Statut vocal auto-rapporté (EVA 0-100). La condition style enseignement a augmenté l’effort vocal (+18,0, p=,013), la fatigue vocale (+15,4, p=,022) et la gêne vocale (+27,9, p=,003) vs contrôle. La condition RV a augmenté la gêne vocale (+20,5, p=,023) vs contrôle, mais n’a pas significativement différé du contrôle sur l’effort vocal (+11,5, p=,095) ou la fatigue vocale (+4,2, p=,503). L’augmentation de la gêne vocale dans la condition RV est un résultat qui devrait accompagner toute interprétation clinique - la RV n’était pas ‘plus facile’ pour les participants que le contrôle.

Pourquoi cela compte

Ce pilote est l’une des premières études à intégrer le feedback de style CTT du clinicien avec une salle de classe VR immersive pour le travail vocal préventif avec des enseignants pré-professionnels. Les résultats acoustiques - en particulier le fo_ec supérieur dans les deux conditions style enseignement et RV (indiquant une prosodie de style enseignement) et les modulations à court terme du SPL, du fo et du Dt% suivant le feedback de l’avatar clinicien - soutiennent la faisabilité du modèle de délivrance et fournissent un signal initial que la RV + CTT peut produire des ajustements phonatoires mesurables.

Mais trois mises en garde sont critiques pour l’interprétation clinique :

1. La condition RV a AUGMENTÉ significativement la gêne vocale auto-rapportée vs contrôle. Cela n’est pas mentionné dans le cadrage actuel du Hub de preuves, qui se concentre sur les résultats acoustiques positifs. Toute citation clinique devrait associer les changements acoustiques au résultat de gêne - les participants n’ont pas vécu la RV comme plus facile que le niveau de base conversationnel.

2. Les auteurs sont explicites sur le fait que signification statistique ≠ signification clinique. Ils écrivent : ‘La signification statistique dans cette étude pilote n’est pas équivalente à la signification clinique. Compte tenu du petit échantillon et de la brève intervention à séance unique, l’ampleur des changements acoustiques observés dans les présents résultats ne devrait pas être supposée se traduire par des résultats vocaux cliniquement significatifs.’ Cette mise en garde devrait être mentionnée lors de la citation de l’étude.

3. Ordre des conditions fixe, échantillon exclusivement féminin, source d’université unique, participants vocalement sains uniquement. Les 20-35 % d’enseignants pré-professionnels qui ont déjà des symptômes de trouble vocal ne sont pas représentés ; la conception ne peut pas exclure les effets d’ordre/pratique/échauffement.

Concernant Therapy withVR spécifiquement : cette étude n’a PAS utilisé, testé ni évalué Therapy withVR. Le système était un Meta Quest 2 fonctionnant avec le logiciel Ovation avec auralisation personnalisée et un avatar contrôlé par le clinicien - plateforme différente, modèle de contrôle différent, population cible différente. Le papier est inclus dans le Hub de preuves parce qu’il contribue à la base de preuves plus large sur la RV immersive pour la voix et représente un modèle de délivrance RV + CTT méthodologiquement intéressant, et non parce qu’il est lié à Therapy withVR.

Limites

Les auteurs signalent explicitement les points suivants :

• Petit échantillon exclusivement féminin et vocalement sain d’étudiantes en éducation d’une seule université. Ne représente pas la population enseignante pré-professionnelle plus large, en particulier les 20-35 % qui signalent déjà des symptômes de trouble vocal avant d’entrer dans l’enseignement. Tous les enseignants étudiants ne seront pas des répondeurs.
• Ordre des conditions fixe (contrôle → style enseignement → RV) sans contrebalancement. Les participants peuvent avoir vécu des effets d’échauffement vocal, et une familiarité croissante avec la tâche expérimentale selon les conditions ne peut être exclue.
• Durées des tâches inégales selon les conditions (le contrôle était de 5 min ; le style enseignement et la RV étaient de 20 min chacun). Les auteurs notent que cela peut contribuer aux différences apparentes inter-conditions.
• Validité écologique de la salle de classe VR : les avatars d’élèves virtuels n’adoptaient pas de comportements interactifs (pas de questions spontanées d’élèves, de perturbations, ni d’échanges communicatifs bidirectionnels), de sorte que l’interaction d’enseignement ne reflétait qu’un sous-ensemble des demandes vocales authentiques en salle de classe.
• Démantèlement CTT-vs-RV : la condition RV combinait le cueing de style CTT avec la RV immersive ; la conception pilote ne peut pas démêler la contribution de chaque composante aux changements acoustiques observés.
• Ingrédient de volition non mesuré. L’intervention incluait des instructions et une justification conçues pour soutenir l’adhérence des participants à l’approche vocale dans la vie quotidienne, mais aucune donnée longitudinale n’a été capturée pour évaluer si cela s’est transféré.
• Le feedback SPL quantitatif à seuil est distinct du feedback clinique typique - les cliniciens fournissent plus communément un feedback orienté patient basé sur l’évaluation auditive-perceptive de la qualité vocale, pas un seuil SPL personnalisé.
• Signification statistique ≠ signification clinique. Les auteurs mettent explicitement en garde que l’ampleur des changements acoustiques dans ce petit échantillon ne devrait pas être supposée se traduire par des résultats vocaux cliniquement significatifs.
• Statut Article-in-Press au moment de cet audit (accepté le 10 mars 2026). Attribution volume/numéro/page en attente.
• Relation de fond pertinente. L’auteur correspondant Charles J. Nudelman est également le premier auteur de la revue de cadrage AJSLP Nudelman, Niu, Hutz & Edwards (2026) sur la RV immersive en orthophonie déjà dans ce Hub de preuves - les deux papiers ont été rédigés en 2026 dans le cadre de son travail de doctorat en cours.