La terapia vocale VR con feedback del clinico ha elicitato prosodia da insegnamento in tirocinanti, ma ha aumentato il disagio vocale

Contesto

Gli insegnanti sono tra gli utilizzatori professionali della voce più comuni a sviluppare disturbi vocali - circa il 57% degli insegnanti americani riporta problemi vocali, e il 20-35% degli insegnanti pre-professionali mostra già sintomi di disturbi vocali prima di entrare nella professione. La maggior parte dei programmi per il benessere vocale è somministrata in contesti clinici che non replicano i segnali uditivi e visivi di una vera classe, il che contribuisce a una sfida di generalizzazione di lunga data nella terapia vocale. Nudelman e Bottalico si sono proposti di testare in forma pilota un breve intervento preventivo di terapia vocale in VR con insegnanti pre-professionali, combinando elementi della Conversation Training Therapy (CTT) con il feedback in tempo reale del clinico somministrato all’interno di un’aula VR immersiva.

L’intervento si trova all’intersezione di tre filoni precedenti: le dimostrazioni di Remacle e colleghi che le aule VR possono elicitare le caratteristiche vocali dello stile di insegnamento degli insegnanti (2021, 2023); lo sviluppo della CTT da parte del gruppo Gartner-Schmidt / Gillespie come terapia vocale orientata alla generalizzazione (2016, 2019, 2021); e la più ampia letteratura sull’apprendimento motorio che enfatizza la rilevanza contestuale per il trasferimento delle abilità.

Cosa hanno fatto i ricercatori

Dieci studentesse undergraduate del College of Education dell’UIUC sono state reclutate tramite volantino e passaparola. Tutte hanno superato gli screening vocali (VHI-10, V-RQOL, VFI, stroboscopia) e uno screening uditivo (audiometria tonale pura 250-8000 Hz). Tutte e dieci erano femmine, età 18-19 (M=18,5, DS=0,7). L’esperimento si è svolto in una singola giornata in una Whisper Room a doppia parete insonorizzante (226 × 287 × 203 cm) all’UIUC.

Tre condizioni in ordine fisso (nessun controbilanciamento - gli autori segnalano questo come una limitazione):

1. Condizione di controllo (5 minuti): Partecipante seduta a un metro da un membro del gruppo di ricerca nella Whisper Room. Ha parlato di se stessa e ha descritto una giornata tipica. Progettata per elicitare l’eloquio conversazionale.

2. Condizione in stile insegnamento (20 minuti): Stessa disposizione seduta individuale. La partecipante insegnava una lezione al membro del gruppo di ricerca come se fosse in una vera classe. Il SPL vocale della partecipante era monitorato tramite un calibrato NTi XL2 Sound Level Meter (campionamento a 1 secondo). Si trattava di un’elicitazione clinica dell’eloquio in stile insegnamento, NON di una simulazione completa della classe.

3. Condizione di intervento VR per l’insegnamento (20 minuti): Partecipante con visore Meta Quest 2 con software Ovation, con cuffie aperte Sennheiser HD600 con software di auralizzazione Reaper (auralizzazione catturata da una vera classe usando un Head and Torso Simulator). La vista della partecipante: un’aula virtuale con molteplici avatar studenti virtuali. Il clinico (Nudelman) controllava un avatar virtuale nella scena; un NTi XL2 Sound Level Meter (in streaming live tramite webcam Logi C270 HD a un membro del gruppo di ricerca fuori dalla Whisper Room) monitorava il SPL vocale della partecipante. Quando il SPL superava l’85° percentile basale della partecipante derivato dalla condizione in stile insegnamento, il ricercatore di monitoraggio segnalava all’avatar del clinico di alzare la mano all’interno del display VR, segnalando alla partecipante di portare consapevolezza alla produzione vocale usando le segnalazioni di eloquio chiaro CTT. Minimo 1 minuto tra le segnalazioni.

Misure degli esiti (dopo ogni condizione):

• Acustica vocale: livello di pressione sonora (SPL), deviazione standard SPL (SPL_sd), frequenza fondamentale (fo), deviazione standard fo (fo_sd), dose temporale (Dt%) - tutte estratte tramite script MATLAB personalizzato + Praat 6.0.13 dalle registrazioni vocali effettuate su un microfono calibrato NTi Audio M2211 (30 cm, 0° azimut) attraverso una soundboard Tascam UH-7000.
• Stato vocale: sforzo vocale, affaticamento vocale, disagio vocale - ciascuno valutato 0-100 su una scala analogica visiva (VAS).
• Presenza: un Modified Gatineau Presence Questionnaire (GPQ) somministrato dopo la condizione VR soltanto - 5 item valutati 0-100.

Analisi. Modelli lineari a effetti misti (LME) adattati per REML in R 4.2.0, con ID partecipante come intercetta casuale. All’interno della condizione VR, la presenza-del-feedback è stata esaminata come secondo fattore fisso in LME separati. Finestra di 30 secondi post-ogni-evento-feedback usata come segmento di analisi. 13 LME totali. Gli autori esplicitamente NON hanno applicato correzioni per confronti multipli, giustificando questo su basi pilota di fase iniziale.

Cosa hanno trovato

Accettabilità e presenza. Valutazioni GPQ modificato (0-100): Presenza M=75,0 (DS=24,6), Realistico M=65,5 (DS=29,1), Artificiale M=46,0 (DS=31,3), Consapevolezza della VR M=51,5 (DS=30,8), Voce Influenzata M=50,5 (DS=22,9). Questi sono descrittivamente comparabili alle misure parallele di Remacle et al. (2023) con insegnanti studenti, indicando livelli di immersione e realismo ampiamente simili.

Esiti acustici vocali attraverso le condizioni (vs controllo come riferimento). Il SPL NON differiva significativamente tra nessuna delle tre condizioni. La SPL_sd era più alta nella VR (+0,6 dB, p=,045) - gli autori interpretano questo come uno stile più animato, percettivamente coerente con pattern vocali più sani negli utilizzatori professionali della voce. La fo era più alta nella condizione in stile insegnamento (+9,7 Hz, p=,020) ma NON nella condizione VR (p=,120). La fo_sd era più alta in ENTRAMBE la condizione stile insegnamento (+8,4 Hz, p=,014) E la VR (+5,6 Hz, p=,007) - entrambe hanno elicitato la prosodia in stile insegnamento. Il Dt% era PIÙ BASSO nella VR (-5,5%, p<,001) rispetto alla condizione di controllo; lo stile insegnamento non differiva dal controllo sul Dt%.

Esiti acustici vocali all’interno della VR - feedback presente vs assente. A seguito di ogni episodio di feedback tramite avatar del clinico (all’interno della finestra di analisi di 30 secondi):

• SPL: significativamente PIÙ BASSO a seguito del feedback (-1,5 dB, p<,001)
• SPL_sd: significativamente PIÙ ALTA a seguito del feedback (+0,4 dB, p=,007)
• fo: significativamente PIÙ BASSA a seguito del feedback (-5,6 Hz, p=,011)
• fo_sd: nessun effetto del feedback (p=,332)
• Dt%: significativamente PIÙ BASSO a seguito del feedback (-4,7%, p=,001)

Gli autori interpretano questi come modulazioni a breve termine coerenti con la riduzione del carico vocale, e avvertono esplicitamente che le entità sono modeste e potrebbero non generalizzarsi.

Stato vocale autoriferito (VAS 0-100). La condizione in stile insegnamento aumentava lo sforzo vocale (+18,0, p=,013), l’affaticamento vocale (+15,4, p=,022) e il disagio vocale (+27,9, p=,003) vs controllo. La condizione VR aumentava il disagio vocale (+20,5, p=,023) vs controllo, ma non differiva significativamente dal controllo per lo sforzo vocale (+11,5, p=,095) o l’affaticamento vocale (+4,2, p=,503). L’aumento del disagio vocale nella condizione VR è un risultato che dovrebbe accompagnare qualsiasi interpretazione clinica - la VR non era ‘più facile’ per i partecipanti rispetto al controllo.

Perché è importante

Questo studio pilota è uno dei primi a integrare il feedback del clinico in stile Conversation Training Therapy con un’aula VR immersiva per il lavoro vocale preventivo con insegnanti pre-professionali. I risultati acustici - in particolare la fo_sd aumentata sia nelle condizioni in stile insegnamento sia VR (che indica la prosodia in stile insegnamento) e le modulazioni a breve termine di SPL, fo e Dt% a seguito del feedback tramite avatar del clinico - supportano la fattibilità del modello di somministrazione e forniscono un segnale iniziale che la VR + CTT può produrre aggiustamenti fonatori misurabili.

Ma tre avvertenze sono critiche per l’interpretazione clinica:

1. La condizione VR ha aumentato significativamente il disagio vocale autoriferito vs controllo. Questo non è menzionato nell’attuale impostazione dell’Evidence Hub, che si concentra sui risultati acustici positivi. Qualsiasi citazione clinica dovrebbe abbinare gli spostamenti acustici al risultato di disagio - i partecipanti non sperimentavano la VR come più facile rispetto al basale conversazionale.

2. Gli autori sono espliciti nel ritenere che la significatività statistica ≠ la significatività clinica. Scrivono: ‘La significatività statistica in questo studio pilota non equivale alla significatività clinica. Dato il campione piccolo e il breve intervento a sessione singola, non si dovrebbe assumere che la portata dei cambiamenti acustici osservati nei presenti risultati si traduca in esiti vocali clinicamente significativi.’ Questa avvertenza dovrebbe essere portata avanti quando si cita lo studio.

3. Ordine fisso delle condizioni, campione tutto femminile, singola fonte universitaria, solo partecipanti vocalmente sane. Il 20-35% degli insegnanti pre-professionali che già hanno sintomi di disturbo vocale non è rappresentato; il design non può escludere effetti di ordine/pratica/riscaldamento.

Per Therapy withVR specificatamente: questo studio NON ha utilizzato, testato o valutato Therapy withVR. Il sistema era un Meta Quest 2 con software Ovation con auralizzazione personalizzata e un avatar controllato dal clinico - piattaforma diversa, modello di controllo diverso, focus sulla popolazione diverso.

Limiti

Gli autori segnalano i seguenti limiti esplicitamente:

• Campione piccolo, vocalmente sano, tutto femminile da una singola università. Non rappresenta la più ampia popolazione di insegnanti pre-professionali, in particolare il 20-35% che già riporta sintomi di disturbo vocale prima di entrare nell’insegnamento. Non tutte le insegnanti studentesse saranno ‘responders’.
• Ordine fisso delle condizioni (controllo → stile insegnamento → VR) senza controbilanciamento. I partecipanti potrebbero aver sperimentato effetti di riscaldamento vocale, e la crescente familiarità con il compito sperimentale attraverso le condizioni non può essere esclusa.
• Durate disuguali dei compiti tra le condizioni (il controllo era di 5 min; stile insegnamento e VR erano di 20 min ciascuno). Gli autori notano che questo può contribuire alle apparenti differenze tra le condizioni.
• Validità ecologica dell’aula VR: gli avatar studenti virtuali non mettevano in atto comportamenti interattivi (nessuna domanda spontanea degli studenti, interruzioni o scambi comunicativi bidirezionali), quindi l’interazione di insegnamento rifletteva solo un sottoinsieme delle richieste vocali autentiche della classe.
• Smantellamento CTT-vs-VR: la condizione VR combinava la segnalazione in stile CTT con la VR immersiva; il design pilota non può districare quale ha contribuito agli spostamenti acustici osservati.
• L’ingrediente di volizione non è stato misurato. L’intervento includeva istruzioni e logica progettate per supportare l’aderenza dei partecipanti all’approccio vocale nella vita quotidiana, ma non sono stati catturati dati longitudinali per valutare se questo si trasferiva.
• Il feedback quantitativo della soglia SPL è distinto dal tipico feedback clinico - i clinici più comunemente forniscono feedback diretto al paziente basato sulla valutazione uditivo-percettiva della qualità vocale, non una soglia SPL personalizzata.
• La significatività statistica ≠ la significatività clinica. Gli autori avvertono esplicitamente che la portata dei cambiamenti acustici in questo piccolo campione non dovrebbe essere assunta come traduzione in esiti vocali clinicamente significativi.
• Stato Article-in-Press al momento di questo audit (accettato il 10 marzo 2026). Assegnazione di volume/fascicolo/pagina in sospeso.
• Relazione di sfondo rilevante. Il co-autore corrispondente Charles J. Nudelman è anche il primo autore della scoping review AJSLP Nudelman, Niu, Hutz & Edwards (2026) sulla VR immersiva nella logopedia già presente in questo Evidence Hub - entrambi gli articoli sono stati redatti nel 2026 nel corso del suo lavoro di dottorato in corso.