Kísérleti személyek, anyag és módszer

Kísérleti személyek és anyag

A kutatás során azon kísérleti személyek anyagait elemeztem, amelyeket a 3.1. fejezetben már ismertettem. A főbb paraméterek a következők voltak: 10 férfi és 10 nő felolvasása került elemezésre a BEA adatbázisból (g^ósy 2008). A beszélők életkora 20 és 60 év között szóródott.

A vizsgálatok elvégzéséhez spontán monologikus beszédrészleteket, szövegfelolvasásokat és mondatfelolvasásokat is felhasználtam. A különböző beszédmódok összevetéséhez kétféle-képpen vizsgáltam az anyagot: teljes egybefüggő szövegeken és tagmondatnyi egységeken (részletesen lásd a 3.1. fejezetben). A különböző beszédmódok felhasználását elsősorban az indokolta, hogy a beszédritmus szakirodalmában korábban más-más anyagon vizsgálódtak.

Míg r^aMus, n^esPor és M^ehler (1999) a beszédritmus-mérőszámokat külön-külön egy-egy mondat felolvasásán vizsgálták, addig graBe és loW (2002) egy teljes, egybefüggő szöveg felolvasására alkalmazták ugyanazokat a mérőszámokat. Mint korábban kifejtettem, eredmé-nyeik eltéréseket mutattak (lásd az 1.3.3. fejezetben).

4. Kísérletsorozatok az időzítési mintázatok vizsgálatára

A hanganyagok annotálása és az akusztikai elemzésben használt módszerek

A hanganyag hangszintű annotálását, ahogy korábban részletesen kifejtettem a (3.2. fejezet-ben), a nemzetközi szakirodalomban található kritériumoknak megfelelően végeztem el, fi-gyelembe véve a magyar beszédben lévő sajátos akusztikai realizációkat. A MAUS szoftver-rel történő automatikus hangszintű annotálást (s^chiel 1999; K^isler–s^chiel–s^loetJes 2012) a Praat 5.1 szoftverben (BoersMa–WeeninK 2009) ellenőriztem, majd C++ nyelven írt program segítségével meghatároztam a mássalhangzós és magánhangzós szakaszokat és időtartamu-kat. Az artikulációs tempót úgy számoltam ki, hogy a hangok számát osztottam az artikulá-ció tiszta idejére eső időtartammal (hang/s) a szakirodalomban lévő eljárásnak megfelelően (lásd g^ósy 2004). Az artikulációs tempó számításánál mindig akkora egységet vettem alapul, amekkora egység képezte a beszédritmus-mérőszám számításának alapját is. Tehát ha tagmon-datokat vizsgáltam, akkor a tagmondatok artikulációs tempóját és beszédritmus-mérőszámait határoztam meg, amennyiben 2 perces szövegeket vettem figyelembe, akkor az abban lévő összes hangra számoltam ki mind az artikulációs tempót, mind a mérőszámokat.

Mivel a korábbi eredmények azt mutatták, hogy a különféle mérőszámok segítségével felállított csoportok kismértékben eltérhetnek, ezért többféle mérőszámmal is megvizsgáltam a beszédritmust. Minden egyes tagmondatra, szövegre kiszámoltam a ΔC, ΔV, %V, Varco-C, Varco-V, rPVI-C, nPVI-C és nPVI-V mérőszámokat.

A használt beszédritmus-mérőszámok definíciói és képletei összegezve a következők:

• ΔV: a magánhangzós szakaszok időtartamának szórása

• ΔC: a mássalhangzós szakaszok időtartamának szórása

• %V: a magánhangzós szakaszok idejének összege, osztva az összes magánhangzós és mássalhangzós szakaszok idejével és szorozva százzal

• VarcoC: a ΔC artikulációs tempóra normalizált változata

• VarcoV: a ΔV artikulációs tempóra normalizált változata (a számítási módja meg- egyezik)

• rPVI (raw Pairwise Variability Index): az egymást követő szakaszok időtartam- különbségeinek átlaga

ahol m a szakaszok száma, a d_k pedig a k-adik szakasz időtartama

• nPVI (normalized Pairwise Variability Index): az rPVI osztva az összes szakasz idő-tartamának összegével (r^aMus–n^esPor–M^ehler 1999; g^raBe–l^oW 2002; W^hite– Mattys 2007), azaz

Az nPVI mérőszámot elsősorban a magánhangzós szakaszokra szokás alkalmazni (nPVI-V), ritkábban mássalhangzós szakaszok esetében is használják (nPVI-C). Nyelven belüli vizs-gálatok szempontjából hasznos lehet az artikulációs tempótól függetlenül is megvizsgálni az egymást követő mássalhangzós szakaszok időtartamának variabilitását, ezért az nPVI-C mérőszámot is meghatároztam minden esetben. A %V mérőszám lényegében a magánhang-zós szakaszok és a mássalhangmagánhang-zós szakaszok időtartamának arányára reagál. Ha ugyan-ezt a mérőszámot kiszámolnánk a mássalhangzós szakaszokra, akkor az egyenlő lenne a 100%-ból kivont %V értékével. Így nincs értelme külön kiszámolni vagy feltüntetni a %C értékét.

A különböző mérőszámokat egymás függvényében is vizsgáltam, mivel a magánhang-zós és a mássalhangmagánhang-zós szakaszokra épülő mérőszámok együttes vizsgálata több informá-cióval szolgál, mint ha önmagukban vizsgálnánk, hiszen jellemzően ezek a mérőszámok kiegészítik egymást. Kisebb módosításokkal követtem a megszokott ábrázolási módokat (vö. raMus–nesPor–Mehler 1999). Mivel nem hasonlítottam össze különböző nyelveket, hanem elsősorban a nyelven belüli tényezők vizsgálata volt a cél, ezért a mással hangzós és magánhangzós szakaszok mérőszámait párba állítottam. Az egymásnak megfeleltethető mérőszámokat ábrázoltam egymás függvényében. A ΔC mérőszámot a ΔV függvényében ábrázoltam, a VarcoC mérőszámot pedig a VarcoV függvényében, ahogy a szakirodalom-ban is található. Az nPVI mérőszámoknál szokás a mássalhangzós szakaszok esetében a nem normált alakot használni (rPVI-C), de ezen mérőszám nem független az artikulációs tempótól, amely befolyásolhatja az eredményeket. Ezért az nPVI-C-t ábrázoltam az nPVI-V függvényében. Mivel a %V mérőszám jellemzően másképpen viselkedett, mint a többi mérő szám, ezért ezt a mérőszámot teljesen külön is megvizsgáltam. A magyar nyelvre kapott eredményeinket összevetettem más nyelvekre mért szakirodalmi beszédritmus- adatokkal is (raMus–nesPor–Mehler 1999; graBe–loW 2002), ahol a megszokott koordináta- rendszereket alkalmaztam (ΔC–%V és rPVI-C–nPVI-V). A statisztikai elem-zések elvégzése előtt normalitásvizsgálatot végeztem. Mivel a beszédritmus- mérőszámok által kapott adatok nem tekinthetők normál eloszlásúnak (Shapiro–Wilk-próba alapján), ezért nem paraméteres próbákat alkalmaztam (Spearman-féle korrelációanalízis, Mann–

Whitney-próba, Wilcoxon-próba). Az összefüggő mintákat párosított próbával vizsgáltam, ahol lehetőség nyílt véletlenszerű párosításra, ott is ezen próbákat alkalmaztam, független minták esetében pedig az ennek megfelelő Mann–Whitney-próbát. A statisztikai elemzése-ket az SPSS 20.0 program segítségével végeztem. Több ábra elkészítéséhez a Gnuplot 4.6-os verzióját használtam.

4. Kísérletsorozatok az időzítési mintázatok vizsgálatára