|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ЦЭМИ РАН |
||
АНАЛИЗ РАЗЛИЧИМОСТИ И СПУТЫВАЕМОСТИ ЗВУКОВ РУССКОГО ЯЗЫКА ПРИ ВОСПРИЯТИИ НА СЛУХ Морозова Д.Атезисы доклада
- Авторы: Логвинова Н.Н., Николаева Ю.В., Еремичева Т.А., Вашпанова К.В., Дорофеева С.В.
- Сборник: Десятая международная конференция по когнитивной науке: Тезисы докладов. Пятигорск, 26–30 июня 2024 г. В двух частях. Часть II
- Тезисы
- Год издания: 2024
- Издательство: Пятигорский государственный университет
- Местоположение издательства: Пятигорск
- Аннотация: Распознавание фонем - один из фундаментальных речевых навыков (Treiman et al. 1998). При этом проблемы с ним могут возникать при различных когнитивных нарушениях как у детей (например, при дислексии) (Loucas et al. 2016), так и у взрослых (Wingfeld 2005). Для грамотной коррекции необходимы данные о том, как звуки путаются качественно (что с чем) и количественно (что больше, что меньше). Таких данных о русском языке мало как для клинических групп, так и для группы нормы. Цель настоящего исследования - определить паттерны спутываемости фонем русского языка среди нормально слышащих взрослых, а также установить факторы, влияющие на спутываемость (в том числе артикуляционные признаки фонем, фонетический контекст и тип шума). Одним из результатов данного исследования является составление матрицы спутываемости фонем русского языка. Дизайн эксперимента опирался на похожие исследования английской фонетики (Phatak et al. 2008; Zaar & Dau 2015).Участники: 37 человек (10 мужчин и 27 женщин, средний возраст - 20,9 SD+-2,6) без нарушений слуха. Среди них были отобраны участники, распознавшие правильно более 90 % стимулов из контрольного условия (не вошли данные 1 участницы). Данные еще одной участницы были исключены из анализа из-за технических причин. В итоге в анализ вошли данные 35 участников (10 мужчин и 25 женщин, средний возраст - 20,9 SD+-2,68).Материал. Все фонемы русского языка (42), а также все слоги типа CV (179 слогов). Стимулы были записаны в 10 вариантах 10 дикторами (5 мужчин и 5 женщин, возраст 19-43 года), в шумоизолированной комнате в Центре языка и мозга НИУ ВШЭ на диктофон IPhone 13. Стимулы были отобраны тремя лингвистами, плохо произнесенные перезаписывались. На стимулы были наложены 2 типа шума: белый (Phatak et al. 2008) и Multitalker babble (MB) (Gordon-Salant 1985; Gundmi et al. 2018). Белый шум генерировался с помощью Python, для MB в шумоизолированной комнате в Центре языка и мозга были отдельно записаны 6 спикеров (не задействованных в записи стимулов): 3 женщины и 3 мужчины, каждый из которых читал вслух рассказ А.П. Чехова (все разные) в течение 2-3 минут. Затем все записи были наложены друг на друга и поделены на 5-секундные фрагменты. Далее белый шум и MB были наложены на стимулы с соотношением стимула к шуму (SNR) -6 и 0 для белого и 0 и 6 для MB. Все стимулы (221) были разделены на 5 групп по 44 стимула в каждой, кроме одной, которая включала 45 стимулов. Дальше методом латинского квадрата было сделано 4 варианта экспериментальных листов, в рамках которых каждый участник эксперимента слушал все стимулы во всех шумах, а также в контрольном условии без шума, при этом также послушав всех спикеров.Процедура. Эксперимент проводился очно в ЦЯиМ в шумоизолированной комнате, на платформе PCIbex Farm с компьютера MacBook Air в наушниках Marshall major 2. Перед экспериментом участникам проводилась аудиометрия. Участники слушали стимулы и отвечали вслух и письменно, что они услышали. При невозможности разобрать услышанное участники должны были вписать в строку ответа 0. Эксперимент проводился в 5 подходов по группам, в281каждой по 44 (45) стимулов в 5 условиях (итого 220-225), с перерывами между ними. Общая длительность эксперимента в среднем составляла 2 часа.Результаты. Были получены различные матрицы спутываемости согласных (в разных шумах, в разных контекстах) и гласных. В R мы построили логистическую регрессию со смешанными эффектами (glmer). Зависимой переменной в данной модели являлся тип ответа испытуемого - корректный или некорректный. В качестве независимых фиксированных переменных в модели использовались: 1) фонетический контекст (наличие гласного и его качество), 2) место и 3) способ образования согласного, 4) палатальность согласного, 5) звонкость согласного, 6) тип шума. Факторы говорящего и слушающего участвовали в модели как независимые случайные переменные (random effects). Все факторы оказались значимыми с поправкой на множественные сравнения.Наибольший эффект дает сильный белый шум, затем слабый белый шум, сильный MB и слабый MB. Менее всего путаются согласные отдельно, затем со звуками «а» и «э», чуть больше с «ы», больше всего - с обугленными «о» и «у». Также на количество ошибок влияют параметры самих согласных: мягкие согласные путаются значимо больше твердых, глухие - значимо больше звонких. Губные согласные путаются больше всего (причем губно-губные больше зубно-губных), язычные путаются меньше (причем меньше всего - небно-зубные). По способу образования шумные путаются чаще, чем сонорные. Кроме того, количество ошибок зависит от говорящего и слушающего. При этом количество ошибок не зависит ни от пола, ни от возраста, ни от данных аудиометрии участников.Результаты во многом согласуются с похожими исследованиями английской фонетики (Phatak et al. 2008; Zaar & Dau 2015): тем, что невозможно исключить случайные факторы слушающего и говорящего. Помимо этого, обнаружены особенности русской фонетики: какие согласные и в каких контекстах вызывают большие трудности, с какими согласными они путаются.
- Добавил в систему: Николаева Юлия Владимировна