Faculteit Geneeskunde en Gezondheidswetenschappen 2011...

Faculteit Geneeskunde en Gezondheidswetenschappen

2011 – 2012

Welke kleur heeft je stem? Een onderzoek naar de objectieve

parameters/correlaten van diverse stemtypes

Jessie Jacques – Sarah Manhaeve

Promotor: Prof. Dr. P. Corthals

Co-promotor: Prof. Dr. B. Timmermans

Masterproef voorgedragen tot het behalen van de graad van master in de

logopedische en audiologische wetenschappen

2

1. Abstract

Aangezien het onderverdelen van de stemmen uit de database van de Vlaamse Radio- en

Televisieomroep (VRT) in de zes mogelijke kleuren gebeurt op subjectieve wijze (een

panel van juryleden beslist dit in consensus op basis van enkele adjectieven), is het doel

van dit onderzoek om akoestische parameters te vinden die deze classificatie ook

wetenschappelijk funderen. De gekozen parameters in deze studie zijn: oppervlakte van

de klinkerdriehoek, contrasten tussen de eerste en tweede formant, Formant

Compression Ratio, mediaan spreektoonhoogte, modulatiediepte en -snelheid van de

spreektoonhoogte en de stemsterkte, spreeksnelheid, articulatiesnelheid en mate van

spectrale helling. Hiervoor werden de spraakstalen (van 183 stemmen – 75 mannen en

108 vrouwen) via het softwareprogrammma Praat onderworpen aan een reeks scripts om

vervolgens de waarden voor deze parameters te onderwerpen aan nonparametrische

testen (Mann Witney U) en beslissingsbomen. Op basis van deze statistische analyse

bleek dat er voor alle kleuren (behalve voor rood) significante parameters konden worden

gevonden, maar slechts op drie punten kwamen zowel de Mann Witney U test als de

beslissingsbomen tot dezelfde conclusie: een dorsale tongheffing is significant voor de

blauwe stemmen, een grotere kaakhoek is significant voor de groene stemmen en voor de

rode stemmen zijn geen significante waarden te vinden.

Since classifying the voices from the database of the Flemish Radio- and Television

Network Organisation (VRT) in six possible so-called colors is based on a subjective

approach (a panel of judges decides collectively on each voice’s color, relying on a limited

set of adjectives to typify them), the purpose of this study is to find acoustic correlates to

objectify this voice classification system. The acoustic characteristics chosen as potential

predictors were: vowel space, contrasts between the first and second formant, Formant

Compression Ratio, median voice pitch, modulation depth and speed of voice pitch and

intensity, speech rate, articulation rate and spectral slope. The speech samples (183

voices – 72 men and 108 women) were analyzed using the software program “Praat”, and

subsequently analyzed statistically using the Mann Witney U test and decision trees.

These tests showed that for all colors (except red) significant acoustic predictors could be

found. However, the Mann Witney U and the decision tree outcomes were unanimous on

merely three items: a more dorsal orientation of the tongue is a significant predictor for

blue voices, a larger jaw opening is a significant sign of a green voice, and, finally, for

red voices, no significant correlates can be found.

3

2. Dankwoord

Op de eerste plaats zouden wij onze promotors Prof. Dr. Corthals en Prof. Dr.

Timmermans willen bedanken. Door hun vakkennis hebben wij op een nauwkeurige

en correcte manier de gegevens kunnen analyseren, bewerken en interpreteren.

Verder wensen wij ook het hoofd van onze richting, Prof. Dr. Van Lierde te

bedanken, zo ook onze curriculummanager mevrouw De Ley. We willen ook graag

onze jaarverantwoordelijke Athénaïs Versele bedanken, die ons deze thesis heeft

toegewezen. Vervolgens willen wij onze ouders bedanken die ons de mogelijkheid

hebben geboden om de opleiding aan te vatten en te volbrengen. Als laatste

bedanken we graag Bjorn Vanhaeren en Jeroen Manhaeve voor de technische

ondersteuning en het lezen van deze masterproef.

4

3. Inhoudsopgave

1. Abstract ................................................................................................................ 2

2. Dankwoord ........................................................................................................... 3

4. Inleiding ................................................................................................................ 6

5. Werkwijze ........................................................................................................... 10

5.1 Verwerking PRAAT ...................................................................................... 13

5.1.1 Klinkerdriehoek ......................................................................................... 14

5.1.2 Klemtoon ................................................................................................... 14

5.1.3 Long Term Average Spectrum .................................................................. 15

5.1.4 Spreeksnelheid ......................................................................................... 15

5.1.5 Articulatiesnelheid .................................................................................... 16

5.2 Statistiek ...................................................................................................... 16

5.2.1 Non parametrische testen ......................................................................... 16

5.2.2 Beslissingsboom ....................................................................................... 16

6. Resultaten .......................................................................................................... 16

6.1 Beslissingsboom .......................................................................................... 16

6.1.1 De kleuren ................................................................................................. 16

6.1.2 vergelijking binnen de geslachten (vrouwen) ............................................ 18

5.1.3 vergelijking binnen de geslachten (mannen) ............................................. 19

6.2 Resultaten nonparametrische test ................................................................ 20

6.2.1 Blauw ........................................................................................................ 21

6.2.2 Bruin .......................................................................................................... 22

6.2.3 Fuchsia ..................................................................................................... 22

6.2.4 Groen ........................................................................................................ 23

6.2.5 Rood ......................................................................................................... 25

6.2.6 Zwart ......................................................................................................... 25

5

6.3 Interbeoordelaarsbetrouwbaarheid .............................................................. 26

7. Discussie ............................................................................................................ 28

7.1 Vergelijking van de testen ............................................................................ 29

7.2 Interbeoordelaarsbetrouwbaarheid .............................................................. 31

7.3 Vergelijking met vorige thesis ...................................................................... 32

7.4 Voor- en nadelen van ons onderzoek .......................................................... 32

7.5 Verder onderzoek ......................................................................................... 34

8. Conclusie ........................................................................................................... 34

9. Appendices ........................................................................................................ 35

10. Referenties ..................................................................................................... 42

6

4. Inleiding

Stemkleur (of timbre) is een zeer subjectief gegeven. Iedereen heeft een ander

gevoel wanneer men een bepaalde stem hoort; een stem kan voor de ene persoon

prachtig klinken maar voor de andere lelijk. Maar wat is nu de definitie van

klankkleur? Volgens fysici wordt de klankkleur (of het timbre) bepaald door de

relatieve amplitude van de harmonieken. Geluiden kunnen dus eenzelfde toonhoogte

en sterkte hebben maar kunnen toch nog verschillen qua klankkleur. Volgens de

bron-filter theorie wordt er eerst een brongeluid gevormd; dit krijgt dan een eigen

klankkleur, afhankelijk van de lengte en vorm van de resonatoren (o.a. de lokalisatie

van de constrictie in de resonantieruimten). Deze definities spreken zich uit over wat

klankkleur precies is, maar weiden hierbij niet uit over welke verschillende

klankkleuren er bestaan of hoeveel kleuren er precies zijn.

In de VRT creëerden Ruud Hendrickx, Lute Van Duffel en Geertje Slangen daarom

een model voor de verschillende klankkleuren. In hun model worden stemmen

ingedeeld in volgende categorieën “kleuren” genaamd. Telkens worden er enkele

termen (meestal adjectieven) aan toegevoegd die de meest waarschijnlijke

subjectieve indruk bij de luisteraar omschrijven:

- Zwart: sonoor, gezag, rustig, wijs, intelligent, kracht;

- Rood: vurig, energiek, rijp, vertrouwd;

- Blauw: helder, fris, zakelijk, betrouwbaar;

- Groen: actief, levendig, sprankelend, onbevangen, fris;

- Fuchsia: open, snedig, avontuurlijk, inspirerend, pittig, energiek

- Bruin: vertrouwd, aards, warm, zelfverzekerd, evenwichtig

De kleuren worden met hun eigenschappen weergegeven in een overzichtelijk

diagram (zie bijlage 1). Ook de onderlinge relaties tussen de kleuren worden

weergegeven. De klankkleuren die naast elkaar liggen in het diagram zijn verwant

met elkaar, daarom overlappen deze elkaar ook gedeeltelijk. De kleuren die

tegenover elkaar staan lijken het minst op elkaar qua timbre. De adjectieven moeten

een beoordelaar toelaten om met minder abstracte gegevens te werken. De makers

7

van dit model baseerden zich op het kleurensysteem van MultiVoice International

Voice Agency, een internationaal stemmenbureau dat al sinds 1978 stemmen levert

aan radio, televisie, commercials…. ("Multivoice International Voice Agency," 2012)

Het verschil tussen dit model en het kleurensysteem van MultiVoice is dat deze

laatste meer kleuren (en dus meer verschillende adjectieven) gebruikt.

Onze onderzoeksvraag is of het mogelijk is om objectieve correlaten te vinden voor

de omschrijving die bij een bepaalde stemkleur past.

In het verleden probeerde men reeds om objectieve akoestische parameters te

vinden voor bepaalde emoties die een stem opwekt bij de luisteraar. In een

literatuurstudie naar de stimulatie van emoties in synthetische spraak (Murray &

Arnott, 1993) blijkt dat er maar weinig onderzoeken gebeurd zijn naar de akoestische

correlaten van emoties in de menselijke spraak. Hij maakte een onderscheid tussen

primaire emoties (woede, vreugde, droefheid, angst en haat) en secundaire emoties

(smart, tederheid, sarcasme, verbazing en andere). De akoestische parameters die

relevant gebleken zijn om emotie te bepalen zijn: spreektempo, gemiddelde

spreektoonhoogte, toonhoogtebereik, intensiteit, stemkwaliteit, toonhoogtevariatie en

articulatie.

In “Effects of variation in emotional tone of voice on speech perception”(Mullenix,

Bihon, Bricklemyer, Gaston, & Keener, 2002) werden de effecten van variatie in

emotionele toon op spraakperceptie bestudeerd. Eerst werden een aantal

spraakstimuli (de woorden ‘Tom’ en ‘Tod’) opgenomen die elk een verschillende

affectieve boodschap bevatten (boos, verrast of bevelend). Daarna moesten een

aantal getrainde luisteraars de verschillende stemmen matchen op basis van hun

gehoor en classificeren. De resultaten toonden aan dat variatie in emotionele toon

tussen de sprekers en variatie binnen de spreker zelf een negatief effect hadden op

de perceptie, zo hadden luisteraars moeite met het onderscheiden van de minimale

paren ‘Tom’ en ‘Tod’, als deze woorden op een verschillende emotionele toon

werden uitgesproken. De variaties die een effect hebben op de spectrale (zoals F0)

en/of temporale eigenschappen van spraak (bijvoorbeeld spreektempo) worden

misschien anders behandeld in de hersenen dan de variaties die geen effect hebben

op deze eigenschappen.

Ko et al. (2006) deed een studie waarin werd getracht om de traditionele focus van

visuele cues bij stereotypering te verleggen naar auditieve cues. Ze onderzochten

8

ook of geslachtsgebonden vocale cues leiden tot stereotypering tussen verschillende

categorieën en binnen eenzelfde categorie. Hierbij voerden ze drie onderzoeken uit.

In de eerste studie maakten ze gebruik van volgende geanalyseerde akoestische

karakteristieken: toonhoogte, resonantie, toonhoogtevariatie, en articulatietijd (de tijd

om de eerste twee zinnen van de Rainbow Passage uit te spreken, in seconden). Er

kon worden aangetoond dat de toonhoogte, resonantie en toonhoogtevariatie goed

correleerden met de categorie waarin de stem zich bevond (‘man’ of ‘vrouw’). Er

werd geen relatie gevonden voor articulatietijd. Deze karakteristieken waren ook

belangrijk om de graad te bepalen waarbij stemmen als vrouwelijk werden

beschouwd. Uit de tweede studie bleek vervolgens dat luisteraars bij een reeks

schriftelijke, gender-stereotypische persoonsbeschrijvingen geneigd zijn om een heel

vrouwelijke stem (die voldoet aan de eerder geanalyseerde akoestische

karakteristieken) te koppelen aan de meest gender-stereotypische beschrijving.

Studie drie bevestigde deze bevinding door aan te geven dat de mate waarin een

stem vrouwelijk is belangrijk is voor het indelen van stemmen, ook als zowel

vrouwelijke als mannelijke stemmen worden aangeboden. Aan een meer

‘vrouwelijke’ stem worden meer vrouwelijke eigenschappen gekoppeld, dus indien

een mannelijke stem als meer ‘vrouwelijk’ wordt beschouwd worden hieraan minder

typische mannelijke eigenschappen gekoppeld. In deze laatste studie was er ook

bewijs van category-based en feature-based stereotypering (er was dus een indeling

gebaseerd op de gendercategorieën en op de kenmerken nodig voor

genderindeling). De graden van vrouwelijkheid binnen het geslacht speelde een

belangrijke rol in de besluittrekking van de luisteraars.

In een andere studie (Erikson, Perry, & Handel, 2001) werd er gezocht naar de

akoestische parameters die toelaten om stemmen onder te verdelen in verschillende

stemcategorieën. Er werd ook nagegaan of stemtimbre (onafhankelijk van de

toonhoogte) een invariante karakteristiek is van individuele zangers. In het

onderzoek werden er drie stimuli aangeboden (waarvan twee van dezelfde spreker)

waarna de luisteraars moesten beoordelen welke twee stimuli bij elkaar pasten en

welke niet bij de andere twee. Uit de resultaten bleek dat timbre niet onveranderlijk

wordt waargenomen, en dat het timbre perceptueel verandert over het bereik en/of

de registers van een individuele zanger. Hoewel deze studie gaat over de zangstem,

kan dit mogelijks relevant zijn bij de analyse van de verschillende stemkleuren van

9

de spreekstem, aangezien het timbre van de spreekstem mogelijks wordt

overgedragen op de zangstem.

Deze masterproef is voor het grootste deel gebaseerd op het artikel “Is je spreekstijl

groen of zwart? Op verkenning naar akoestisch-prosodische correlaten in het

prosogram”(Timmermans, Vermeersch, & Maryn, 2011). In dit artikel werden

eveneens de verschillende stemkleuren beschreven met hun eigenschappen en

emoties. In deze studie echter werden enkel de kleuren groen en zwart onderzocht.

Opvallend was dat in deze studie de groene stemmengroep overwegend uit

vrouwenstemmen bestond en de zwarte groep overwegend uit mannenstemmen,

waardoor er mogelijk een invloed van geslacht meespeelt in de conclusies. Met deze

parameter werd wel rekening gehouden in het huidige onderzoek. Ook is gebleken

dat de meeste temporele variabelen (zoals pauzeduur, spreeksnelheid,…) niet

significant verschilden. Voor de F0 variabelen werden dan wel significant hogere

waarden gevonden voor de groene sprekers (ook hier echter kan dit door de invloed

van geslacht zijn). Verder werden er significante verschillen gevonden voor het

aantal syllaben waarvoor de toonhoogtebeweging hoorbaar is en dat boven de

glissandodrempel ligt. De zwarte stemmen hadden ook significant hogere waarden

voor toonhoogtevariatie.

Het doel van het huidige onderzoek is een uitbreiding van het vorig onderzoek naar

alle stemkleuren (in plaats van enkel groen en zwart). De belangrijkste vraag is:

welke objectieve parameters moeten er nu onderzocht worden voor het bepalen van

de stemkleur?

Stemkleuren worden meestal gedefinieerd bij professionele stemgebruikers die

werken voor televisie en radio. Bij de Vlaamse Radio- en Televisieomroep (VRT)

worden de radio- en tv-stemmen opgeslagen in wat men noemt de VRT VoxOffice.

De stemmen in de VoxOffice zijn afkomstig van personen die werken bij de VRT en

die zich vrijwillig hebben aangemeld. Van deze sprekers werd een opname van de

stem gemaakt en werd de kleur bepaald door een professioneel panel. Deze experts

beslisten in samenspraak over de meest passende kleur, waarna de fragmenten

werden opgeslagen in de database.

De stemmen in de VoxOffice worden gebruikt voor het zoeken naar een voice-over

bij een documentaire, radiospot, enz…

10

Het zoeken naar objectieve correlaten voor de stemkleuren kan zorgen voor een

makkelijkere en meer objectieve indeling van stemmen in een bepaalde kleur. De

subjectieve indeling op basis van gevoelens en indrukken kan vaak als minder

betrouwbaar worden beschouwd aangezien men zich momenteel slechts baseert op

een aantal adjectieven die exclusief bij elke stemkleur afzonderlijk passen (sommige

adjectieven kan men ook bij twee verschillende stemkleuren terugvinden). Iedereen

heeft ook een ander gevoel als men naar een bepaalde stem luistert. Als men de

stemkleur objectief kan definiëren is het ook mogelijk om via een aantal

veranderingen de stemkleur te wijzigen, en zo wordt het misschien mogelijk dat een

spreker zijn stem aanpast zodat de gewenste kleur kan bekomen worden.

5. Werkwijze

Er werd gebruikt gemaakt van de stemmendatabank van de VRT. Hierin zijn

geluidsfragmenten opgeslagen van de zogenaamde elite vocal performers wier

stemmen inzetbaar zijn voor verschillende doeleinden. In deze stemmendatabank

bevinden zich 183 stemmen, waaronder 75 mannen en 108 vrouwen. Van deze 183

stemmen zijn er 53 blauwe stemmen (29 mannen en 24 vrouwen), samen 29 procent

van alle stemmen. Daarnaast zijn er 42 bruine stemmen (16 mannen en 26

vrouwen), die samen 23 procent van alle stemmen vertegenwoordigen. Vervolgens

zitten er 18 fuchsia stemmen in de databank (5 mannen en 13 vrouwen), samen 9,8

procent van alle stemmen en 28 groene stemmen (5 mannen en 23 vrouwen), die

15,3 procent vertegenwoordigen. Als laatste zijn er 20 rode stemmen (8 mannen en

12 vrouwen), samen goed voor 10,9 procent en 22 zwarte stemmen (12 mannen en

10 vrouwen) die 12 procent van de populatie representeren. Zie figuur 1.

11

Figuur 1: kleurverdeling in de populatie volgens geslacht

Deze geluidsfragmenten werden opgenomen met een Neumann TLM 103

condensatormicrofoon en de preamp van een Sound Devices 302 op een Fostex

FR2-LE recorder. De opnames werden gemaakt in de VRT studio’s. De microfoon

stond op een statief, steeds op mondhoogte van de spreker. De microfoon stond

steeds op dezelfde plek in de kamer en op dezelfde afstand van de spreker (ca 20

cm). De sprekers stonden rechtop. Steeds werd er een zelfde opnamevolume,

onafhankelijk van de luidheid van de stem gebruikt. De gain van de preamp bleef

onaangeroerd. De opnames werden gemaakt in 96 kHz, 32 bit in ongecompresseerd

WAV-formaat.

Vervolgens werden verschillende teksten ingelezen. In het totaal werden een vijftal

teksten gebruikt. Per persoon werden niet telkens dezelfde teksten gebruikt, en af en

toe werden bepaalde teksten verkort ingelezen. Door een panel juryleden werd aan

deze stemmen een kleur gekoppeld. Dit panel bestaat uit drie experts op het gebied

van stem, één ervan is tewerkgesteld als taaladviseur bij de VRT.

Om de interbeoordelaarsovereenkomst van dit panel te testen werd hen gevraagd

om samen te komen en blind van elkaar zestien nieuwe stemmen een kleur te geven.

Deze controle ging door in het bureau van een van de panelleden op de dienst van

de VRT op 8/11/2011. Alvorens te starten met dit onderzoek kozen de juryleden in

samenspraak twaalf ankerstemmen uit de Vox Office. Men zou zich vervolgens

hierop kunnen baseren bij het kiezen van de meest passende kleur voor de nieuwe

0

5

10

15

20

25

30

35

blauw bruin fuchsia groen rood zwart

man

vrouw

12

stemmen. Deze ankerstemmen vertegenwoordigden met andere woorden de

respectievelijke kleur, omdat ze konden beschouwd worden als zijnde ‘typisch’ rood,

groen, blauw, bruin, fuchsia of zwart. Er werd geopteerd om voor elke kleur zowel

een mannen- als een vrouwenstem te kiezen. Tijdens de test kon op ieder moment

gevraagd worden om opnieuw een ankerstem te laten horen.

Vervolgens werd gestart met de effectieve testing. De drie juryleden kregen elk een

scoreformulier (zie bijlage 2) en kregen de te testen spraakstalen volledig te horen.

Tussen deze spraakstalen zaten tien stemmen waaraan nog geen kleur toegekend

was. Deze stemmen waren echter wel al opgenomen in de database Vox Office. De

juryleden kregen vooraf te horen wie er telkens het betreffende spraakstaal had

ingesproken.

Daarna werden nog zes extra stemmen uit de Vox Office database gekozen door de

proefleiders, om door het panel opnieuw te laten kleuren. Deze werden gekozen om

de uitslag van de interbeoordelaarsovereenkomst nauwkeuriger te maken. Deze

stemmen hadden al eerder een kleur gekregen door hetzelfde panel, en om deze

reden werden de namen van de sprekers in kwestie niet vermeld. Hierdoor werd

zoveel mogelijk geprobeerd om te vermijden dat de juryleden deze stemmen een

kleur zouden geven op basis van hun geheugen, in een poging om een

bekendheidseffect uit te sluiten. Aangezien het streefdoel was dat alle kleuren en

geslachten aan bod kwamen in het onderzoek, werden de voorlopige resultaten van

de juryleden onderzocht. Er werd telkens gekeken welke kleuren werden gekozen

per stem. Indien minstens twee juryleden een bepaalde stem dezelfde kleur hadden

gegeven (bv. een jurylid denkt dat een vrouwelijke stem bruin is, maar de twee

andere juryleden denken dat een vrouwelijke stem een blauwe kleur heeft), dan werd

deze kleur + dit geslacht als vertegenwoordigd beschouwd. Zo werd verder gekeken

om voor elke kleur zowel een mannelijke als vrouwelijke vertegenwoordiger te

hebben. Indien een bepaalde kleur + geslacht niet vertegenwoordigd was (bv. een

mannelijke zwarte stem) werd hiervoor een stem uit de Vox Office database

geselecteerd.

De gegevens werden vervolgens ingevoerd in het softwareprogramma voor statistiek

SPSS 20 (Corporation, 2011). Om de interbeoordelaarsovereenkomst te berekenen

werd gebruik gemaakt van de Kappa-coëfficiënt (κ). Deze coëfficiënt is een maat die

13

de graad van overeenkomst uitdrukt in het geval voor categorische variabelen. Deze

maat neemt waarden aan tussen 0 en 1. Negatieve waarden zijn ook mogelijk, maar

dit wijst eerder op tegenspraak dan op overeenkomst (Moor & Maele, 2008)

Aangezien in SPSS 20 enkel de Kappa-coëfficiënt kan worden berekend bij twee

beoordelaars werden er met de drie beoordelaars drie verschillende koppels

gevormd waaruit telkens de coëfficiënt berekend werd (beoordelaar 1 * beoordelaar

2; beoordelaar 1*beoordelaar 3; beoordelaar 2*beoordelaar 3).

Vervolgens werd de significantie berekend en werden de resultaten geïnterpreteerd

volgens Landis & Koch.

5.1 Verwerking PRAAT

Om objectieve parameters van de stemkleuren te bepalen werd er gebruik gemaakt

van het computerprogramma Praat (Boersma & Weenink, 2012). Om de waarden

voor de parameters te verkrijgen werden scripts toegepast. Alle scripts die bij deze

studie werden gebruikt zijn geschreven door P. Corthals.

Deze scripts garanderen een nauwkeurige analyse aan de hand van volgende

objectieve parameters:

- Nadrukkelijkheid van de articulatiemanoeuvres: oppervlakte klinkerdriehoek (Hz²)

- Contrasten tussen de frequenties van de eerste (in de klinkerkoppels [a-i], [a-u]) en van de tweede formant (in de klinkers [i-u]) (Hz).

- Formant Compression Ratio (FCR): mate waarin de oppervlakte ‘gecomprimeerd’ is (omgekeerde van oppervlakte)

- Mediaan van de spreektoonhoogte

- Intonatiegamma: modulatiediepte van de spreektoonhoogte

- Vinnigheid intonatiemanoeuvres: modulatiesnelheid van de spreektoonhoogte

- Klemtonengamma: modulatiediepte van de stemsterkte

- Vinnigheid beklemtoning: modulatiesnelheid van de stemsterkte

- Spreeksnelheid in syllaben/seconde en woorden/minuut (inclusief pauzes)

- Articulatiesnelheid in syllaben/seconde en woorden/minuut (exclusief pauzes)

- Spectrale helling in het langetermijnspectrum van de spraak

14

5.1.1 Klinkerdriehoek

Alvorens het script van de klinkerdriehoek (aiuSPACE.txt) te laten lopen dienden er

voorbereidingen worden getroffen. Aangezien een klinkerdriehoek wordt opgebouwd

uit de klinkers [a], [i] en [u] dienden deze eerst te worden geïsoleerd uit het originele

spraakstaal. Er werd overeengekomen dat vijf verschillende exemplaren per klinker

voldoende informatie zouden bevatten voor een representatieve klinkerdriehoek.

Aangezien het spraakstaal waarin de tekst “de Caraïben” wordt voorgelezen het

meest voorkomt bij alle stemmen uit de databank, werd aanvankelijk altijd bij dit staal

gestart voor het isoleren van de klinkers. Indien dit spraakstaal onvoldoende

bruikbare klinkers opleverde werd er gezocht in een ander spraakstaal van dezelfde

persoon. Om de klinkers te isoleren in het softwareprogramma Praat werd op basis

van een oscillogram en een spectrogram en via auditieve controle de klinker

gelokaliseerd en uit het geheel geëxtraheerd met een zogenaamd ‘rectangulaire’

window met de menu-optie “Extract Selected Sound (windowed)”. Als er vijf

exemplaren van een klinker geknipt werden, werden deze vijf bestanden

geselecteerd in het Objects venster waarna deze aan elkaar gekoppeld worden via

de menu-opties Combine en Concatenate.

De resultaten van het klinkerdriehoek-script konden simpelweg worden afgelezen

van de figuur in het Picture venster. Deze waren de oppervlakte van de

klinkerdriehoek, de waarde van contracten tussen de eerste en tweede formant en

de waarde voor FCR. Zie bijlage 3.

5.1.2 Klemtoon

De bekomen parameters waren:

- Mediaan spreektoonhoogte: dit resultaat is geschikter dan het rekenkundig

gemiddelde aangezien het minder vatbaar is voor uitschieters.

- Modulatie toonhoogte: de diepte en hoogte van de toonhoogtesprongen, met

andere woorden hoe ver hun uitwijking naar boven of naar beneden is.

Hiervoor word gekeken naar de afstand tussen het 25e en het 75e percentiel

van al de toonhoogtewaarden in de opname.

- Modulatietempo toonhoogte: de som van de absolute waarde in Hz van alle

toonhoogtesprongen naar boven of beneden, gedeeld door de totale duur van

15

de bestudeerde fragmenten. Voor deze parameter zijn twee waarden

merkbaar, respectievelijk het 25ste en 75ste percentiel, en het 95ste en het 5de

percentiel. Voor deze studie werd ervoor gekozen om de waarde voor het 25ste

en 75ste percentiel op te nemen bij de resultaten.

- Modulatie intensiteit

- Modulatietempo intensiteit

De mediaan van de intensiteit werd niet in de studie opgenomen. Deze is niet

betrouwbaar aangezien de decibelschaal van Praat op de gebruikte computer niet

noodzakelijk geijkt is. Zie bijlage 4.

5.1.3 Long Term Average Spectrum

Uit het script voor het langetermijnspectrum (de gemiddelde energiedosis per

frequentieband berekend voor de totale opname) werd de hellingsgraad (dB)

afgelezen. Deze werd berekend door het verschil in dB te berekenen tussen de

banden met centrumfrequenties van 600 Hz en 4000 Hz. Zie bijlage 5.

5.1.4 Spreeksnelheid

Om de spreeksnelheid te berekenen kon er gekozen worden voor een script, maar

omdat de inhoud van de spraakstalen grotendeels identiek was en dus het aantal

woorden en lettergrepen vast stond op voorhand, bleek het eenvoudiger om het

sample spraak te selecteren en vervolgens op het spectrogram af te lezen hoelang

het geselecteerde fragment duurde. Fragmenten zonder spraak voorafgaand aan het

spraaksample en volgend op dit sample werden niet geselecteerd en hierdoor ook

niet meegerekend. Deze werden niet meegeteld omdat deze stiltes erg variabel zijn

en ons geen informatie verschaffen over de effectieve spreeksnelheid. Ook zouden

deze de uitslag erg beïnvloeden.

Vervolgens werden het aantal woorden en syllaben uit het gebruikte spraaksample

geteld. Met deze gegevens werden volgende berekeningen gemaakt:

Aantal woorden / duur sample (minuten)

Aantal syllaben / duur sample (seconden)

16

5.1.5 Articulatiesnelheid

Om de articulatiesnelheid te berekenen is het noodzakelijk dat de tussentijdse

pauzes niet meegeteld worden. Om dit te verwezenlijken werd het script

“klemtoon.txt” gebruikt. Dit script vertrekt van een annotatiebalk waarop de

spreekpauzes en het aantal lettergrepen aangebracht moeten zijn. Het script

berekent dan het aantal lettergrepen per tijdseenheid Om de articulatiesnelheid te

berekenen werden het aantal syllaben en woorden uit het spraakstaal geteld om

deze vervolgens te delen door de reeds berekende duur van het spraakstaal,

respectievelijk in seconden en minuten.

5.2 Statistiek

Om de resultaten statistisch te analyseren werden twee pistes gevolgd. Enerzijds

werden de klassieke non-parametrische testen uitgevoerd (Mann Whitney U-test),

anderzijds werden ‘beslissingsbomen’ (“decision trees”) opgesteld.

5.2.1 Non parametrische testen

De Mann Whitney U-test, een non parametrische test voor ongepaarde

steekproeven, zoekt per stemkleur naar significant verschillende parameters in

vergelijking met de restgroep (zijnde de andere stemkleuren). Per significant verschil

worden daarna de gemiddelden opgegeven.

5.2.2 Beslissingsboom

De resultaten worden eveneens verwerkt door de beslissingsbomen in SPSS. Deze

“decision trees” voeren aan de hand van complexe algoritmes een reeks

bewerkingen uit waardoor statistische significanties worden voorspeld bij

categorische variabelen. Bij deze studie werd gekozen voor een CHAID algoritme.

Dit is een algoritme dat snel en efficiënt data doorzoekt en subgroepen afsplitst op

basis van significantie. (Corporation, 2011)

6. Resultaten

6.1 Beslissingsboom

6.1.1 De kleuren

De resultaten van deze beslissingsboom staan vermeld in bijlage 6. Hierbij wordt een

eerste opsplitsing gemaakt (chi² = 43,262; p < 0,001) op basis van het verschil in Hz

17

tussen de waarde van de eerste formant van de klinkers [a] en [i] in de spraakstalen

(in Hz). 28,4% van de stemmen met een [a-i]-F1-contrast van minder dan 454Hz is

bruin. Bij 32,9 procent van de stemmen met een F1-contrast tussen 454 en 589 Hz

gaat het om een blauwe stem. Ten slotte had 41,7 procent van de stemmen met een

F1-contrast groter dan 589 Hz een groene stem. De afstand tussen de eerste

formant van de klinkers [a] en [i] is bepaald door de kaakhoek, dus hoe hoger de

waarden, hoe groter de kaakhoek.

Vanuit de parameter “F1- contrast tussen 454 en 589 Hz” werd vervolgens een

opsplitsing (chi² = 68,373; p < 0,001) gemaakt aan de hand van het verschil tussen

de tweede formant van de klinkers [i] en [u] (in Hz) in de spraakstalen. Deze afstand

is bepaald door de tongplaatsing van de spreker op de frontaal-dorsale as. Als

iemand hoge waarden heeft voor dit klinkercontrast, dan wijst dit op een groter

articulatorisch onderscheid qua tongplaatsing tussen voor- en achterklinkers. Als het

contrast kleiner of gelijk is dan 1371 Hz, gaat het vaak om een blauwe stem (58,8

procent). Wanneer de afstand tussen 1371 en 1444 Hz ligt, gaat het

hoogstwaarschijnlijk om een bruine stem (87,5 procent) en als het zich tussen 1444

en 1605 Hz bevindt, gaat het eerder om een rode stem (31,6 procent). Als de

klinkerafstand dan tussen 1605 en 1679 ligt, dan zien we meer een fuchsia stem

(66,7 procent). Wanneer de afstand dan de 1679 Hz overschrijdt, zien we meestal

een groene stem (50 procent).

Het aantal keer dat de beslissingsboom in staat was om de kleuren correct te

voorspellen gebruik makend van deze beide onderscheiden tegelijk (F1-contrast voor

[a-i] gecombineerd met F-contrast voor [i-u]), kan men aflezen op onderstaande tabel

(Tabel 1). De bruine kleur kan het best voorspeld worden: 66,7 procent correct;

Groen wordt ook in bijna 2/3 van de gevallen herkend op die manier: 64,3 procent

correct; Blauw en de overige kleuren worden veel minder vaak correct herkend met

deze criteria:37,7 procent of minder.

18

Tabel 1: voorspelbaarheid van de stemkleuren in percentages correct (alle stemmen)

6.1.2 Vergelijking binnen de geslachten (vrouwen)

Omdat geslacht zoveel stemkenmerken beïnvloedt en omdat men logischerwijs op

voorhand weet of het om een man op een vrouw gaat, is de beslissingsboom voor

beide geslachten apart opgemaakt. Als eerste werd een beslissingsboom opgemaakt

voor de vrouwen. Zie bijlage 7. Er kan al op basis van de kleuren meteen worden

uitgemaakt dat de vrouwen vooral een bruine kleur hebben (24,6 procent). Een

eerste kleur-opsplitsing binnen de groep van vrouwenstemmen is mogelijk (chi² =

36,108; p < 0,005) via de parameter “mediane spreektoonhoogte” (in Hz). Vrouwen

waarbij de spreektoonhoogte lager of gelijk is aan 160 Hz hebben vooral een bruine

stem (42,4 procent). Als de toonhoogte zich tussen 160 en 183 Hz bevindt, vindt men

meestal een blauwe stem (23,2 procent). Als de vrouwen een mediane

spreektoonhoogte hebben die groter is dan 183 Hz hebben ze meer kans om een

groene stem te hebben (47,4 procent).

Hierna werd de parameter “mediane spreektoonhoogte tussen 160 en 183 Hz”

opgesplitst (chi² = 45,699; p < 0,001) en werd voor deze stemmen een nieuwe

parameter onderzocht, zijnde het contrast tussen de eerste formant van de klinkers

[a] en [u] (opnieuw in Hz). Als het verschil kleiner of gelijk is aan 344 Hz, vindt men

grotendeels zwarte stemmen (60 procent). Als het contrast tussen 344 en 506 Hz ligt,

hebben de stemmen meestal een bruine kleur (35 procent). Als dit contrast echter

groter is dan 506 Hz, dan zijn er meer groene stemmen vertegenwoordigd (32,3

procent).

Observed Predicted

Percent Correct

Blauw 37,7%

Bruin 66,7%

Fuchsia 22,2%

Groen 64,3%

Rood 30,0%

Zwart 0,0%

Overall Percentage 41,5%

19

Hierna werden opnieuw de voorspellingswaarden voor de verschillende kleuren

berekend, zie tabel 2. Daaruit bleek dat voor vrouwen de kleur groen de grootste

voorspellingswaarde heeft met 82,6 procent; Daarna krijgt bruin een

voorspellingswaarde van 80,8 procent; Zwart en alle andere kleuren hebben een

voorspellingswaarde van 30 procent of minder en kunnen dus het minst goed

voorspeld worden.

Tabel 2: voorspelbaarheid van de stemkleur in percentage correct voor

vrouwenstemmen

Observed Predicted

Percent Correct

Blauw 0,0%

Bruin 80,8%

Fuchsia 0,0%

Groen 82,6%

Rood 0,0%

Zwart 30,0%


5.1.3 Vergelijking binnen de geslachten (mannen)

Na de aparte beslissingsboom voor de vrouwen werd een beslissingsboom

opgemaakt voor de mannen. Men kon meteen afleiden dat in het algemeen de

mannen voornamelijk een blauwe stem hebben (38,7 procent). Ook hier werd er een

eerste opsplitsing gemaakt op basis van de parameter “mediane

spreektoonhoogte”(chi² = 28,158; p < 0,001). Mannen met een spreektoonhoogte

kleiner of gelijk aan 116 Hz hebben de meeste kans om een zwarte stemkleur te

hebben (33,3 procent). Bij mannen wiens spreektoonhoogte hoger dan 116 Hz is,

werd meestal een blauwe stem gezien (53,3 procent). Voor deze laatste parameter

werd dan nog een aparte opsplitsing gemaakt (chi² = 23,242 ; p < 0,005) volgens de

parameter “spreektoonmodulatietempo” (in Hz/sec). Als mannen hier lager dan of

gelijk aan 71 Hz scoren, vindt men meestal een blauwe stem (61,5 procent). Als ze

20

hoger dan 71 Hz scoren, hebben ze meer kans om een bruine stem te hebben (50

procent). Zie bijlage 8.

Bij het berekenen van de voorspellingswaarden (zie tabel 3) bleek dat voor de

mannen de kleur zwart de grootste voorspellingswaarde had met 83, 3 procent;

vervolgens heeft blauw een voorspellingswaarde van 82,8 procent; Bruin en de

andere stemmen hadden slechtere waarden: 18,8 procent of minder.

Tabel 3: voorspelbaarheid van de stemkleur in percentage correct voor

mannenstemmen

Observed Predicted

Percent Correct

Blauw 82,8%

Bruin 18,8%

Fuchsia 0,0%

Groen 0,0%

Rood 0,0%

Zwart 83,3%


6.2 Resultaten nonparametrische test

De gegevens voor de verschillende kleuren werden geanalyseerd volgens de

nonparametrische Mann-Whitney U test. Er werd nagegaan welke parameters

specifiek waren voor een gegeven kleur, m.a.w. voor welke parameters een kleur

significant anders scoorde dan de overige kleuren (zie tabel 4).

21

Tabel 4: significantieniveaus van de Mann-Whitney U test (*p < 0,05; **p < 0,01)

Kleuren blauw bruin fuchsia groen rood zwart

opp KDH (Hz²) 0,304 0,424 0,058 0** 0,83 0,003**

i-u Hz 0,012* 0,698 0,008** 0,345 0,66 0,36

a-i Hz 0,56 0,069 0,501 0** 0,334 0,001**

a-u Hz 0,795 0,084 0,437 0** 0,382 0,002**

FCR 0,395 0,754 0,213 0,576 0,729 0,617

mediaan spreektoonhoogte 0,587 0,135 0,158 0** 0,623 0,003**

Spreektoonmodulatiediepte 0,064 0,132 0,096 0,001** 0,247 0,095

Spreektoonmodulatietempo 0,009** 0,161 0,042* 0,009** 0,496 0,989

Stemsterktemodulatie 0,941 0,232 0,959 0,223 0,109 0,234

Stemsterktemodulatietempo 0,348 0,661 0,816 0,133 0,656 0,256

spectrale helling 0,385 0,647 0,964 0,275 0,558 0,995

spreektempo (woorden/minuut)

0,35 0,615 0,704 0,138 0,274 0,088

spreektempo (syllaben/sec) 0,338 0,627 0,704 0,125 0,268 0,093

articulatietempo (syllaben/sec)

0,023* 0,673 0,307 0,966 0,671 0,221

6.2.1 Blauw

Wat betreft de blauwe stemmen werden significant verschillende waarden gezien

voor de parameters F2 contrast [i-u] Hz, spreektoonmodulatietempo en

articulatietempo (syllaben/seconde), zie tabel 5 en 6. Voor de parameter F2 [i-u] werd

er bij blauw een gemiddelde waarde gezien van 1301,3 Hz; voor de andere kleuren

is de gemiddelde waarde 1392,90. Deze parameter staat in voor de grootte van de

tweede formant, en is bijgevolg een indicatie voor de plaats van tongheffing. In

vergelijking met de andere stemmen scoort blauw hier significant lager, de blauwe

stemmen maken dus met andere woorden een minder opvallend onderscheid tussen

anterieure en posterieure articulaties voor vocalen. Voor het

spreektoonmodulatietempo is de gemiddelde waarde van blauw (60,68 Hz/sec) lager

dan van de andere kleuren (67,28 Hz/sec). Concreet wil dit zeggen dat het tempo

waarmee de toonhoogte schommelt tijdens de spraak lager ligt ten opzichte van de

overige stemmen. Vergeleken bij de andere stemkleuren intoneren blauwe stemmen

dus “rustiger” met minder snel opeenvolgende toonhoogtesprongen.

De parameter voor articulatiesnelheid (syll./sec.) blijkt eveneens significant lager te

scoren bij de blauwe stemmen. Blauwe stemmen articuleren dus iets minder snel dan

de andere stemkleuren.

22

6.2.2 Bruin

Voor bruine stemmen werden geen significant verschillende waarden gevonden in

vergelijking met de andere stemmen.

6.2.3 Fuchsia

Wat betreft de fuchsia stemmen werden significante waarden gezien voor de

parameters i-u Hz en het spreektoonmodulatietempo. Wat betreft de parameter i-u

Hz werden hogere waarden gezien bij fuchsia. Dit wil bijgevolg zeggen dat het

contrast qua tweede formant over het algemeen groter is bij deze stemmen en dat er

dus een meer nadrukkelijk onderscheid gemaakt wordt tussen anterieure en

Tabel 5: beschrijvende waarden voor de kleur blauw

N Minimum Maximum Mean S.D.

i-uHz 53 461 1832 1301,30 256,936

Spreektoonmodulatietempo

53 32 106 60,68 15,908

Articulatiesnelheid (syllaben/seconde)

53 4,315 6,012 5,17281 ,442521

Valid N (listwise) 53

Tabel 6: beschrijvende waarden van de andere kleuren vergeleken bij blauw


i-uHz 130 480 1880 1392,90 260,326

Spreektoonmodulatietempo

130 31 116 67,28 15,066

Articulatesnelheid (syllaben/seconde)

130 3,725 7,991 5,37093 ,534092


23

posterieure articulatiemanoeuvres. Het spreektoonmodulatietempo, het tempo

waarmee de spreektoonhoogte varieert, ligt significant hoger in vergelijking met de

andere kleuren. Zie tabel 7 en 8.

Tabel 7: beschrijvende waarden voor de kleur fuchsia


i-uHz 18 901 1810 1502,00 260,494

Spreektoonmodulatie

tempo 18 52 110 73,39 16,324


Tabel 8: beschrijvende waarden voor de andere kleuren vergeleken bij fuchsia


i-uHz 165 461 1880 1351,58 258,634

Spreektoonmodulatie

tempo 165 31 116 64,50 15,276


6.2.4 Groen

Voor de groene stemmen werden opvallend veel significant verschillende waarden

gevonden in vergelijking met de overige kleurcategorieën. Allereerst werden

significante waarden gevonden voor de oppervlakte van de klinkerdriehoek (Hz²).

Deze bleek significant groter te zijn in vergelijking met andere kleuren. Er is met

andere woorden een groter akoestisch contrast tussen de vocalen bij de groene

stemmen, iets wat teruggevoerd kan worden op nadrukkelijker kaakhoekmanoeuvres

(in verticale zin) en/of tongplaatsingmanoeuvres (in voor-achterwaartse zin).

Er werden significante waarden gezien bij de afstand tussen [a-i] Hz en [a-u] Hz,

beide parameters weerspiegelen de grootte van de kaakhoek. Er werden voor groen

significant hogere waarden teruggevonden, waaruit bijgevolg bleek dat groene

stemmen meer zogenaamde “verticaliteit” toepassen tijdens de spraak. Wat betreft

24

de mediaan van de spreektoonhoogte werd een significant hogere waarde

teruggevonden in vergelijking met andere stemmen. Ook de

spreektoonmodulatiediepte vertoonde een significant hogere waarde bij de groene

stemmen. Dit wil dus zeggen dat de groene stemmen meer de neiging hebben om

grotere sprongen te maken in toonhoogte tijdens de spraak. Het tempo waarin deze

sprongen gemaakt worden ligt eveneens significant hoger in vergelijking met andere

stemmen. Zie tabel 9 en 10.

Tabel 9: beschrijvende waarden voor de kleur groen


Opp KD (Hz²) 28 107 626 402,14 131,031

a-i Hz 28 371 823 597,39 119,662

a-u Hz 28 310 821 574,82 122,475

mediaan

spreektoonhoogte 28 119 231 170,54 25,096

Spreektoonmodulatie

diepte 28 26 65 44,36 10,195

Spreektoonmodulatie

tempo 28 33 101 71,36 14,090


25

Tabel 10: beschrijvende waarden voor de andere kleuren vergeleken bij groen


Opp KD (Hz²) 155 54 624 314,55 102,003

a-iHz 155 106 756 473,11 113,969

a-uHz 155 32 724 449,34 113,310

mediaan


Spreektoonmodulatie

diepte 155 17 66 37,37 10,016

Spreektoonmodulatie

tempo 155 31 116 64,29 15,613


6.2.5 Rood

Voor de rode stemmen werden geen significante waarden teruggevonden.

6.2.6 Zwart

Tot slot werden bij de zwarte stemmen significante verschillen gevonden voor

volgende parameters: oppervlakte klinkerdriehoek (Hz²), [a-i] (Hz), [a-u] (Hz) en de

mediaan van de spreektoonhoogte. Er werd een opvallend kleinere klinkerdriehoek

geobserveerd bij de zwarte stemmen. De klinkers worden dus ‘neutraler’

uitgesproken in vergelijking met de andere stemmen. Ook de mediaan van de

spreektoonhoogte vertoonde significant lagere waarden. Zie tabel 11 en 12.

26

Tabel 11: beschrijvende waarden voor de kleur zwart


Opp KD (Hz²) 22 54 443 262,23 84,679

a-i Hz 22 106 626 409,55 114,682

a-u Hz 22 32 605 383,91 125,381

mediaan



Tabel 12: beschrijvende waarden voor de andere kleuren vergeleken bij zwart


oppKDHz² 161 107 626 336,94 111,501

a-iHz 161 231 823 503,41 120,065

a-uHz 161 203 821 480,10 118,492

mediaan



6.3 Interbeoordelaarsbetrouwbaarheid

Om de interbeoordelaarsbetrouwbaarheid te meten werd gekeken in welke mate de

eerste twee juryleden overeenkwamen in hun keuze van de stemkleur. Bij de eerste

twee juryleden (R. en L.) werd een significante overeenkomst gevonden (p < 0,01).

Daarna werden de resultaten geïnterpreteerd volgens Landis & Koch (er werd dus

gekeken naar de waarde van de Kappa-coëfficiënt):

Goed κ > 0.80

Substantieel 0.61 ≤ κ ≤ 0.80

Matig 0.41 ≤ κ ≤ 0.60

27

Redelijk 0.21 ≤ κ ≤ 0.40

Zwak κ ≤ 0.20

De Kappa-coëfficiënt bedraagt hier 0,33 waardoor kan besloten worden dat deze

twee juryleden een redelijke interbeoordelaarsbetrouwbaarheid hebben. Zie tabel 13.

Tabel 13: Kappa-coëfficiënt van R. en L.

Value Asymp.

Std. Error

Approx.

T

Approx.

Sig.

Measure of

Agreement Kappa ,330 ,145 3,075 ,002

N of Valid Cases 16

Daarna werden het tweede en derde jurylid met elkaar vergeleken (L. en G.). Bij hen

was er eveneens een significante overeenkomst (p < 0,05). De waarde van de

Kappa-coëfficiënt bedraagt voor hen 0,249 wat opnieuw wijst op een redelijke

interbeoordelaarsbetrouwbaarheid. Zie tabel 14.

Tabel 14: Kappa-coëfficiënt van L. en G.

Value Asymp.

Std. Error

Approx.

T

Approx.

Sig.

Measure of

Agreement Kappa ,249 ,147 2,265 ,024

N of Valid Cases 16

Ten slotte werden het eerste en derde jurylid met elkaar vergeleken (G. en R.). Ook

hier bleek de overeenkomst significant (p < 0,01) waarbij de waarde van de Kappa-

coëfficiënt gelijk was aan 0, 318. Zie tabel 15.

28

Tabel 15: Kappa-coëfficient van G. en R.

Value Asymp.

Std. Error

Approx.

T

Approx.

Sig.

Measure of

Agreement Kappa ,318 ,144 2,810 ,005

N of Valid Cases 16

In het algemeen werd dus een redelijke interbeoordelaarsbetrouwbaarheid gevonden

voor alle juryleden.

7. Discussie

Bij de Mann-Whitney U Test werden voor de blauwe stemmen drie significant

verschillende parameters gevonden: minder nadrukkelijke articulatiemanoeuvres met

de tong en een rustiger intonatie- en articulatiepatroon. Deze parameters kunnen dus

makkelijker in verband gebracht worden met de luisteraarsindrukken “zakelijk,

betrouwbaar”, maar minder met de concepten “helder, fris”. Ook bij de

beslissingsbomen werden minder nadrukkelijke articulatiemanoeuvres gevonden

voor blauw, een significant spreektoonmodulatietempo werd hier enkel gevonden

voor mannen. Significante waarden voor het articulatiepatroon werden niet

teruggevonden bij de beslissingsbomen. Wel vond men dat een hogere

spreektoonhoogte (>116 Hz) significant is voor mannen met een blauwe stem. Hier

kunnen de eigenschappen “helder” en “fris” aan worden toegekend.

Voor bruine stemmen werden geen significant verschillende waarden gevonden in de

Mann-Whitney U Test. Mogelijks is juist het ontbreken van opvallende kenmerken

juist tekenend voor de luisteraarsindrukken “vertrouwd, evenwichtig”. Uit de

beslissingsbomen bleek echter dat de kleine kaakhoek een belangrijke factor is in het

voorspellen van een bruine stem. Voor de vrouwen zag men dat een lage mediane

spreektoonhoogte (<= 160 Hz) grotendeels overeenkomt met een bruine stem. Deze

laatste twee parameters kunnen in verband worden gebracht met bepaalde

adjectieven die typisch zijn voor een bruine stem: “aards” en “warm”.

29

De twee significant verschillende parameters voor fuchsia stemmen (nadrukkelijker

articulatiemanoeuvres met de tong, vinniger intonatiepatroon) kunnen makkelijk in

verband gebracht worden met de luisteraarsindrukken “snedig, avontuurlijk, pittig,

energiek”. Voor de beslissingsboom werden echter geen significante parameters

teruggevonden.

Bij de groene stemmen vond men als typerende eigenschappen: grotere

klinkercontrasten, vooral door nadrukkelijker kaakmanoeuvres, hogere spreekstem,

grotere toonhoogtesprongen en vinniger toonhoogtepatroon. Deze eigenschappen

kan men intuïtief makkelijk associëren met de luisteraarsindrukken “actief, levendig,

sprankelend, onbevangen, fris.” Wat betreft de beslissingsbomen wordt eveneens

een significante grotere kaakhoek gevonden. Voor de vrouwen werd ook een hogere

mediane spreektoonhoogte (>183 Hz) teruggevonden. Indien een vrouwelijke stem

slechts een gemiddelde mediane spreektoonhoogte heeft, kan een hogere waarde

voor de kaakhoek ([a-u] Hz) wel opnieuw een indicatie zijn voor een groene stem.

Zoals eerder vermeld kan een hoge mediane spreektoonhoogte in verband worden

gebracht met de luisteraarsindruk “fris”.

Voor de rode stemmen werden geen significante waarden teruggevonden. Dit kan

als een weerspiegeling van de kenmerken “rijp, vertrouwd” gezien worden maar dan

weer niet van de eigenschappen “vurig en energiek”.

Bij zwart kon men de significante eigenschappen (minder uitgesproken

klinkercontrasten, vooral door minder opvallende kaakmanoeuvres, lagere

spreekstem) intuïtief makkelijk associëren met de luisteraarsindrukken “ rustig, wijs”

maar misschien minder met “sonoor, gezag, intelligent, kracht”. “Sonoor” zou echter

naar een grotere spectrale densiteit kunnen verwijzen, die het gevolg is van een

lagere grondtoon. Voor de beslissingsboom werden er enkel significante resultaten

gevonden voor mannen. Als er mannen waren met een lage mediane

spreektoonhoogte (<= 116 Hz) vond men overwegend zwarte stemmen. Dit kan

bijdragen tot de luisteraarsindrukken “sonoor”, “wijs” en “gezag”.

7.1 Vergelijking van de testen

Als algemene observatie kan gesteld worden dat beide testen een aantal

overeenkomsten hebben. Er werd enkel rekening gehouden met de parameters die

volledig overeenkwamen. Indien in een test significante resultaten werden gevonden

30

voor een bepaalde parameter, maar deze significantie kwam slechts overeen voor

één van de geslachten in de andere test, dan werd dit niet in rekening genomen

maar werden hier wel mogelijke verklaringen voor gezocht. Enkel voor blauwe

stemmen werden bij beide testen een lagere tongheffing gevonden, een grotere

kaakhoek bij de groene stemmen en geen significantie bij de rode stemmen. Hieruit

werd besloten dat rode stemmen op basis van de gehanteerde parameters niet

kunnen gedefinieerd worden. Verder onderzoek met inbegrip van andere parameters

kan hiervoor zinvol zijn. Op basis van de onderzoeksgegevens kan gesteld worden

dat bij observatie van een lage tongheffing de kans statistisch groter is om een

blauwe stem te hebben, dit zowel voor mannen als vrouwen. Voor de groene

stemmen blijkt een grote kaakhoek significant ten opzichte van de andere stemmen,

zowel voor mannen als voor vrouwen.

Aangezien deze parameters significant waren in beide testen kunnen deze

bevindingen waardevol zijn voor de therapeutische setting.

Bij de blauwe stemmen werd zowel bij de beslissingsboom als bij de Mann-Whitney

U Test een significant lager spreektoonmodulatietempo vastgesteld, maar de

beslissingsboom preciseerde dit voor de mannelijke stemmen. Er waren iets meer

mannen vertegenwoordigd bij de blauwe stemmen (54,7%) waardoor de geringere

intonatiesprongen misschien kunnen toegewezen worden aan geslachtskenmerken

eerder dan aan een blauwe stem. Vrouwen zijn immers doorgaans geneigd om een

meer variabel intonatiepatroon te gebruiken (Ko et al (2006)).

Voor de groene stemmen werd in beide testen een hoger mediane spreektoonhoogte

gevonden. Bij de beslissingsboom werd dit echter gespecificeerd voor de vrouwelijke

stemmen. De Mann-Witney U Test maakte dit onderscheid niet. Deze resultaten

kunnen verklaard worden door het hoge percentage vrouwen (82,1%) in de groene

stemmen.

Hetzelfde werd gevonden voor de mannen bij de zwarte stemmen. Er was een hoger

percentage aan mannen bij deze stemmen, waardoor het aandeel van de

spreektoonhoogte zwaarder doorwoog bij de Mann-Witney U Test.

31

Tabel 16: vergelijking van de significante resultaten van beide testen

Beslissingsboom Mann-Witney U-test

blauw meer dorsale tongheffing, hogere spreektoonhoogte voor mannen, lager spreektoonmodulatietempo voor mannen

meer dorsale tongheffing, spreektoonmodulatietempo en articulatiesnelheid

bruin kleinere kaakhoek, lagere spreektoonhoogte voor vrouwen, hoger spreektoonmodulatietempo indien hoog spreektoonhoogte bij mannen

geen significantie

fuchsia geen significantie meer frontale tongheffing, hoger spreektoonmodulatietempo

groen grotere kaakhoek, hogere spreektoonhoogte voor vrouwen, bij gemiddelde spreektoonhoogte is een hogere kaakhoek sign. voor vrouwen

grotere kaakhoek, hoger spreektoonhoogte, hogere spreektoonmodulatiediepte en –tempo, grotere opp KDH

rood geen significantie geen significantie

zwart lagere spreektoonhoogte voor mannen, kleinere kaakhoek voor vrouwen,

lagere mediaan spreektoonhoogte, meer dorsale tongheffing, kleiner opp KDH,

7.2 Interbeoordelaarsbetrouwbaarheid

Voor de interbeoordelaarsbetrouwbaarheid werd in het algemeen een significante

Kappa-coëfficiënt gevonden met slechts een redelijke betrouwbaarheid voor alle

juryleden (Redelijk: 0.21 ≤ κ ≤ 0.40). Dit lage resultaat kan verschillende oorzaken

hebben. Ten eerste werd ondervonden dat de juryleden onderling geen

eenstemmigheid hadden over het gevoel dat bij een bepaalde stem hoorde. De

juryleden waren tot nu toe ook gewend om altijd samen tot een beslissing te komen

over een bepaalde stemkleur, maar nu kregen ze de opdracht om dit ieder voor zich

te bepalen. Een grondige individuele training voor het bepalen van de stemkleur kan

hier nuttig zijn. Een duidelijkere definiëring van de stemkleuren is bovendien nodig

om tot een eenduidige conclusie te komen. Dit kan ook behulpzaam zijn als er

nieuwe juryleden worden aangeworven, zodat duidelijk is welke criteria gehanteerd

werden. De juryleden kregen ook vooraf te horen wie er telkens het betreffende

32

spraakstaal had ingesproken. Dit is mogelijks een complicatie bij deze controleproef.

Als de spreker bekend was bij de beoordelaars of zelfs een dichte collega was,

spelen mogelijks factoren mee zoals opvattingen en herinneringen over typische

gedragingen, standpunten, …

7.3 Vergelijking met vorige thesis

De voorgaande studie “Is je spreekstijl groen of zwart? Op verkenning naar

akoestisch-prosodische correlaten in het prosogram.” (Timmermans, Vermeersch, &

Maryn, 2011) bespreekt enkel de kleuren groen en zwart. Hierdoor kunnen dus ook

enkel deze kleuren vergeleken worden. In het voorgaande onderzoek werden

voornamelijk parameters gebruikt van het prosogram-profiel, hetgeen hier niet

onderzocht werd. Het vorige onderzoek kwam eveneens tot de conclusie dat

geslacht een extra variabele is waarmee moet rekening gehouden worden. In deze

studie werd namelijk ook besloten dat er voornamelijk vrouwen bij de groene

stemmen en mannen bij de zwarte stemmen zaten. De significante resultaten wat

betreft spreektoonhoogte werden eerder toegewezen aan geslachtsverschillen dan

aan de verschillen in stemkleur. Net zoals in het vorige onderzoek werd gevonden

dat groene stemmen een hogere spreektoonmodulatiediepte hebben. Bij het huidige

onderzoek werd echter enkel gekeken naar de afstand tussen het 25ste en 75ste

percentiel, terwijl bij de voorgaande studie gekeken werd naar de percentages

waarin de F0 varieerde. Men heeft dus niet exact naar dezelfde waarden gekeken

waardoor de gevonden overeenkomst mogelijks gebaseerd is op puur toeval. Er kan

dus gesteld worden dat de resultaten grotendeels overeenkomen wat betreft de

gemeenschappelijke parameters.

In dit onderzoek werd echter een meerwaarde gecreeërd door de

interbeoordelaarsbetrouwbaarheid mee in rekening te nemen. Dit ontbrak nog in de

vorige studie. Ook werd er in de vorige studie vermeld dat de temporele variabelen

niet statistisch significant waren voor groen en zwart. In deze huidige studie geeft de

Mann-Witney U-test, dezelfde test die indertijd ook werd gebruikt, echter wel

statistische significantie aan voor spreektoonmodulatietempo bij de groene stemmen.

7.4 Voor- en nadelen van ons onderzoek

Op basis van de bevindingen van dit onderzoek kan gesteld worden dat het voor

enkele kleuren mogelijk is om deze op basis van akoestische parameters te

33

identificeren. Dit geldt voor de blauwe en de groene stem in grote mate, en voor

zwart, bruin en fuchsia in mindere mate. Dit kan bijgevolg interessant zijn voor

professionele stemgebruikers die hun stemkleur willen aanpassen aan de context

waarin hun stem zal worden gebruikt.

Als men een (meer) groene stem wil bekomen kan het in therapie interessant zijn om

te werken op de eerste formant. Door een grotere verticaliteit (en bijgevolg ook een

grotere kaakhoek) te verkrijgen kan de stem meer voldoen aan de karakteristieken

van de groene stem. Hier kunnen oefeningen op groot mechanisme en

mondmotorische oefeningen nuttig zijn om een grotere kaakval te stimuleren (bv. het

plaatsen van een kurk tussen de tanden).

Als men een meer blauwe stem wil bekomen, kan het nuttig zijn om in de therapie te

oefenen op een meer dorsale tongheffing. Dit doet men door vooral te werken op de

lage klinkers. De patiënt kan zich bewust worden van de dorsale tongheffing door het

produceren van syllaben met lage klinkers in combinatie met velairen (bv.: [k]).

Aangezien bij deze velairen de tong zich al op een dorsale positie bevindt, wordt de

overgang naar de vocalen gefaciliteerd.

Helaas is er momenteel slechts voldoende significantie voor de blauwe en de groene

stem. Wat de andere stemmen betreft kunnen nog geen eenduidige conclusies

worden getrokken. Voor de beslissingsbomen zijn er slechts voor enkele parameters

voldoende hoge voorspelbaarheidspercentages. Ook was er een ongelijke verdeling

van de geslachten, waardoor mogelijks de parameter ‘mediane spreektoonhoogte’

eerder een indicatie is voor geslachtsverschillen dan voor verschillen in stemkleur.

Ook bestaat er geen eenduidige definitie voor ‘stemkleur’. Zo is het mogelijk dat één

persoon meerdere stemkleuren heeft, bijvoorbeeld onder invloed van emotie. Met

andere woorden de interindividuele variatie werd niet nagegaan. Ook zijn de

geanalyseerde data slechts opnames, dus de perceptuele ruis of meetfouten kunnen

altijd een meespelende factor zijn.

Verder kan de interbeoordelaarsbetrouwbaarheid verbeterd worden, aangezien deze

in dit onderzoek aan de lage kant lag.

34

7.5 Verder onderzoek

Verder onderzoek is zeker nog vereist. Zo kan in de toekomst gebruik worden

gemaakt van andere parameters, bijvoorbeeld het nasaliteitspercentage, de

Dysphonia Severity Index, toonhoogte range,…

Wat betreft de stemkleur van de proefpersonen kon de invloed van emotie niet

volledig worden uitgesloten. Dit kan in toekomstige studies dus zeker nog onderzocht

worden, zodat een grote intra-individuele variatie zoveel mogelijk kan geweerd

worden.

Ook de intrabeoordelaarsbetrouwbaarheid van de juryleden kan nog worden getest.

Zo kan een beter beeld bekomen worden van de gehanteerde criteria van de

subjectieve beoordeling van de stemkleur.

Verder kan nog de invloed van het geslacht uitgesloten worden door een meer

gelijke verdeling van de geslachten over de kleuren.

8. Conclusie

Uit dit onderzoek kan worden afgeleid dat er inderdaad een aantal parameters zijn

die het toelaten om een stem in te delen in een stemkleur. De meest betrouwbare

parameters zijn de contrasten tussen [i–u], [a–i] en tussen [a–u], die respectievelijk

instaan voor de plaats van de tongheffing en de grootte van de kaakhoek. Slechts

voor de groene en blauwe stemmen werd voldoende significantie gevonden. Hier

bleken respectievelijk een meer dorsale tongheffing en een grote kaakhoek een

belangrijke rol te spelen bij de categorisatie van stemmen in een kleur. De gevonden

parameters bij groen en blauw kunnen enigszins gerelateerd worden aan de

adjectieven die bij deze kleuren passen. Helaas kunnen de andere parameters met

slechts weinig zekerheid een bepaalde kleur voorspellen. Ook is er een ongelijke

verdeling van de geslachten waardoor de resultaten mogelijk onbetrouwbaar zijn.

Verder onderzoek is nodig, zo ook een betere interbeoordelaarsbetrouwbaarheid en

meer materiaal om andere parameters te kunnen testen. Ook moet de

intrabeoordelaarsbetrouwbaarheid worden onderzocht.

35

9. Appendices

Bijlage 1: Figuur 1: diagram stemkleuren

36

Bijlage 2: Scoreformulier (8/11/2011)

Scoreformulier Hertesting Naam Blauw Groen Fuchsia Rood Zwart Bruin

1.

2

3

4

5

6

7

8

9

10

11

12

13

14

15

37

Bijlage 3: Figuur 2: voorbeeld klinkerdriehoek in het venster Praat Picture

Bijlage 4: Figuur 3: outcome in het Praat Picture venster bij uitvoering script

‘klemtoon.txt’

iiii

iiii ii

iiiiiiii i i i

i ii

i

iii iiiiiii i i ii

iiii ii iii i ii

a aa a

a

aaaa

a

a

a

aa

a

a

aaa

a

a

a

aaa

aaaa a

a

a

a

a

a

a

a

a

a

a

a

aa

a uuuuu

uuu u

uuuu

uu

uuuuuuuuuuuuuu uuu

100

200

300

400

500

600

700

800

900

1000

1100

1200

1300

1400

150040060080010001200140016001800200022002400260028003000

50010001500200025003000

500

1000

1500

(<=FRONT) 2nd formant (BACK =>)

(<=

OP

EN

) 1

st

form

an

t (C

LO

SE

D =

>)

personalia (u:7,a:5,i:5)

VOWEL SPACE

250K (Hz2)

1608 Hz F2-contrast i-u

334 Hz F1-contrast a-i

294 Hz F1-contrast a-u

1.03 FCR(centralization ratio, max:0)

2.6 F2-ratio i/u

script P

. C

ort

hals

0 9 18 27 36 45

81.19

57.48

76.73

67.88

Md I0

238.8

122.9

189.3

142.1

Md F0

Hz (

bla

uw

e s

tip

pen z

ijn g

rondto

nen)

dB

* (rode lijn

duid

t op s

terk

teverlo

op

)

opname 46.67 sec. (waarvan 37.51 spraak) / stiltegrens op 61dB / 86 % stemhebbendscript P.Corthals HoGent & Ugent

Kengetallen Grondtoon Sterkte

Mediaan: 157 Hz 74 dB*

Modulatie (pctl 25-75): 47 Hz (142-189) 9 dB (68-77)

Modulatietempo: 85 Hz/sec (142-189) 40 dB/sec (68-77)

183 Hz/sec (123-239) 102 dB/sec (57-81)

* = dB-niveau zonder ijkcorrectie

38

Bijlage 5: Figuur 4: voorbeeld outcome hellingsgraad in Praat Picture venster na

script ‘LTAS.txt’

Frequency (Hz)0 104

So

und p

ressure

level (d

B/

Hz)

-20

80helling (0,6->4kHz) 0.847dB

4000600

39

Node 0Category % n

blauw 29,0 53

bruin 23,0 42

fuchsia 9,8 18

groen 15,3 28

rood 10,9 20

zwart 12,0 22

Total 100,0 183

Node 3Category % n

blauw 30,6 11

bruin 11,1 4

fuchsia 11,1 4

groen 41,7 15

rood 2,8 1

zwart 2,8 1

Total 19,7 36

Node 1Category % n

blauw 24,3 18

bruin 28,4 21

fuchsia 6,8 5

groen 4,1 3

rood 13,5 10

zwart 23,0 17

Total 40,4 74

Node 2Category % n

blauw 32,9 24

bruin 23,3 17

fuchsia 12,3 9

groen 13,7 10

rood 12,3 9

zwart 5,5 4

Total 39,9 73

kleuren

a-iHzP-value < 0,001; Chi square= 43,262; df= 10

(454,0-589,0) > 589,0< = 454, 0

Node 7Category % n

blauw 30,6 11

bruin 11,1 4

fuchsia 11,1 4

groen 41,7 15

rood 2,8 1

zwart 2,8 1

Total 19,7 36

Node 5Category % n

blauw 0,0 0

bruin 87,5 7

fuchsia 0,0 0

groen 0,0 0

rood 0,0 0

zwart 12,5 1

Total 4,4 8

Node 6Category % n

blauw 15,8 3

bruin 10,5 2

fuchsia 10,5 2

groen 21,1 4

rood 31,6 6

zwart 10,5 2

Total 10,4 19

(1444,0-1605,0)

(1605,0 – 1679,0)(1371,0 -1444,0)

i-uHzP-value < 0,001; chi square= 68,373;

df=20

Node 8Category % n

blauw 16,7 1

bruin 33,3 2

fuchsia 0,0 0

groen 50,0 15

rood 0,0 0

zwart 0,0 0

Total 3,3 6

Node 4Category % n

blauw 58,8 20

bruin 11,8 4

fuchsia 8,8 3

groen 8,8 3

rood 8,8 3

zwart 2,9 1

Total 18,6 34

>1679< = 1371

Bijlage 6: Grafiek 2: beslissingsboom per kleur

40

Bijlage 7: Grafiek 3: beslissingsboom voor geslacht ‘vrouw’

Node 0Category % n

blauw 22,2 24

bruin 24,1 26

fuchsia 12,0 13

groen 21,3 23

rood 11,1 12

zwart 9,3 10

Total 100,0 108

Node 3Category % n

blauw 36,8 7

bruin 5,3 1

fuchsia 0,0 0

groen 47,4 9

rood 10,5 2

zwart 0,0 0

Total 19,7 36

Node 1Category % n

blauw 12,1 4

bruin 42,4 14

fuchsia 3,0 1

groen 9,1 3

rood 12,1 4

zwart 21,2 7

Total 30,6 33

Node 2Category % n

blauw 23,2 13

bruin 19,6 11

fuchsia 21,4 12

groen 19,6 11

rood 10,7 6

zwart 5,4 3

Total 51,9 56

kleuren

Mediaan spreektoonhoogteP-value < 0,05; Chi square= 36,108; df= 10

(160,0-183,0) > 183,0< = 160,0

Node 6Category % n

blauw 29,0 9

bruin 12,9 4

fuchsia 19,4 6

groen 32,3 10

rood 6,5 2

zwart 0,0 0

Total 28,7 31

Node 4Category % n

blauw 0,0 0

bruin 0,0 0

fuchsia 20,0 1

groen 20,0 1

rood 0,0 0

zwart 60,0 3

Total 4,6 5

Node 5Category % n

blauw 20,0 4

bruin 35,0 7

fuchsia 25,0 5

groen 0,0 0

rood 20,0 4

zwart 0,0 0

Total 18,5 20

(344,0-506,0)

> 506< = 344,0

a-uHzP-value < 0,001; chi square= 45,699;

df=10

41

Node 4Category % n

blauw O,0 0

bruin 50,0 3

fuchsia 16,7 1

groen 0,0 0

rood 0,0 0

zwart 33,3 2

Total 8,0 6

Node 3Category % n

blauw 61,5 24

bruin 10,3 4

fuchsia 10,3 4

groen 12,8 5

rood 5,1 2

zwart 0,0 0

Total 52,0 39

< = 71,0

> 71,0

spreektoonmodulatietempoP-value < 0,05; chi square= 23,242; df=5

Bijlage 8: Grafiek 4: beslissingsboom voor het geslacht ‘man’

Node 0Category % n

blauw 38,7 29

bruin 21,3 16

fuchsia 6,7 5

groen 6,7 5

rood 10,7 8

zwart 16,8 12

Total 100,0 75

Node 2Category % n

blauw 53,3 24

bruin 15,6 7

fuchsia 11,1 5

groen 11,1 5

rood 4,4 2

zwart 4,4 2

Total 60,0 45

Node 1Category % n

blauw 16,7 5

bruin 30,0 9

fuchsia 0,0 0

groen 0,0 0

rood 20,0 6

zwart 33,3 10

Total 40,0 30

kleuren

Mediaan spreektoonhoogteP-value < 0,001; Chi square= 28,158; df= 5

> 116,0< = 116,0

42

10. Referenties

Boersma, P., & Weenink, D. (2012). Praat (Version 5.3.12). Amsterdam. Retrieved from

www.praat.org Corporation, I. (2011). IBM SPSS Decision Trees. Retrieved from www.ibm.com website:

http://www-01.ibm.com/software/analytics/spss/products/statistics/decision-trees/features.html

Erikson, M. L., Perry, S., & Handel, S. (2001). Discrimination functions: can they be used to classify singing voices? Journal of Voice, 15(4), 11.

Mertens, P. Automatische analyse en synthese van taal en spraak - Taalkunde: Frans, Italiaans en comparatieve taalkunde, from http://ghumweb2.ghum.kuleuven.ac.be/doctoralschool/documents/ICT%20Studiedag/presentatie%20P%20Mertens.pdf

Moor, G. D., & Maele, G. V. (2008). Inleiding tot de biomedische statistiek. Leuven/Den Haag: acco. Mullenix, J. W., Bihon, T., Bricklemyer, J., Gaston, J., & Keener, J. M. (2002). Effects of variation in

emotional tone of voice on speech perception. Language and Speech, 45(3), 30. . Multivoice International Voice Agency. (2012), from http://www.multivoice.nl/ Murray, I. R., & Arnott, J. L. (1993). Towards the stimulation of emotion in synthetic speech: A

review of the literature on human vocal emotion. Journal of the Acoustical Society of America(2), 11.

Timmermans, B., Vermeersch, M., & Maryn, Y. (2011). Is je spreekstijl groen of zwart? Op verkenning naar akoestisch-prosodische correlaten in het prosogram. bachelor, Gent.

http://www.praat.org/

http://www.ibm.com/



http://ghumweb2.ghum.kuleuven.ac.be/doctoralschool/documents/ICT%20Studiedag/presentatie%20P%20Mertens.pdf

http://ghumweb2.ghum.kuleuven.ac.be/doctoralschool/documents/ICT%20Studiedag/presentatie%20P%20Mertens.pdf

http://www.multivoice.nl/

Faculteit Geneeskunde en Gezondheidswetenschappen 2011...

Documents

Transcript of Faculteit Geneeskunde en Gezondheidswetenschappen 2011...