Faculteit Geneeskunde en Gezondheidswetenschappen 2011...
Transcript of 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%
Overall Percentage 39,8%
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%
Overall Percentage 49,3%
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
N Minimum Maximum Mean S.D.
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
Valid N (listwise) 130
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
N Minimum Maximum Mean S.D.
i-uHz 18 901 1810 1502,00 260,494
Spreektoonmodulatie
tempo 18 52 110 73,39 16,324
Valid N (listwise) 18
Tabel 8: beschrijvende waarden voor de andere kleuren vergeleken bij fuchsia
N Minimum Maximum Mean S.D.
i-uHz 165 461 1880 1351,58 258,634
Spreektoonmodulatie
tempo 165 31 116 64,50 15,276
Valid N (listwise) 165
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
N Minimum Maximum Mean S.D.
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
Valid N (listwise) 28
25
Tabel 10: beschrijvende waarden voor de andere kleuren vergeleken bij groen
N Minimum Maximum Mean S.D.
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
spreektoonhoogte 155 103 211 146,17 27,217
Spreektoonmodulatie
diepte 155 17 66 37,37 10,016
Spreektoonmodulatie
tempo 155 31 116 64,29 15,613
Valid N (listwise) 155
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
N Minimum Maximum Mean S.D.
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
spreektoonhoogte 22 103 180 134,41 25,307
Valid N (listwise) 22
Tabel 12: beschrijvende waarden voor de andere kleuren vergeleken bij zwart
N Minimum Maximum Mean S.D.
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
spreektoonhoogte 161 105 231 152,02 28,029
Valid N (listwise) 161
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.