Wie zuverl - PowerPoint PPT Presentation

About This Presentation
Title:

Wie zuverl

Description:

Wie zuverl ssig sind auditive Analysen von Versprechern? Ludwig-Maximilians-Universit t M nchen Institut f r Phonetik und Sprachverarbeitung – PowerPoint PPT presentation

Number of Views:102
Avg rating:3.0/5.0
Slides: 41
Provided by: READ45
Category:
Tags: tauchen | wie | zuverl

less

Transcript and Presenter's Notes

Title: Wie zuverl


1
Wie zuverlässig sind auditive Analysen von
Versprechern?
  • Ludwig-Maximilians-Universität München
  • Institut für Phonetik und Sprachverarbeitung
  • Hauptseminar Die phonetische Analyse von
    Sprechfehlern
  • Dozent Prof. Dr. Jonathan Harrington
  • Referentin Sabine Barfüßer
  • Sommersemester 2007
  • 04.07.07

2
Verfahren zur Sammlung von Versprechern
  • Natürliche Versprecher
  • On-line Aufschreiben des Versprechers direkt
    nach dessen Wahrnehmung
  • Off-line Sammlung mit Hilfe von
    Tonaufzeichnungen
  • Experimentell eingeleitete Versprecher

3
Ansatz von J. P. Stemberger
  • Vergleich von natürlich auftretenden
    Sprechfehlern und experimentell eingeleiteten
    Sprechfehlern

4
  • Vergleich von Studien bei denen die selbe
    Fragestellung mit entweder natürlichen oder
    experimentell eingeleiteten Versprechern
    untersucht wurde
  • In den meisten Fällen führte Beides zu dem selben
    Ergebnis
  • In einigen widersprüchlichen Fällen war ein
    Ergebnis signifikant, das Andere nicht (null
    result).
  • In 3 Fällen wurden unterschiedliche Ergebnisse
    erzielt ? Können auf die unterschiedliche
    Aufgabenstellung zurückgeführt werden

5
  • Versprecher die unter natürlichen Bedingungen
    gesammelt wurden sind verlässlich
  • ?Ihre Ergebnisse können bei experimentellen
    Studien zu Versprechern wiederholt werden

6
Schlussfolgerungen
  • Die experimentell gesammelten Daten zu
    Versprechern zeigen
  • Daten die unter natürlichen Bedingungen gesammelt
    wurden sind valide
  • Wahrnehmungsfehler können ausgeschlossen werden
  • Unter natürlichen Bedingungen gesammelte Daten zu
    Versprechern zeigen
  • Experimentell gesammelte Daten entsprechen gut
    der natürlichen Sprache

7
Ansatz von Rosa Ferber
  • Studie
  • Datenmaterial von spontanen Versprechern wird
    auf seine Genauigkeit überprüft

8
Der Fachausdruck Slip of the Tongue
  • Keine genaue, zufrieden stellende Definition
  • Häufigste Definition an unintended, nonhabitual
    deviation from a speech plan
  • Bei Ferber 3 Kriterien zur Identifizierung eines
    Versprechers
  • Korrekte Äußerung muss vorhanden bzw.
    rekonstruierbar sein
  • Nicht-korrekte Äußerung muss vollständig
    vorhanden sein
  • Der Versprecher muss Hinzufügung, Auslassung,
    Ersetzung, Verschiebung, Vertauschung oder
    Vermischung von Einheiten, oder Mischung dieser
    Möglichkeiten sein

9
Mögliche Fehlerquellen bei der Sammlung von
Versprechern
  • Fehler während der Aufzeichnung
  • Versprecher werden nicht erkannt
  • Versprecher werden vergessen
  • Unterscheidung Versprecher oder andere
    Redefluss-Störung wird zu langsam oder falsch
    getroffen
  • Zeitmangel bei Anhäufung von Versprechern

10
Mögliche Fehlerquellen bei der Sammlung von
Versprechern
  • Fehlerhafte Aufzeichnung
  • Versprecher werden falsch wahrgenommen
  • Es wird sich falsch an Versprecher erinnert
  • Versprecher werden falsch notiert

11
Mögliche Fehlerquellen bei der Sammlung von
Versprechern
  • Fehlerhafte Klassifikation
  • Versprecher werden falsch notiert
  • Kontext der Versprecher wird falsch notiert
  • Kontext der Versprecher ist ungenügend

12
Methode
  • Material Diskussionsrunde im Radio, ein
    Moderator, vier Teilnehmer
  • Beim ersten Hören normales notieren der
    Versprecher
  • 3 Versuchspersonen (Erfahren in
    Versprechersammlung) erhalten das Tonband und
    notieren Versprecher on-line
  • ? 4 on-line Verschriftungen zu den Versprechern
    in dieser Diskussion

13
Methode
  • Anschließend off-line Verschriftung der
    Versprecher durch die Autorin
  • Eliminieren falscher slips (laut Kriterien) in
    on-line Transkriptionen
  • Vergleich on-line Ergebnisse und off-line
    Ergebnis

14
Methode Vergleich
  • 1. cp Versprecher in Äußerung, Versprecher
    notiert
  • fn Versprecher in Äußerung, kein Versprecher
    notiert
  • fp Kein Versprecher in der Äußerung,
    Versprecher notiert
  • 2. Bei cp Unterscheidung
  • Versprecher richtig transkribiert
  • Versprecher falsch transkribiert
  • 3. Wenn möglich
  • Einordnung der Versprecher in phonemisch,
    lexikalisch, grammatisch

15
Ergebnisse
  • Off-line Analyse 92 Sprechfehler, 51 davon slips
  • Zwischen 14 und 50 der Versprecher wurden
    gefunden

16
Ergebnisse
  • Ca. die Hälfte der gefundenen Versprecher wurde
    falsch protokolliert

17
Beispiel
  • Versprecher falsch transkribiert
  • Äußerung
  • in der (vorveri./.eh ? vorverie) ./. vorvorigen
    Periode
  • Transkriptionen
  • In der vorvorherigen ./. vorherigen Periode
  • In der ovor ./. vorvorigen Periode
  • Korrekte Äußerung
  • In der vorvorigen Periode

18
Ergebnisse
  • Person D hat keinen einzigen phonemischen slip
    erkannt
  • Person C und D haben die Hälfte der lexikalischen
    slips erkannt, A und B keinen einzigen
  • ? Welche slips notiert werden liegt an den
    Vorlieben der Versuchsperson
  • ? Es scheint keine slips zu geben die leichter zu
    entdecken sind als Andere
  • Wurden phonemische oder lexikalische Versprecher
    überhaupt notiert, waren sie stark abweichend
  • ? nicht der Fall bei grammatischen Versprechern

19
Ergebnisse
20
Schlussfolgerungen
  • Ca. 50 slips in 45 Minuten sind normal
  • ? Unmöglich bei einer on-line Transkription alle
    aufzuschreiben
  • Nur ein Bruchteil der Versprecher wird erkannt,
    ca. die Hälfte davon wird falsch notiert
  • Es ist nicht möglich bei der Sammlung von
    Versprechern Produktion und Perzeption
    auseinander zuhalten
  • ?Mit Hypothesen die auf unsicheren Analysen von
    Versprechern basieren sollte vorsichtig
    umgegangen werden

21
Weiterführende Studie von R. Ferber
  • Überprüfen von on-line und off-line
    Versprecher-Datenbanken bezüglich ihrer Validität
    und Reliabilität
  • Vergleich nur bezüglich lexikalischer (Phoneme
    und Cluster betreffend) und phonologischer
    (Wortstämme, Affixe und Wörter betreffend)
    Versprecher

22
(No Transcript)
23
  • On-line Datenbanken
  • Anteil an phonologischen Versprechern
  • 17 - 77
  • Anteil an lexikalischen Versprechern
  • 17 - 42
  • Off-line Datenbanken
  • Anteil an phonologischen Versprechern
  • 13 - 24
  • Anteil an lexikalischen Versprechern
  • 34 - 49

24
Schlussfolgerungen
  • Anteil an phonologischen Versprechern schwankt
    stark, meist sehr hoch
  • Es gibt ein systematisches Problem dabei, bei
    on-line Datenbanken Versprecher zu sammeln, die
    nichtphonologische Einheiten enthalten
  • ? On-line Datenbanken sind nicht reliabel
  • ? Ihre Qualität ist somit stark in Frage
    gestellt

25
Röntgenaufnahmen zu Versprechern
  • Beispiel aus Victor J. Bouchers Studie

26
Röntgenaufnahmen zur Genauigkeit von
transkribierten Versprechern
  • Versuchspersonen produzieren
  • Versprecher A
  • Korrigierte Form B
  • Beabsichtigt richtige Form von A
  • Satz
  • Nous hausserons nos trois routes
  • trois voûtes
  • Nous hausserons nos trois voûtes deux jours

27
  • Transkription der Äußerung durch 2 Phonetiker
  • Versprecher trois voûtes /tRwavut/
  • Korrektur trois routes /tRwaRut/
  • Analyse der Einzelbilder der Röntgenaufnahme für
    die unterstrichenen Laute

28
(No Transcript)
29
Begründung
  • Daten für Konsonant und Vokal wurden gleichzeitig
    aktiviert (nicht unabhängig)
  • Die Zunge schießt über die Position für das /u/
    hinaus
  • ? Es entsteht /R/ statt /v/
  • ? Manchmal sind sich weder Sprecher noch Zuhörer
    der wahren Natur des Versprechers bewusst

30
Ansatz von Anne Cutler
  • Das detectability problem

31
3 Ansätze zur Hypothesenbildung aus
Versprecher-Daten
  • Some errors Ansatz.
  • Einige Versprecher sind so beschaffen dass,
    also
  • Beschäftigt sich mit den charakteristischen
    Eigenschaften von auftretenden Versprechern
  • Bsp. Vermischung von zwei Wörtern
  • ? Bei der Selektion von Wörtern im Zuge der
    Produktion eines Satzes können 2 Wörter
    gleichzeitig in Erwägung gezogen werden

32
3 Ansätze zur Hypothesenbildung aus
Versprecher-Daten
  • More errors Ansatz
  • Es gibt mehr Versprecher die so beschaffen sind
    als so, daher
  • Beschäftigt sich mit der relativen Häufigkeit mit
    der bestimmte Versprecher im Datenmaterial
    auftreten
  • Bsp. Es tauchen mehr Aticipations als
    Perseverations auf
  • ? Die Aufmerksamkeit des Sprechers ist in die
    Zukunft gerichtet

33
3 Ansätze zur Hypothesenbildung aus
Versprecher-Daten
  • No Errors Ansatz
  • Keine Versprecher sind so beschaffen, daher
  • Beschäftigen sich mit Versprechern die nicht
    auftreten
  • Bsp. Versprecher die Sätze bilden, welche in der
    jeweilige Sprache phonologisch inkorrekt sind,
    treten fast nicht auf
  • ?Unmögliche outputs werden herausgefiltert bevor
    sie geäußert werden

34
Fehler in der Perzeption
  • Because they can answer inferential questiones
  • Perzipiert Because they can answer in French
  • Konsonanten häufiger betroffen als Vokale,
    unbetonte Silben häufiger betroffen als Betonte
  • Eine Ursache Bestreben des Hörers Sinn in die
    gehörte Äußerung zu legen

35
Auswirkung auf Hypothesenbildung
  • Hypothese (More Errors)
  • Versprecher enthalten häufiger betonte als
  • unbetonte Silben
  • Aber Perzeptionsfehler treten häufiger bei
    unbetonten Silben auf
  • ? Das könnte ein Grund dafür sein, dass in den
    Versprecher Daten Fehler, die unbetonte Silben
    enthalten, unterrepräsentiert sind

36
Auswirkung auf Hypothesenbildung
  • Hypothese (More Errors)
  • Laut-Fehler treten häufiger initial auf, als
    final
  • Aber Die initialen Laute eines Wortes vermitteln
    am meisten Bedeutung
  • Fehler am Wortanfang fallen sofort auf, Fehler in
    der Wortmitte bleiben eher unentdeckt
  • ? Da Versprecher am Wortanfang mehr auffallen,
    sind sie in den Versprecher-Sammlungen häufiger
    enthalten

37
Schlussfolgerungen
  • Es gibt Versprecher die leichter wahrgenommen
    werden als Andere
  • Some errors Hypothesen sind relativ robust
    dagegen
  • More errors Hypothesen müssen nicht gänzlich
    vermieden werden, sind aber anfällig
  • No errors Hypothesen sind sehr unsicher, da sie
    durch ein Gegenargument zerschlagen werden können

38
Allgemeine Empfehlungen der Autoren
  • Daten von unter natürlichen Bedingungen
    gesammelten Versprechern und
  • Daten von unter experimentellen Bedingungen
    eingeleiteten Versprechern parallel verwenden
  • Mögliche Wahrnehmungs-Fehler und ihre Folgen
    stets berücksichtigen

39
Literatur
  • Boucher, V. (1994) Alphabet related biases in
    psycholinguistic enquiries considerations for
    direct theories of speech production and
    perception, Journal of Phonetics, 22, 1-18.
  • Cutler, A. (1982) The reliability of speech error
    data. In A. Cutler (Ed.), Slips of the tongue and
    language production (pp. 7-28). Berlin Walter de
    Gruyter/Mouton also appeared in Linguistics
    (1981), 19, 561-582
  • Ferber R. (1991). Slip of the tongue or slip of
    the ear? On the perception and transcription of
    naturalistic slips of the tongue. Journal of
    Psycholinguistic Research, 20 (2), 105 122
  • Ferber, R. (1995)) The reliability and validity
    of slip-of-the-tongue corpora a methodological
    note, Linguistics, 33, 1169 1190
  • Stemberger, J. (1992) The reability and
    replicability of naturalistic speech error data.
    A comparison with experimentally induced errors
    in Baars, J. (Ed.) Experimental slips and human
    error exploring the architecture of volition,
    pp. 195 215 ( Plenum Press, New York 1992)

40
Vielen Dank für die Aufmerksamkeit
Write a Comment
User Comments (0)
About PowerShow.com