A jelen vizsgálathoz azon 12 nő és 12 férfi beszélőt választottuk ki, akik az eredeti felvételen 20–34 év közöttiek voltak (a nők átlagéletkora: 26,5 ± 3,8 év, a férfiaké: 27,0 ± 0,5 év), így a második alkalommal 30–44 év között (a nők átlagéletkora: 36,7 ± 3,8 év, a férfiaké: 37,4 ± 4,9 év) volt az életkoruk. Az adatközlők mindkét felvétel után megválaszoltak néhány, a beszédjellemzőik szempontjából fontos kérdést, de a második felvétel utáni, azaz kifejezetten az utánkövetés szempontjait figyelembe vevő kérdőív bővebb. Ebben a nemen és az életkoron kívül további, a beszédjellemzőiket esetlegesen befolyásoló tényezőkre kérdeztünk rá. Ezek közül azokat, amelyek kapcsolatban állhatnak a zöngeképzéssel, ugyancsak elemezzük a vizsgált alapfrekvencia-paraméterekre kapott adatokkal összefüggésben. A kérdőívben tájékoztatást kértünk többek között a résztvevők napi beszédterhelésére vonatkozóan, beleértve az átlagos beszédidőt, a zajban beszéléssel töltött időt, a megerőltetett (hangos, erőltetett) beszélés idejét. Ugyancsak szerepeltek kérdések a zöngeképzésre esetlegesen ható betegségekről, valamint gyógyszerekről (rákérdeztünk például a hormonális fogamzásgátló vagy egyéb hormontartalmú gyógyszerek szedésére), illetve a dohányzási szokásokra vonatkozóan.

A jelen vizsgálatban négy beszédtípust elemzünk: 1. az adatközlő életéről (tanulmányok/munka, esetleg család, hobbi) készült kvázimonologikus interjút, 2. egy növényekről szóló rövid ismeretterjesztő szöveg meghallgatása alapján elmondott tartalomösszegzést, 3. tizenöt mondat felolvasását és 4. egy tizenhárom mondatból álló szöveg felolvasását. Mind a két felolvasási feladatban különböző hosszúságú kijelentő mondatok szerepeltek. A négy különböző beszédfeladatot azért választottuk, hogy az azokban esetlegesen megmutatkozó egy-egy nem longitudinális hatást (pl. két felvétel esetében eltérő érzelmek) a további beszédfeladatokra kapott eredmények ellensúlyozhassák. Tehát ha például felmerülne, hogy a beszélő életéről készült interjú a két felvétel esetében eltérő érzelmektől befolyásolt adatokat ad, a további, olvasott és félspontán felvételek ellensúlyozhassák ezt a hatást.

Az alapfrekvencia értékét a Praat program (Boersma–Weenink 2021) segítségével mértük automatikusan, a Pitch (ac) paranccsal 50 ms-os ablakkal, 25 ms-os eltolással. Ezen parancsnak két paraméterét módosítottuk az alapbeállításhoz képest, a legalacsonyabb és a legmagasabb f0-értéket. A módosított határértékeket két próbamérés alapján határoztuk meg. Először Lindh és Eriksson (2007) tanulmányának értékeit vettük alapul, a nők esetében 140‒600 Hz között, a férfiakéban pedig 70‒400 Hz között mérve az alapfrekvenciát. Az így kapott értékek eloszlását az R szoftverben (R Development Core Team 2021) ábrázoltuk és elemeztük, illetve a Praatban az alacsony és magas értéktartományokat ellenőriztük. Ezek alapján igazítottuk a méréseket az alábbiak szerint: a legalacsonyabb f0-t a férfiak esetében 80 Hz-re, nők esetében 100 Hz-re, a legmagasabbat pedig a férfiaknál 250 Hz-re, illetve a nőknél 350 Hz-re állítottuk. Az alsó határértékek alatt csak irreguláris szakaszokból származó adatok szerepeltek, míg a felső határérték fölött egy-egy oktávugrásból származó adat volt található. Két beszélő esetében azonban eltérő beállítás volt indokolt: f10 a második felvételeken jellemzően magas alapfrekvencia-tartományt is gyakorta használt, n02 pedig általában alacsonyat. F10 esetében mindezek miatt a 80 és 350 Hz között, n02 esetében 65 és 300 Hz között mértünk. E két beszélő ejtésében ezek a tendenciák a jelen vizsgálat előzményében is megmutatkoztak (l. Markó et al. 2021). A Pitch (ac) parancs további beállításait az alapértelmezett értékkel használtuk. Az adatokat két módon nyertük ki: Hz-ben és félhangban 100 Hz-hez viszonyítva. (A 90 Hz kb. −1,82 félhang, a 180 Hz pedig 10,18 félhang 100 Hz-hez számítva.)

Az így kapott értékeket az R szoftverben tisztítottuk és elemeztük. A frekvenciaértékeket szűrésnek vetettük alá Henton (1989) ajánlása alapján (hasonlóan Waksler 2015-höz). Az extrém kiugró értékeket (az interkvartilis tartomány háromszorosán túli adatpontokat) kizártuk, majd a megmaradt értékek alsó és felső 5%-nyi tartományát is eltávolítottuk. Azaz a fennmaradó 90%-nyi tartományon végeztük az elemzéseket.

Kiszámítottuk a beszélőnkénti átlagos alapfrekvenciát és annak szórását, de több beszélő ejtésében nem volt normál eloszlásúnak tekinthető az alapfrekvencia-tartomány, ezért a mediánt és az interkvartilis tartományt is kiszámítottuk. A felvételek közötti alapfrekvencia-változást a két felvételi időpontban az adott beszédtípusban kapott, félhangban mért medián különbségeként és a Hertzben kapott értékek különbségeként és százalékos eltéréseként is kiszámítottuk. A félhangban mért eltérés megfelelőbb képet ad (hiszen tekintettel van a humán észlelésre), míg a másik két módszer a korábbi irodalommal is összevethető. A félhangban számított változás esetében, ha pozitív számot kapunk, a második felvételen magasabb a medián értéke, ha pedig negatív számot, akkor alacsonyabb. A statisztikai elemzést két módon végeztük el. Mind a négy beszédtípusban beszédszakaszonként, azaz szünettől szünetig mért beszédegységben számított mediánokra, valamint az olvasott beszédtípusok esetében a mondatonként számított mediánokra.

A hangterjedelmet minden beszédtípus esetében az adott felvételi időpontban rögzített teljes felvételre (félhangban) mért legmagasabb és legkisebb f0-értékek közötti különbségként számítottuk ki. A hangközt ugyancsak a félhangban mért értékek különbségeként adtuk meg, de a hangközt a spontán és félspontán szövegben a beszédszakaszokra számítottuk ki, azaz nem vettük figyelembe a megnyilatkozások és tagmondatok határait, míg a felolvasott szöveg és a felolvasott mondatok esetében a mondatokra számítottuk ki ezeket az értékeket.

A számításokat és a statisztikai próbákat is az R szoftverben végeztük. Az alapfrekvencia-mediánoknak és a hangközértékeknek az összevetésére lineáris kevert modelleket alkalmaztunk az lme4 csomagban (Bates et al. 2015). A p-érték számítását Satterthwaite-approximációval az anova() függvénnyel végeztük el. A hatásnagyságokat (marginális és kondicionális, r2) a MuMIn (Bartoń 2020) és az afex (Singmann et al. 2021) csomagok használatával nyertük ki. A legbővebb modelltől a kisebb felé haladtunk az elemzésekben, azaz a nemet, a beszédtípust és a felvételi időt határoztuk meg fix hatásnak a legbővebb modellben, a szűkítés során pedig ezek közül csak a nemet és az egyik további faktort, illetve a még szűkebb modellben csak a nemet tartottuk meg. A függő változó a mondatonkénti/beszédszakaszonkénti f0-medián (Hz) és a hangközértékek (félhang) voltak. A mondatokra/beszédszakaszokra random konstanst, a felvételi időpontra beszélőnkénti random meredekséget állítottunk be. A legjobbnak minden esetben a mindhárom fix hatás interakcióját tartalmazó modell bizonyult, ezért ezt a modellt teszteltük a beszédtípusra és a felvételi időpontra, illetve csak az egyikre random meredekséget tartalmazó bővítéssel. A legjobbnak az a modell bizonyult, melyben a felvételi időpontra illesztettünk random meredekséget. A modellösszevetéseket ugyancsak az anova() függvénnyel végeztük, és ha a bővebb és a szűkebb modell szignifikánsan eltért, a bővebbet tartottuk meg. Amennyiben nem volt szignifikáns eltérés, az alacsonyabb AIC-számú modellt tartottuk meg (Akaike 1974). Minden elemzés esetében a hármas interakciót és a beszédtípusra és felvételi időpontra beszélőnkénti random meredekséget, valamint beszédszakaszonkénti/mondatonkénti random konstanst tartalmazó modell bizonyult a legjobbnak. A hármas interakcióra Tukey-féle post hoc tesztet készítettünk az emmeans csomag (Lenth 202) segítségével.

A hangterjedelem esetében beszélőnként, felvételenként és beszédtípusonként egy-egy érték állt rendelkezésre, ezért ezeket ismételt méréses próbával vetettük össze. Mivel egyik változó sem volt normál eloszlású, nemparametrikus próbát választottunk. Az ismételt méréses ANOVA nemparametrikus „megfelelője”, amely több (két) fix hatást tud elemezni, a Sheirer–Ray–Hare-próba (rcompanion csomag, Mangiafico 2021). Ennek azonban feltétele, hogy a mérési eredmények között ne álljon fenn korreláció. Ezt Spearman-féle rangkorrelációval ellenőriztük: korreláció nem állt fenn. A hangterjedelem szerepelt függő változóként, fix faktorként pedig a beszédtípus és a felvételi időpont interakciója. Az elemzést a nemekre külön végeztük el, mivel a próba nem tud három fix hatást kezelni.

A spontán és félspontán beszédtípus esetében a hangközértékek és a beszédszakaszok hossza, az olvasott beszédtípusok esetében a hangközértékek és a mondatok hossza között Pearson-féle korrelációt számítottunk.

A beszélők eredményeit egyesével is elemeztük, megvizsgáltuk, kiknél jelentkezett az adott nemű beszélőktől eltérő tendencia, mintázat. E beszélők esetében a kérdőívben adott válaszaik alapján megvizsgáltuk, hogy volt-e olyan tényező, amely befolyásolhatta a kapott eredményeket.