Deme Andrea: A magánhangzók változatossága a magyarban
›
6. A magánhangzók koartikulációs viselkedése a magánhangzó-harmóniában: az /iː/ artikulációs és akusztikai sajátosságai harmonikusan és antiharmonikusan toldalékolódó tövekben
›
6.2. Módszer
›
6.2.4. Statisztikai elemzések

6.2.4. Statisztikai elemzések

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A jelen kísérletben a változók hatását a szenzorok (normalizált) vízszintes pozíciójának négyelemű szekvenciájára generalizált additív modellekkel (GAM) elemeztük az R programban (R Core Team 2018; Wood 2001). A GAM használata lehetővé teszi több, valamely dimenzióban egymást követő adatpont értékeinek nemlineáris modellezését. A jelen vizsgálatban ezt a statisztikai eljárást az egyes, a nyelven egymást követő nyelvszenzorokon mért pozícióadatok együttes modellezésére alkalmaztuk. Míg Beňuš és Gafos (2007) az egyes szenzorok vízszintes helyzetét külön-külön modellezték, és vetették össze ezeket az értékeket a vizsgált kondíciók között, addig ezzel a módszerrel a négy szenzor együttes pozícióját modellezzük, és vetjük össze a harmóniabeli viselkedés szerint. Ennélfogva az elemzésünk holisztikusabb képet ad a nyelvhelyzet különbségeiről, mint az egyes szenzorok elhelyezkedésének összevetése.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Két modellt állítottunk, egyet az izolált ejtésű, egyet pedig a kontextusban ejtett szavak /iː/ magánhangzóiban mért pozícióértékekre. A modellek az izolált elrendezésben a harmóniabeli viselkedés (harmonikus vagy antiharmonikus) faktor, a mondatban ejtett megvalósulás esetén pedig a harmóniabeli viselkedés és a kontextus (elülső vagy hátulsó) faktorokat tartalmazták, valamint random hatásként a beszélő és a faktorok interakcióját. A GAM-ok illesztése az itsadug (van Rij et al. 2017), ábrázolásuk a TidyMV (Coretta 2018) R-csomaggal történt. A vizsgált hatások tesztelésére a két modellt a faktorokat nem tartalmazó minimális modellekkel vetettük össze a compareML() funkció segítségével, a két-két modell Akaike-féle információskritérium-értékét (Akaike information criterion, AIC, Akaike 1974) összehasonlítva (vö. 3.2.4. fejezet).

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az akusztikai adatokat (az F2-értékeket) lineáris kevert modellekkel (Kuznetsova et al. 2017) elemeztük az R-ben (R Core Team 2018). A kevert modell a harmóniabeli viselkedés (harmonikus vagy antiharmonikus) és a kontextus (elülső vagy hátulsó) faktorok interakciója mellett az adatközlő változó random hatását tartalmazta.
chevron_left
chevron_right
Tartalomjegyzék navigate_next
Keresés a kiadványban navigate_next
A kereséshez, kérjük, lépj be!
Könyvjelzőim navigate_next
A könyvjelzők használatához
be kell jelentkezned.
Jegyzeteim navigate_next
Jegyzetek létrehozásához
be kell jelentkezned.
    Kiemeléseim navigate_next
    Mutasd a szövegben:
    Szűrés:
    Kiemelések létrehozásához
    MeRSZ+ előfizetés szükséges.
      Útmutató elindítása
      delete
      Kivonat
      fullscreenclose
      printsave