Mint ahogy az 1.2.3. fejezetben bemutattam, a magánhangzók produkcióját kváziperiodikus akusztikai jel és akadály nélküli, nyílt toldalékcső kíséri. A kínai illabiális veláris [ɤ] magánhangzó esetében a nyelvtest hátrahúzódik a szájüreg hátulsó részébe, ahol középső nyelvállással szűkületet képez, és a szegmentum ejtését nem kíséri ajakkerekítés (Lin 2007). Ezt akusztikai mérőszámokra lefordítva az [ɤ] ejtésekor a nyelvtest a hátulsó üreg felé húzódva csökkenti annak térfogatát, ami alacsonyabb F2-értéket eredményez, azonban mivel az ejtést nem kíséri ajakkerekítés, ezért az F3 értéke viszonylag magas lesz.

Az illabiális veláris magánhangzó képzés közbeni nyelvműködését a 71. ábra mutatja be.

A jelen vizsgálat esetében is a Flege-féle SLM és SLM-r modellek szolgáltatják a hipotézisek alapját. Ebben az esetben is arra számítok, hogy a kínaiul tanuló magyar anyanyelvűek az anyanyelvi beszédhangoktól eltérő célnyelvi szegmentumokat az anyanyelvi megfelelőjükkel helyettesítik az ekvivalensként való osztályozásnak köszönhetően. Mivel pedig a korábbi szakirodalmi források és kísérletek tanúsága szerint a formánsok közül az első kettő az, amely a magánhangzó minőségét a legnagyobb valószínűséggel kódolja az észlelés számára (Hollien et al. 2000, Gósy 1987), az is feltehető, hogy ez a percepciós és produkciós megfeleltetési folyamat elsősorban az F1- és az F2-értékekre hagyatkozva történik. (Azt is meg kell jegyezni, hogy az F3 egyes források szerint inkább másodlagos felismerési kulcsnak tekinthető (Gósy 1989), és csak bizonyos beszédhangok – a magyar /i/ és /u/ – esetében látszik elsődlegesnek (Kiss 1985)).

A legközelebbi anyanyelvi magánhangzó-kategóriák meghatározásakor a jelen kutatás – percepciós teszt hiányában – Kiss (1985) munkájának eredményeit veszi alapul, mely számszerűsítve közöl adatokat a magyar percepciós magánhangzótér alakulásáról. Ha összehasonlítjuk a kínai anyanyelvű nők produkciójában mért formánsértékeket (Lee–Zee 2001), valamint a Kiss (1985) által meghatározott percepciós F1-F2 átlagértékeket a magyarra nézve, akkor azt láthatjuk, hogy a kínai alveoláris [ɹ] és posztalveoláris [ɻ] F1–F2 meghatározta pozíciójához a magyar labiális, mediális felső nyelvállású [y]/[yː], míg a kínai illabiális veláris magánhangzóhoz [ɤ] a magyar labiális, mediális középső nyelvállású [ø]/[øː] helyezkedik el a legközelebb (73. ábra). Kérdésként merülhet fel, hogy az illabiális veláris [ɤ] beszédhang esetében miért nem inkább egy egy labiális veláris [o] vagy egy illabiális palatális [ɛ/eː] L1 magánhangzó ejtésére lehetne számítani. Ha magyar magánhangzótér releváns részét, vagyis a középső/alsó nyelvállású magánhangzókat kizárólag hangszín szempontjából tekintjük (mivel a kínai nyelvben a fonológiai időtartam nem kontrasztív), akkor 4 magánhangzót, vagyis az e /ɛ/, é /eː/, o /o/ és ö /ø/ magánhangzókat (és esetleg a nem kontrasztív kategóriaként megjelenő svát [ə]) tudjuk elkülöníteni egymástól. A kínai nyelvben középső nyelvállású magánhangzók esetében allofónok szintjén az e [ɛ], é [eː], o [o] (és a svá [ə]) szintén megjelenik, tehát ezen kínai és magyar beszédhangok között közvetlen kapcsolat alakulhat ki a nyelvtanulók elméjében. A fennmaradó kínai beszédhangok számára, vagyis a kérdéses illabiális-veláris e [ɤ] és a fonémaként megjelenő rotacizált er /ɚ/ beszédhangok számára azonban „fennmarad” egy kihasználatlan kontrasztív anyanyelvi kategória, ami az /ø/ kategóriája. Véleményem szerint ez a kizárólagosság motiválja – az akusztikai és percepciós paraméterek hasonlósága mellett – az illabiális veláris [ɤ] magánhangzó /ø/-ként való kategorizációját a kínaiul tanuló magyar anyanyelvűek szempontjából. Kérdésként merülhet fel az is, hogy vajon a rotacizált er /ɚ/ nem szorítja-e ki az illabiális veláris [ɤ]-t az /ø/ kategóriájából, azonban ezt véleményem szerint az ortográfiai megjelenítése nem támogatja: ortográfiailag a rotacizált er /ɚ/ egy e+r beszédhangkapcsolattal van megjelenítve, és ebben a grafémakapcsolatban ugyanazon e graféma jelenik meg mint az illabiális veláris magánhangzó esetében, és az ortográfiai jelölés ilyetén egybeesése feltételezhetően nem motiválja – a rotacizációtól eltekintve – a két hang eltérő kategorizációját.

Mindezek alapján tehát feltehető, hogy a kínai alveoláris [ɹ] és posztalveoláris [ɻ] a magyar labiális, mediális felső nyelvállású [y]/[yː]-vel, míg a kínai illabiális veláris magánhangzó [ɤ] pedig a magyar labiális, mediális középső nyelvállású [ø]/[øː]-vel) azonosítódnak az észlelésben, ami pedig azt is jelenti, hogy a magyar anyanyelvűek produkciójában a tárgyalt kínai hangoknak várhatóan az itt megadott anyanyelvi megfelelőjéhez közelít az ejtésük.

Habár a formánsok abszolút értékei a toldalékcső méretével, azaz a nemmel és a korral együtt változnak, és így lényegében egyénspecifikusan eltérnek, a magánhangzószerű hangokat mégis a toldalékcső méretétől, azaz az abszolút formánsértékektől függetlenül azonosítani tudjuk. Ebből arra szokás következtetni, hogy a beszédhangok akusztikumának feldolgozásakor normalizáció történik, mely által „kiszűrődnek” az egyéni jellegzetességek. Mivel pedig a beszédhangok formánsainak aránya megközelítőleg állandónak tekinthető, egy elterjedt feltételezés szerint a zenei hangokhoz hasonlóan a (formáns)frekvenciák aránya képezi az akusztikai kulcsokat a beszédhangok azonosításához (Lloyd 1890; Potter–Steinberg 1950; Nearey 1978; Miller 1989). A fenti okból a hipotézisem megfogalmazásához a kínai és a magyar beszédhangok átlagos produkciós formánsértékeit (74. ábra) arányokként vetettem össze a megfelelő (akusztikailag legközelebb álló) párokban (75. ábra) (azaz lényegében normalizálva): egyrészről az F1 és az F2, másrészről az F2 és az F3 hányadosát. Az átlagos formánsfrekvencia-értékek a magyar anyanyelvűek esetében 5 nő ejtéséből származnak, akik izolált szavakba ágyazva ejtették ki ezeket a hangzókat (Bolla 1995: 293–294), a kínaiak esetében 50 nő ejtését elemezték szintén izolált CV szerkezetű szavak produkciójában (Lee–Zee 2001: 644).