Hypernasal Speech Is Perceived as More Monotonous than Typical Speech
Notice bibliographique
Résumé
BACKGROUND/PURPOSE: Anecdotal clinical reports have stated that hypernasal speech sounds monotonous. However, the relationship between the perception of intonation (i.e., the fundamental frequency variation across an utterance) and hypernasality (excessive nasal resonance during the production of non-nasal sounds) has not been investigated in research. We hypothesized that auditory-perceptual ratings of intonation would be significantly lower for more hypernasal stimuli. METHODS: One male and one female voice actor simulated 3 levels of intonation (monotone, normal, and exaggerated) at 4 different levels of hypernasality (normal, mild, moderate, and severe). Thirty participants listened to the simulations and rated the intonation on a visual analogue scale from 0 (monotone) to 100 (exaggerated). RESULTS: A mixed-effects ANOVA revealed main effects of intonation (F2 = 236.46, p < 0.001), and hypernasality (F3 = 159.89, p < 0.001), as well as an interaction between the two (F6 = 28.35, p < 0.001). Post hoc analyses found that speech was rated as more monotonous as hypernasality increased. Summary/Implications: The presence of hypernasality in speech can lead listeners to perceive speech as more monotonous. Instrumental measures should be used to corroborate auditory-perceptual evaluations of speech features like intonation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».