Acoustic Variation in Speech: Contrasting Initial and Later Stages of Conversations Showing Opinion Convergence and Divergence
Notice bibliographique
Résumé
Speech accommodation is influenced by various factors, such as interlocutor traits, social identity, context, and opinion [Pardo, 2022 JPhon95]. Although the effects of many of these factors have been extensively researched, the relationship between opinion convergence or divergence and speaker traits is a relatively new area of interest [Ma et al., 2023, HISPCSL]. Another important factor affecting speech is the timepoint within a conversation, as individuals may modify their speech patterns as the conversation progresses. This study aimed to investigate whether the stage of a conversation (initial vs. later) influences the way individuals express opinion convergence or divergence in relation to their interlocutors. Using Praat, DARLA, and statistical methods in R software, we analyzed speech data from an Ellen Fisher Podcast YouTube debate on "Plant vs. Animal Regenerative Farming." Audio clips from the first and last 10 minutes of the debate were transcribed manually into words, automatically converted into phonemes using DARLA, and then manually verified. Each word was further coded for the speaker, interlocutor, whether they expressed convergence or divergence, and the strength of their convergence or divergence on a numerical scale. Preliminary findings revealed that speakers tended to raise their fundamental frequency (F0) when expressing divergence in opinion during deeper stages of the conversation, suggesting a relationship between speech patterns and opinion divergence in different conversation stages. However, we did not observe any significant effect of conversation stage on opinion convergence. Furthermore, no differences were found in terms of vowel quality, as measured by F1 and F2. These preliminary results shed light on the complex interplay between conversation stage and the expression of opinion divergence in speech. Further analysis and exploration of these findings will provide a deeper understanding of the dynamics of speech accommodation in relation to opinion expression within conversations.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».