面向二语语音习得的日语促音感知难度预测——以响度为变量

发布时间：2024-02-20 08:18

　　基于日语学习者促音感知实验,将声学线索作为自变量代入线性回归模型来预测感知正确率,通过分析预测值和实际值的相关性及误差,验证所使用变量的有效性和模型的可行性。使用36组促音/非促音单词,针对10名中国日语初级学习者的实验结果显示,相较于其他声学线索,运用响度变量建模时,预测值和实际值的相关系数较高,二者的误差因音节结构不同存在差异。该结果实现了单词感知难度的量化和排序,为不同学习阶段的语料编排提供了参考。

【文章页数】：10 页

【部分图文】：

图1．响度参数的测定(张琰龙2019:27)

关于响度的测量方法,图1以单词/maQsats?/(まっさつ,抹杀)为例,首先基于语图(a)标注,然后将语料输入Matlab并运行计算程序,每2毫秒连续测出响度瞬时值,最后将对象音段中连续瞬时响度值的中位数作为该音段的响度代表值。①如(b)所示,与促音辅音/Qs/相关的响度参数包....

图2.学习者促音与非促音感知正确率的语速依赖性

本节分别针对快促音和慢非促音,测定第1节所示自变量,使用皮尔森相关系数探究自变量之间,以及自变量与因变量(正确率,Accuracy)的相关关系。首先,快促音的相关性分析结果如下页表2所示。前元音与辅音的响度落差Jp与正确率呈现出约0.6的显著正相关,前元音响度Lp以及促音辅音种类....

图3.不同语速下母语者的感知正确率(Sonuetal.2013:380)

表1.不同语速下感知正确率差异及显著性检验正确率快速普通慢速促音37.9(S.D=22.2)85.8(S.D=13.4)91.4(S.D=8.7)非促音92.2(S.D=9.0)88.6(S.D=11.3)65.8(S.D=18.7)显著性....

图4.使用不同自变量时预测值与实际值相关系数的3次平均值

为了更直接地把握使用不同变量时预测结果的差异,实验基于表4和表5,分别对只使用音长变量、只使用响度变量、二者均使用等3种模型在3轮验证下的预测值和实际值的相关系数平均值进行比较,结果如图4所示。相比于使用音长变量时3轮平均相关系数仅为-0.19(促音)和0.09(非促音),使用响....

本文编号：3904097