Sanajärjestyksen ja intensiteetin vaikutus suomen intonaation havaitsemisessa ja tuotossa



Samankaltaiset tiedostot
Prosodian havaitsemisesta: suomen lausepaino ja focus

Intonaation analyysi ja annotointi puhekorpuksissa

Prominenssin toteutuminen kolmessa yleispuhesuomen varieteetissa

Puheentutkimuksen tilastoanalyysin perusteet. 8. luento. Pertti Palo

Suomen prosodian variaation tutkimuksesta

Suomen puherytmi typologisessa katsannossa

FONETIIKKA SUULLISEN KIELITAIDON ARVIOINNISSA

Prosodia. Martti Vainio. Puhetieteiden laitos, Helsingin yliopisto. Prosodia p. 1/53

Miksi prosodiasta tulee olla kiinnostunut? Prosodia. Äänteiden yläpuolella. Mitä? ja Miten?

Prosodia. Martti Vainio. Fonetiikan laitos, Helsingin yliopisto. Prosodia p.1/46

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

Mitä suomen intonaatiosta tiedetään

Simultaanit ja konsekutiivit muisti ja toiminnanohjaus 1. Muistin testausta sanoilla

Miksi prosodiasta tulee olla kiinnostunut? Prosodia. Äänteiden yläpuolella. Mitä? ja Miten?

Johdanto tieto- viestintäteknologian käyttöön: Äänitystekniikka. Vfo135 ja Vfp124 Martti Vainio

(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.

Harjoitukset 4 : Paneelidata (Palautus )

Synkronoitu luenta suomen rytmin tutkimuksessa

Otoskoko 107 kpl. a) 27 b) 2654

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Regressioanalyysi. Kuusinen/Heliövaara 1

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)

HAVAITUT JA ODOTETUT FREKVENSSIT

Prosodia. Martti Vainio. Fonetiikan laitos, Helsingin yliopisto. Prosodia p.1/43

Itseoppivan radiojärjestelmän simulointijärjestelmän kehitys, CWC:n osahanke. DI Juho Markkula

Harjoitus 9: Excel - Tilastollinen analyysi

Sovellettu todennäköisyyslaskenta B

Tietoliikennesignaalit & spektri

Tänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)

Intonaatio tv:n lastenohjelmissa

Organization of (Simultaneous) Spectral Components

Kuulohavainnon perusteet

L9: Rayleigh testi. Laskuharjoitus

spontaanin puheen PRosoDinen jaksottelu

3 Ääni ja kuulo. Ihmiskorva aistii paineen vaihteluita, joten yleensä äänestä puhuttaessa määritellään ääniaalto paineen vaihteluiden kautta.

Keskipisteen lisääminen 2 k -faktorikokeeseen (ks. Montgomery 9-6)

S OPTIIKKA 1/10 Laboratoriotyö: Polarisaatio POLARISAATIO. Laboratoriotyö

Kissankello vai kissan kello?

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

Mitä aivokuvantaminen kertoo kielen kehityksen ja lukemisen erityisvaikeuksista?

5 Akustiikan peruskäsitteitä

Kaksisuuntaisen varianssianalyysin tilastollisessa malli voidaan esittää seuraavassa muodossa:

Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu.

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä

Epävarmuuden hallinta bootstrap-menetelmillä

Tilannekatsaus: Bioreaktorit ja LED-valaisujärjestelmät

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus

Koesuunnittelu 2 k -faktorikokeet. TKK (c) Ilkka Mellin (2005) 1

Harjoituksessa tarkastellaan miten vapaa-ajan liikunta on yhteydessä..

Östersundomin auringonsäteilyolot

PUHEEN EROTETTAVUUDEN ENNUSTE- JA MITTAUSMENETELMÄT

Puheen akustiikan perusteita Mitä puhe on? 2.luento. Äänet, resonanssi ja spektrit. Äänen tuotto ja eteneminen. Puhe äänenä

805306A Johdatus monimuuttujamenetelmiin, 5 op

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

SAVONLINNASALI, KOY WANHA KASINO, KONSERTTISALIN AKUSTIIKKA. Yleistä. Konserttisali

LASKENTATOIMEN OSAAMINEN vs. LIIKETALOUDELLINEN ENNUSTETARKKUUS

2. Aineiston kuvailua

MAA7 HARJOITUSTEHTÄVIÄ

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

SAIMAANNORPPA Kannan koon arvioinnista Tero Sipilä & Tuomo Kokkonen Metsähallitus, Etelä-Suomen Luontopalvelut Akselinkatu 8, 57130, Savonlinna

Toimistohuoneiden välisen ääneneristyksen ja taustamelutason vaikutus työtehokkuuteen

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Jäähdyttävän puhallussuihkun vaikutus työsuoriutumiseen ja viihtyvyyteen toimistotyössä laboratoriotutkimus

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

Data-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]

10. Kytkentäohje huonetermostaateille

Hoitotyön henkilöstövoimavarojen hallinnan mallintaminen kansallisesti yhtenäisillä tunnusluvuilla

VOIKO ASUNTOHINTAKUPLAN SITTENKIN HAVAITA HELPOSTI?

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Johdatus regressioanalyysiin. Heliövaara 1

Kvantitatiivisen PCR:n käyttö mikrobivaurion toteamisessa

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

Unkarin fokuksen prosodisesta toteutumisesta. Intonaatio ja kesto merkityksiä rakentamassa

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Puhesynteesi. Martti Vainio. Fonetiikan laitos, Helsingin yliopisto. Puhesynteesi p.1/38

Puhesynteesin historiaa. Puhesynteesi. Historiaa: Kempelen. Historiaa: Kratzenstein

Estimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus )

1 PID-taajuusvastesuunnittelun esimerkki

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle

RAKENNUSAKUSTIIKKA - ILMAÄÄNENERISTÄVYYS

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =

Åbo Akademi klo Mietta Lennes Nykykielten laitos Helsingin yliopisto

Mies ilman parisuhdetta

Puhesynteesin perusteet Luento 5: unit selection -synteesi

Matalan intensiteetin hajaspektrisignaalien havaitseminen ja tunnistaminen elektronisessa sodankäynnissä

Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002.

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas

Puhesynteesin historiaa. Puhesynteesi. Historiaa: Kempelen. Historiaa: Kratzenstein

Puhesynteesi. Martti Vainio. Fonetiikan laitos, Helsingin yliopisto. Puhesynteesi p.1/38

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

pisteet Frekvenssi frekvenssi Yhteensä

Puhutun ja kirjoitetun rajalla

Yhden selittäjän lineaarinen regressiomalli (jatkoa) Ensi viikolla ei pidetä luentoa eikä harjoituksia. Heliövaara 1

S Laskennallinen systeemibiologia

Taulukko 1. Kantakaupungin rajan pisteiden henkilöautomäärä vuorokaudessa (KVAL) vuonna 2013

Yhdyssana suomen kielessä ja puheessa

Sovellettu todennäköisyyslaskenta B

S Havaitseminen ja toiminta

Transkriptio:

Sanajärjestyksen ja intensiteetin vaikutus suomen intonaation havaitsemisessa ja tuotossa Martti Vainio, Juhani Järvikivi & Stefan Werner Helsinki/Turku/Joensuu Fonetiikan päivät 2004, Oulu 27.-28.8.2004

Perustaajuus f 0 Prominenssin ja painon havaitsemisen tutkimus on yleensä keskittynyt pelkästään perustaajuuteen. Tutkimuksissa haettu: metriikkaa suhteuttamaan perustaajuuden muutokset havaitun prominenssin kanssa ja perustasoa (engl. baseline), johon kuulijat ankkuroivat havaitun muutoksen.

Mutta riittävätkö signaaliin perustuvat vihjeet? Yleinen olettamus on, että prominenssin havaitseminen perustuu pelkästään signaalin ominaisuuksiin ja (ehkä) joihinkin fonologisiin tekijöihin. Eriksson et al. (2001): lingvistiset tekijät selittävät tavujen prominenssin paremmin kuin signaaliin perustuvat (57% vs. 48%).

Mutta riittävätkö signaaliin perustuvat vihjeet? Yleinen olettamus on, että prominenssin havaitseminen perustuu pelkästään signaalin ominaisuuksiin ja (ehkä) joihinkin fonologisiin tekijöihin. Eriksson et al. (2001): lingvistiset tekijät selittävät tavujen prominenssin paremmin kuin signaaliin perustuvat (57% vs. 48%).

Tutkimuskysymykset 1 Kuinka kahden sanan suhteellinen prominenssi havaitaan ilmauksessap 2 Mitkä f 0 ja intensiteetti-ilmiöt vaikuttavat havaintoon? 3 Vaikuttaako tunnusmerkillinen sanajärjestys prominenssin havaitsemiseen? 4 Miten löydetyt piirteet käyttätyvät tuotossa?

Kokeet ja koeasetelma Esitesti: Fujisakin mallin parametrien suhde prominenssin havaitsemiseen. Exp. 1: Perustaajuuskäyrän huippujen ja laaksojen suhteellisten erojen vaikutus prominenssin/lausepainon havaitsemiseen ilmauksessa Menemme laivalla Lemille. Exp. 2: Exp. 1 sanajärjestystä vaihtaen; Menemme Lemille laivalla. Exp. 3: Kontrolli Exp. 1:lle siten, että viimeinen perustaajuuden lasku vastasi koetta 2. Exp. 4: Kontrolli Exp. 2:lle siten, että käytettiin Exp. 1:n intensiteettikontuuria.

Kokeet ja koeasetelma Esitesti: Fujisakin mallin parametrien suhde prominenssin havaitsemiseen. Exp. 1: Perustaajuuskäyrän huippujen ja laaksojen suhteellisten erojen vaikutus prominenssin/lausepainon havaitsemiseen ilmauksessa Menemme laivalla Lemille. Exp. 2: Exp. 1 sanajärjestystä vaihtaen; Menemme Lemille laivalla. Exp. 3: Kontrolli Exp. 1:lle siten, että viimeinen perustaajuuden lasku vastasi koetta 2. Exp. 4: Kontrolli Exp. 2:lle siten, että käytettiin Exp. 1:n intensiteettikontuuria.

Kokeet ja koeasetelma Esitesti: Fujisakin mallin parametrien suhde prominenssin havaitsemiseen. Exp. 1: Perustaajuuskäyrän huippujen ja laaksojen suhteellisten erojen vaikutus prominenssin/lausepainon havaitsemiseen ilmauksessa Menemme laivalla Lemille. Exp. 2: Exp. 1 sanajärjestystä vaihtaen; Menemme Lemille laivalla. Exp. 3: Kontrolli Exp. 1:lle siten, että viimeinen perustaajuuden lasku vastasi koetta 2. Exp. 4: Kontrolli Exp. 2:lle siten, että käytettiin Exp. 1:n intensiteettikontuuria.

Kokeet ja koeasetelma Esitesti: Fujisakin mallin parametrien suhde prominenssin havaitsemiseen. Exp. 1: Perustaajuuskäyrän huippujen ja laaksojen suhteellisten erojen vaikutus prominenssin/lausepainon havaitsemiseen ilmauksessa Menemme laivalla Lemille. Exp. 2: Exp. 1 sanajärjestystä vaihtaen; Menemme Lemille laivalla. Exp. 3: Kontrolli Exp. 1:lle siten, että viimeinen perustaajuuden lasku vastasi koetta 2. Exp. 4: Kontrolli Exp. 2:lle siten, että käytettiin Exp. 1:n intensiteettikontuuria.

Kokeet ja koeasetelma Esitesti: Fujisakin mallin parametrien suhde prominenssin havaitsemiseen. Exp. 1: Perustaajuuskäyrän huippujen ja laaksojen suhteellisten erojen vaikutus prominenssin/lausepainon havaitsemiseen ilmauksessa Menemme laivalla Lemille. Exp. 2: Exp. 1 sanajärjestystä vaihtaen; Menemme Lemille laivalla. Exp. 3: Kontrolli Exp. 1:lle siten, että viimeinen perustaajuuden lasku vastasi koetta 2. Exp. 4: Kontrolli Exp. 2:lle siten, että käytettiin Exp. 1:n intensiteettikontuuria.

Kokeet ja koeasetelma Esitesti: Fujisakin mallin parametrien suhde prominenssin havaitsemiseen. Exp. 1: Perustaajuuskäyrän huippujen ja laaksojen suhteellisten erojen vaikutus prominenssin/lausepainon havaitsemiseen ilmauksessa Menemme laivalla Lemille. Exp. 2: Exp. 1 sanajärjestystä vaihtaen; Menemme Lemille laivalla. Exp. 3: Kontrolli Exp. 1:lle siten, että viimeinen perustaajuuden lasku vastasi koetta 2. Exp. 4: Kontrolli Exp. 2:lle siten, että käytettiin Exp. 1:n intensiteettikontuuria.

Materiaalit: originaali stimulus me n e m: e l A i V A l: A l e m i l: e 0 1.78281 Time (s)

f 0 parametrit t3 t 5 t 2 t 3 frequency t3 t 4 t4 t 5 t5 t 6 t 1 t 2 t 3 t 4 t 5 t 6 time < me nem me lai val la le mil le >

Havaintokokeen koehenkilöt ja proseduuri 125 manipuloitua stimulusta soitettiin joukolle kuulijoita satunnaisessa järjestyksessa 25:n ilmauksen blokeissa. Koehenkilöt: Exp 1, 12 normaalikuuloista kielitieteen opiskelijaa ja jatko-opiskelijaa, joilla ei ollut kokemusta puheen tutkimuksesta. Exp 2-4, 10, 14 ja 12 koehenkilöä osittain samoja kuin ensimmäisessä kokeessa. Koehenkilöt merkitsivät paperilla, millä sanalla ilmauksessa he kuulivat lausepainon: sanalla Lemille (responssi 1), sanalla laivalla (responssi 2), ei kummallakaan näistä (responssi 3). Koetta edelsi aina harjoitusvaihe.

Regressioanalyysi: tonaalisen mallin yleisyys Exp. Response 1 2 3 4 1 74% 67% 73% 77% 2 75% 79% 76% 76% Selittävät parametrit: response 1 t3 t5 and t2 t3 response 2 t3 t5 and t5 t6

Regressioanalyysi: tonaalisen mallin yleisyys Exp. Response 1 2 3 4 1 74% 67% 73% 77% 2 75% 79% 76% 76% Selittävät parametrit: response 1 t3 t5 and t2 t3 response 2 t3 t5 and t5 t6

Tonaalinen malli ensimmäisen huipun suhteen: t1 t2 t3 t4 t5 t6

Tonaalinen malli toisen huipun suhteen: t1 t2 t3 t4 t5 t6

Tentatiivinen malli lausepainon havaitsemiseen: t1 t2 t3 t5 t6

Sanajärjestyksen vaikutus havaitsemiseen Samat parametrit selittävät painon havaitsemisen kokeissa 1 ja 2, jotka erosivat toisistaan vain sanajärjestyksen suhteen. Sanajärjestyksen vaikutusta tutkittiin vastausten suhteellisten jakaumien avulla.

Kokeet 1 ja 2. Percent 0 10 20 30 40 50 60 Resp.1 Resp.2 Resp.3 Responses

Kokeet 1 ja 3. Percent 0 10 20 30 40 50 60 Resp.1 Resp.2 Resp.3 Responses

Kokeet 1, 2 ja 3. Percent 0 10 20 30 40 50 60 Resp.1 Resp.2 Resp.3 Responses

Muuta kuin sanajärjestys? Vastaukset vaihtelevat huomattavasti kokeittain voisiko joku muu, foneettinen, piirre selittää erot? Kokeen yksi viimeinen sana ( lemille ) n. 5 db alempi kuin kokeen kaksi viimeinen sana ( laivalla )

Perustaajuushuippujen suhteet: probit analyysi Intensiteetin vaikutus prominenssiin Pierrehumbertin (1979) mukaan yhden db:n intensiteetin lisäys laskee ns. crossover pistettä 1.5 Hz:llä. Tässä pisteessä molemmat huiput havaitaan yhtä prominentteina ja yleisesti toisen huipun täytyy olla ensimmäistä absoluuttisesti alempana. Intensiteettiefekti LD50 crossover pisteille: response 1: Exp. 1: -40.6Hz Exp. 2: -39.5Hz ei intensiteetin vaikutusta response 2: Exp. 1: -5.7 Hz Exp. 2: -13.7 Hz Exp. 4: -8.9 Hz selvä intensiteetin vaikutus

Perustaajuushuippujen suhteet: probit analyysi Intensiteetin vaikutus prominenssiin Pierrehumbertin (1979) mukaan yhden db:n intensiteetin lisäys laskee ns. crossover pistettä 1.5 Hz:llä. Tässä pisteessä molemmat huiput havaitaan yhtä prominentteina ja yleisesti toisen huipun täytyy olla ensimmäistä absoluuttisesti alempana. Intensiteettiefekti LD50 crossover pisteille: response 1: Exp. 1: -40.6Hz Exp. 2: -39.5Hz ei intensiteetin vaikutusta response 2: Exp. 1: -5.7 Hz Exp. 2: -13.7 Hz Exp. 4: -8.9 Hz selvä intensiteetin vaikutus

Responssi 2 vs. huippujen erotus (absoluuttisina arvoina). P1 vs P2 (Hz) 80 60 40 20 0 20 80 60 40 20 0 20 0 2 4 6 8 10 12 Experiment 1, Response 2 (max 12) 0 2 4 6 8 10 Experiment 2, Response 2 (max 10)

Produktiokoe Produktiokokeen tarkoituksena oli testata: 1 kuinka prosodinen fokus tuotetaan suomessa ns. top-line deklinaatioon (t3 t5 aikaisemmissa kokeissa) ja intensiteettideklinaation suhteen. 2 onko sanajärjestyksellä myös vaikutus näiden suhteeseen tuotossa.

Koejärjestely Luotiin 48:n lauseen joukko, jossa fokusta ja sanajärjestystä vaihdeltiin edellisten kokeiden tavoin. Lisäksi varioitiin painotetun sanan painollisen tavun rakennetta. Vastaavasti luotiin lauseita vastaavat kysymykset, jotka äänitettiin yhdeltä henkilöltä. 10 koehenkilöä vastasivat satunnaisessa järjestyksessä esitettyihin kysymyksiin ja vastaukset äänitettiin. Vastaukset esitettiin puhujille paperilla siten, että haluttu fokusehto oli esitetty kursiivilla.

Tulokset Responssit nimikoitiin ja niistä laskettiin sekä intensiteetti, että f 0 käyrät. Perustaajuuskäyristä laskettiin arvot, jotka vastasivat havaintokokeiden kuutta pistettä. Intensiteettikäyrästä haettiin vain (potentiaalisesti) lausepainotettujen tavujen maksimit. Huippujen väliset erotukset laskettiin puolisävelasteikolla ja desibeleinä. Fokuksen ja sanajärjestyksen sekä painotettujen sanojen tavurakenteen vaikutusta tutkittiin ANOVAn avulla. Perustaajuuskäyrän sisäisiä vaikutussuhteita tutkittiin regression avulla. Lisäksi tutkittiin glottalisoitujen alukkeiden kestoja.

Tulokset (ANOVA) f 0 huippujen erotus: Fokus: selvä päävaikutus; F (2, 18) = 73.84, p <.001. Sanajärjestys: ei päävaikutusta; F < 1 Fokus sanajärjestys: ei merkitsevä; F (2, 18) = 1.06, p >.3 Intensiteettihuippujen erotus: Fokus: selvä päävaikutus; F (2, 18) = 139.06, p <.001. Sanajärjestys: ei päävaikutusta; F (1, 9) = 2.02, p >.1 Fokus sanajärjestys: ei merkitsevä; F (2, 18) = 1.24, p >.3

Tulokset (ANOVA) f 0 huippujen erotus: Fokus: selvä päävaikutus; F (2, 18) = 73.84, p <.001. Sanajärjestys: ei päävaikutusta; F < 1 Fokus sanajärjestys: ei merkitsevä; F (2, 18) = 1.06, p >.3 Intensiteettihuippujen erotus: Fokus: selvä päävaikutus; F (2, 18) = 139.06, p <.001. Sanajärjestys: ei päävaikutusta; F (1, 9) = 2.02, p >.1 Fokus sanajärjestys: ei merkitsevä; F (2, 18) = 1.24, p >.3

Tuottokokeen keskiarvot pisteittäin

Tulokset (ANOVA) Huippujen nousut tavutyyppien mukaan; 1. huippu s2 s3: Fokus: selvä päävaikutus; F (2, 14) = 39.33, p <.001. Tavutyyppi: ei päävaikutusta; F < 1 Fokus tavutyyppi: merkitsevä; F (6, 42) = 2.56, p >.0335 2. huippu s4 s5: Fokus: selvä päävaikutus; F (2, 14) = 23.37, p <.001. Tavutyyppi: ei päävaikutusta; F < 1 Fokus tavutyyppi: marginaalisesti merkitsevä; F (6, 42) = 1.98, p >.0897 Staattisina pisteinä kaksi ensimmäistä eivät eronneet fokuksen tai sanajärjestyksen mukaan.

Tulokset (ANOVA) Huippujen nousut tavutyyppien mukaan; 1. huippu s2 s3: Fokus: selvä päävaikutus; F (2, 14) = 39.33, p <.001. Tavutyyppi: ei päävaikutusta; F < 1 Fokus tavutyyppi: merkitsevä; F (6, 42) = 2.56, p >.0335 2. huippu s4 s5: Fokus: selvä päävaikutus; F (2, 14) = 23.37, p <.001. Tavutyyppi: ei päävaikutusta; F < 1 Fokus tavutyyppi: marginaalisesti merkitsevä; F (6, 42) = 1.98, p >.0897 Staattisina pisteinä kaksi ensimmäistä eivät eronneet fokuksen tai sanajärjestyksen mukaan.

Tulokset (ANOVA) Huippujen nousut tavutyyppien mukaan; 1. huippu s2 s3: Fokus: selvä päävaikutus; F (2, 14) = 39.33, p <.001. Tavutyyppi: ei päävaikutusta; F < 1 Fokus tavutyyppi: merkitsevä; F (6, 42) = 2.56, p >.0335 2. huippu s4 s5: Fokus: selvä päävaikutus; F (2, 14) = 23.37, p <.001. Tavutyyppi: ei päävaikutusta; F < 1 Fokus tavutyyppi: marginaalisesti merkitsevä; F (6, 42) = 1.98, p >.0897 Staattisina pisteinä kaksi ensimmäistä eivät eronneet fokuksen tai sanajärjestyksen mukaan.

Tulokset (Regressio) Perustaajuuskontuurin sisäisen rakenteen suhteen kiinnostavin piste on piste 4, joka periaattessa on osa ns. baseline deklinaatiota, mutta vaihtelee merkittävästi fokuksen mukaan. Paras selittävä malli sisältää kaikki pisteet paitsi ensimmäistä. F (4, 374) = 215.2, R 2 = 0.697. Kuitenkin s5 (seuraava huippu) yksin selittää s4:n vaihtelun lähes yhtä hyvin: F (1, 380) = 711.2, R 2 = 0.652, p <.0001.

Tulokset (Glottalisaatio) Glottalisaatioiden kesto fokuksen mukaan: Laaja fokus vs. ensimmäinen sen sanan fokus: t = 3.1714, df = 25, p value = 0.003986 Laaja fokus vs. toisen sanan fokus:t = 0.5383, df = 27, p value = 0.5948 Ensimmäisen sanan vs. toisen sanan fokus: t = 2.9094, df = 26, p value = 0.007325

Tuottokokeen sivutuote: hattuhahmo ja laskeva aksentti menemme Jimille junalla (laaja fokus) Pitch (Hz) 260 j i j u 100 0 1.37034 Time (s)

Konkluusio Prominenssirelaatiot määräytyvät perustaajuuden muutosten, tavujen intensiteetin sekä syntaktisten rakenteiden mukaan siten kun ne ilmenevät sanajärjestyksen vaihteluna.