Фонетические средства реализации эмотивности в женской речи (Компьютерный анализ на материале голосовых сообщений)

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Выпускная квалификационная работа

Фонетические средства реализации эмотивности в женской речи (Компьютерный анализ на материале голосовых сообщений)



Введение

просодический диктор речь эмоция

Изучение функционально-семантической категории эмотивности является одной из важнейших проблем антропоцентрической парадигмы лингвистики. Эмотивность реализуется на всех уровнях языках, однако изучение её проявления на уровне суперсегментной фонетики, в частности - просодии встречает ряд препятствий, связанных с ее неявной экспликацией. С другой стороны, с развитием компьютерных технологий и проведением все более успешных попыток человека создать машину с интеллектом, подобному интеллекту человека, возникает необходимость обеспечить эту машину способностью успешно коммуницировать с людьми. Идея распознавания программой эмоций человека становится все более популярной, однако подобные проекты все еще требуют доработки. К примеру, в некоторых случаях эмоциональный модус, заложенный на уровне просодических характеристик, способен влиять на семантику высказывания, в то время как компьютер не всегда улавливает подобные различия. Системы автоматического распознавания и обработки речи играют важную роль в описании акустических характеристик речи и расширении существующих баз данных звучащей речи разных языков, на основе которых в дальнейшем может проводиться обучение нейронных сетей с целью сведения к минимуму ошибок, связанных с пониманием значения речевого высказывания. Данные системы наиболее востребованы в сфере банков, медицины и видеоигр. Определение эмоционального состояния человека позволяет улучшить качество обслуживания клиентов, оперативно среагировать на возникшую проблему, выявить проблемы в работе сервиса, отследить состояние здоровья, контролировать приступы у людей с заболеваниями, а также мониторить реакцию на различные жизненные ситуации или симуляции в рамках компьютерной игры. Еще один этап развития общения между человеком и машиной - обеспечение компьютера способностью проявлять эмпатию, на начальном этапе демонстрировать эмоции в ответ на эмоциональный модус в речи пользователя, с которым происходит взаимодействие. Для решения подобного рода задач требуется максимально детальное описание просодических характеристик речи говорящего, находящегося в определенном эмоциональном состоянии. Важную роль при решении этой проблемы играет и материал, на котором выделяются ключевые просодические характеристики эмотивно маркированной речи, так как выделенные параметры становятся ключевыми при решениях задач классификации эмоций, однако объективность и достоверность собранного материала все еще требует подтверждения.

Актуальность представленной работы связана с появлением в интернете большого количества записей спонтанной речи, маркированной всеми возможными эмоциональными модусами. В марте 2014 года в мессенджере «Telegram» пользователям стала доступна функция отправки голосовых сообщений, к сентябрю 2016 года их популярность значительно возросла, в связи с чем социальная сеть «Вконтакте» также добавила данную опцию в свой функционал. Речь в голосовых сообщениях близка к спонтанной, и, следовательно, представляет интерес для лингвистов. Изучение голосовых сообщений упрощает процесс сбора материала для анализа устной речи, в том числе исследования просодических характеристик речи с целью определения эмоционального состояния говорящего и интенции высказывания.

Целью данной работы является выявление и сравнение просодических характеристик женской речи с различным эмоциональным модусом в искусственно сформированных коммуникативных ситуациях и во фрагментах голосовых сообщений при помощи использования технологий компьютерного анализа устной речи.

Для достижения поставленной цели в ходе работы необходимо решить следующие задачи:

· изучение влияния эмоционального модуса на речевые характеристики индивида;

· изучение возможностей акустического анализа речи для исследования эмотивности;

· ознакомление с проведенными ранее экспериментально-фонетическими исследованиями речи;

· изучение влияние гендерного аспекта на просодические характеристики эмотивно-маркированной речи;

· компьютерный акустический анализ образцов эмотивно-маркированной женской речи в русском языке, представленной аудиозаписями искусственно сформированных высказываний и фрагментами голосовых сообщений;

· описание и сравнение просодических характеристик женской речи, свойственных ситуациям с определенным эмоциональным модусом;

· систематизация полученной информации, формирование представления о просодических характеристиках в женской речи;

· определение дальнейших перспектив исследования.

Объектом исследования является речь носителей русского языка женского пола, образцы которой были получены в ходе сбора практических данных в рамках искусственно сформированных коммуникативных ситуаций, а также взяты из голосовых сообщений, отправленных пользователями в социальных сетях.

В роли предмета исследования выступают просодические характеристики женской речи в коммуникативных ситуациях с установленным эмоциональным модусом и их систематизация.

В теоретической части исследования произведен анализ и систематизация уже имеющихся знаний по поставленной проблематике: просодических признаках, реализующихся в эмоциональной женской речи. Будут рассмотрены такие явления, как гендерный аспект в речи индивидов, его влияние на реализацию эмотивности, средства эмоционального маркирования речи. Таким образом, в качестве основных методов исследования используются общенаучный гипотетико-дедуктивный метод, общенаучное понятийное моделирование, сопоставительный и статистический метод, метод лингвистического анализа.

Методологическую базу исследования составляют теория эмотивности В.И. Шаховского, фонетические теории Р.К. Потаповой, описание просодических характеристик речи Е.Ю. Романовой и экспериментальные данные, полученные в исследованиях Маттис Дролет, Рикарды Инес Шуботц и Джулии Фишер.

В практической части исследования использованы экспериментально-фонетические методы. Для изучения просодических характеристик высказываний индивида, находящегося в определенном эмоциональном состоянии, использованы образцы русской речи, полученные в результате опросов информантов в искусственно сформированных коммуникативных ситуациях и использования голосовых сообщений пользователей социальных сетей, их обработки, и верификации на основе аудиторского этапа. В ходе исследования будут изучены известные данные по следующим параметрам: мелодика (движение основного тона), интенсивность (громкость) и темп речи, представленный как совокупность данных о длительности высказывания и средней длительности слога. Рассмотрены как абсолютные, так и относительные показатели этих метрик. Для выявления соответствий или различий между вариационными рядами голосовых аудиозаписей и записей с имитацией эмоций в искусственно созданных условиях проведен статистический анализ на основе критерия Стьюдента.

Цель и задачи исследования определяют структуру настоящей работы, состоящей из введения, двух глав с подпунктами, заключения и библиографического списка и приложения.

Во Введении обосновывается актуальность выбранного направления исследования, излагаются цели и задачи, методология, на которой основывается исследование, методы, его теоретическое и практическое значение, формулируются основные понятия выбранной темы и её характеристика.

Основная часть работы подразделяется на следующие главы: 1-я глава «Просодические характеристики эмотивно-маркированной женской речи», содержащая формирование теоретической базы исследования, а именно: рассмотрение лингвистики эмоций, описание основных способов проявления эмотивности в просодических характеристиках речи человека, раскрытие роли гендера в реализации эмотивности, рассмотрение аспектов прикладной фонетики, необходимых для проведения исследования, а также влияние достоверности реализации эмоций дикторами на увеличение вероятности их распознавания, и 2-я глава: «Акустический анализ реализации просодических признаков в женской речи с эмоциональным модусом», в которой приводятся результаты полученных экспериментальным путем данных, их расшифровка, анализ и пояснения к нему.

В Заключении подводятся итоги исследования и формулируются выводы, сделанные на основе проделанной работы и свидетельствующие о подтверждении теоретической части результатами практического исследования, отмечается выполнение поставленных ранее задач и достижения цели настоящей работы, определяются дальнейшие перспективы работы в выбранном направлении.



1. Просодические характеристики эмотивно-маркированной женской речи

1.1 Речь и эмотивность

В XIX веке швейцарский лингвист Фердинанд де Соссюр впервые заявил о дихотомии «язык - речь», что зафиксировано в труде «Курс общей лингвистики», написанном его учениками на основе лекций. Ф. Соссюр определял язык как нечто идеальное и более замкнутое, чем разнородная речь, свойственная конкретным индивидам. (Соссюр, 1999:19) Как следствие, появляется идея о большей вариативности речи по сравнению с языком, что формирует у ученых интерес к ее более внимательному изучению. С развитием антропоцентрической парадигмы в лингвистике ученые-лингвисты приходят к выводу, что речь не может существовать отдельно от эмотивной составляющей, так как эмоциональный модус играет большую роль в формировании смысла высказывания.

Понятие эмотивности наиболее четко определено В.И Шаховским, он разграничивает эмотивность и эмоциональность, исходя из научной области, в которой они применяются: «Эмотивный-то же, что эмоциональный, но о языке, его единицах и их семантике. Эмотивность - имманентно присущее языку семантическое свойство выражать системой своих средств эмоциональность как факт психики…» (Шаховский 2008: 24). Эмотивность в полной мере реализуется на всех уровнях языка: фонетическом, морфологическом, лексическом и синтаксическом. В научных работах, связанных с эмотивностью лексических единиц, часто встречается понятие коннотация. Оно определяется как созначение, некий дополнительный элемент значения, укрепившийся в системе языка и в сознании его носителей. Многие ученые также связывают эмотивность с оценочностью, но следует понимать, что они не являются взаимозаменяемыми понятиями. Выражение оценки в высказывании не всегда подразумевает его эмотивную маркированность, однако зачастую выражение эмоций сигнализирует о той или иной позиции говорящего, его отношении к тому, о чем идет речь.

По мнению Н.Б. Мечковской, основное проявление эмотивности в речи происходит именно на фонетическом уровне, а за ним следуют лексический и синтаксический. (Мечковская, 2000: 15).

1.2 Речь и её просодические характеристики

Изучение просодических характеристик высказывания является важной составляющей лингвистических исследований речи. При анализе спонтанной устной коммуникации обращают внимание на три основных фактора, а именно:

1) лексику и синтаксис фразы, слова и правила, которые объединяют их в единые предложения;

2) просодические характеристики звука, к которым относят высоту тона, ее изменения, громкость звука, акцент, паузацию и тембр;

3) невербальное поведение, мимику, жесты, расстояние между коммуникантами. (Григорьев, Тычинина 2006: 27).

Эти три компонента находятся в активном взаимодействии, и акт речевой коммуникации не является полноценным при отсутствии одного из них. С другой стороны, при изучении речи, ученые, как правило, фокусируются на одном из трех факторов более подробно, с целью проведения более глубокого и узконаправленного анализа.

Следует, обратить внимание на применение терминов просодия и интонация. В отечественном языкознании в большинстве работ интонация рассматривается в более широком смысле и употребляется синонимично просодии, обозначая систему супрасегментных свойств речи, в таком случае возникает третий термин просодика, относящийся исключительно к характеристикам слога, в то время как интонация и просодия распространяются на все единицы: слог, синтагму, фразу и т.д. В зарубежном языкознании интонация нередко отождествляется с мелодикой и обладает более узким значением, обозначая изменения частоты основного тона во времени. В таком случае принято говорить об интонационных структурах в различных языках. Для формирования однозначного понимания в данном исследовании мы будем придерживаться более широкого понимания интонации.

Сфера применения изучения просодии речи очень широка, что обусловлено большим числом как лингвистических, так и паралингвистических функций интонации. Их наиболее полный перечень представлен в работе О.Г. Козьмина. Он выделяет:

1) организующую функцию речи;

2) стилистическую функцию;

3) эмоционально-экспрессивную фунцию.

Первая отвечает за оформление единства высказывания (его завершенность или незавершенность), коммуникативную установку говорящего (по своему интонационному оформлению высказывания подразделяются на декларативные, вопросительные и императивные), модальность предположения в высказывании (то, насколько оно достоверно), коммуникативная задача высказывания (выделение темы и ремы). Вторая функция служит для определения различных типов текстов. Экспрессивная функция интонации информирует о ситуативно обусловленном ментальном или эмоциональном состоянии говорящего. (Козьмин, Богомазова и др., 1990: 175).

1.3 Речь и гендер

Гендер является одним из основных критериев при составлении речевого портрета говорящего. Различия в устройстве речевого аппарата оказывают влияние на акустические характеристики речи мужчин и женщин. На уровне слуховой перцепции женский голос воспринимается выше мужского, что непосредственно связано с преобладанием высокочастотных формант в женской речи. С другой стороны, мужской голос считается более категоричным за счет более длительных пауз и замедленного темпа. Однако эти различия проявляются не с рождения человека, а лишь на определенном этапе развития его организма. К примеру, средний уровень частоты основного тона начинает явно отличаться лишь к 10 годам: у женщин он на 25 процентов выше, чем у мужчин. Окончательное формирование просодических различий, обусловленных гендерным различием, происходит в возрасте до 15 лет у женщин и в период с 14 до 18 лет у мужчин. (Романова, 2001: 200) Еще одно объяснение идеи о большей эмоциональности женской речи связано с большей изрезанностью мелодического контура высказываний: представительницами женского пола используется большее количество интонационных конструкций, часто встречаются комбинированные конструкции - нисходящие с предшествующим или последующим подъемом интонации.

Для русского языка были установлены следующие параметры среднего значения ЧОТ: у женщин она составляет 160 - 340 Гц, а у мужчин - 85-200 Гц. Таким образом, ЧОТ мужской и женской речи соотносятся как 1:2. Данное утверждение также верно и для немецкой речи: диапазон среднего значения ЧОТ у мужчин - 110 - 130 Гц, у женщин - 200 - 230 Гц. Многие исследователи также отмечают, что диапазон голоса у женщин шире, чем у мужчин: 7 полутонов - у первых, и 6 полутонов - у вторых. Известен и тот факт, что средняя длительность слога у мужчин короче, чем у женщин: 221 мс против 231 мс. (Романова, 2001: 201)



Учитывая наличие значительных различий между акустическими характеристиками мужской и женской речи без эмоционального модуса, можно предположить, что эмоциональное состояние информантов будет лишь усиливать эти различия. Отдельное исследование эмотивно-маркированной речи представителей мужского и женского пола является поэтому вполне обоснованным, поэтому в дальнейшем в работе будет рассматриваться исключительно женская речь.

1.4 Классификация эмоций

Существует 3 подхода к классификации эмоций в психо- и нейролингвистике: дискретный, пространственный и гибридный. Дискретный эмоциональный подход опирается на категоризацию, отраженную в естественном языке. Каждая эмоция связана с семантическим полем - определенным значением или набором значений, которые мы приписываем некоторому аффективному состоянию. Теория базовых эмоций - один из самых известных примеров дискретного подхода.

Первое упоминание о чем-то похожем на то, что подразумевается под базовыми, или первичными, эмоциями, можно найти в ранних философских текстах, таких как тексты греческой и китайской культур. Платон в Республике считал эмоции одной из основных составляющих человеческого разума. В функциональной теории эмоций Аристотеля разум, эмоции и добродетель переплетены, и каждый здоровый человек всегда (или почти всегда) проявляет эмоции и действует в соответствии с разумом и добродетелями, осознает он это или нет. Китайский конфуцианство включало от четырех до семи «Цин» - эмоций, которые были естественны для любого человека.

В 20 веке тема получила новую волну внимания со стороны научного общества, и ряд авторов, в том числе Пол Экман, автор наиболее распространенного отчета об основных эмоциях, предложили свой собственный список. Экман полагал, что основные эмоции должны быть универсальными в том смысле, что они не различаются в разных культурах. В разных моделях мы можем найти от 6 до 22 эмоций (Ekman, Parrot, Frijda, Plutchik, Tomkins, Matsumoto - Подробнее см. Cambria et al., 2012).

Многие решения для определения эмоций основаны на дискретном подходе и включают в себя только основные эмоции, чаще всего классификацию, предложенную Экманом (Basic Emotions, 1999: 610). Это означает, что автоматические системы обучены распознавать лишь ограниченное число эмоциональных состояний, хотя в жизни люди испытывают их широкий спектр, включая сложные смешанные эмоции, и используем многочисленные социальные сигналы (например, жесты) для дополнительного взаимодействия.

Пространственный подход представляет эмоции в координатах в многомерном пространстве. Поскольку это пространство является интегральным, существуют эмоции, которые имеют одну и ту же природу, но варьируются в зависимости от различных параметров. В аффективной науке эти параметры (или измерения) чаще являются валентными и возбуждающими. Таким образом, печаль можно рассматривать как менее интенсивный вариант горя и более сильный вариант задумчивости, в то же время больше похожий на отвращение, чем на доверие. Количество измерений может варьироваться в зависимости от предлагаемых шкал. В колесе эмоций Плутчика есть 2 измерения (сходство и интенсивность) (Plutchik, 2001:344), в то время как Фонтейн постулирует 4 измерения (валентность, потенция, возбуждение, непредсказуемость). Любая эмоция в пространстве обладает набором параметров, выраженных величиной, с которой она присутствует в каждом измерении.

Гибридный подход сочетает в себе дискретный и пространственный подход. Хорошим примером гибридной модели являются песочные часы эмоций (Cambria, Livingstone, Hussain, 2012: 144). Каждое эмоциональное проявление характеризуется шестью уровнями силы эмоции. Эти уровни представляют из себя набор из 24 эмоций. Так, любая эмоция может быть рассмотрена и как состояние, и как часть континуума, связанная с другими эмоциями нелинейными отношениями.

В рамках данной работы используется дискретный подход классификации эмоций, так как для анализа выбраны два эмоциональных состояния - радость и грусть, которые располагаются на противоположных концах спектра эмоций и обладают достаточным количеством дистинктивных черт. В рамках практической части также будет осуществлен аудиторский анализ, направленный на то, чтобы исключить все проявления не базовых эмоций.

1.5 Влияние достоверности эмоций диктора на проведение исследования

Для исследования реализации просодических характеристик исследователю необходимы образцы речи с определенным эмоциональным модусом. К сожалению, задача по созданию качественных и полных баз эмотивно-маркированной звучащей речи еще не является решенной для большинства языков, в результате чего исследователи прибегают к самостоятельному сбору материалов. Существует два способа записи необходимых данных: в первом случае в качестве информантов выступают профессиональные актеры, которые были специально обучены правдоподобной передаче эмоций, второй способ - запись спонтанной речи, производимой индивидом в ходе интервью или дискуссии. Искренние эмоции говорящего отвечают более четкому соблюдению условий эксперимента, что увеличивает вероятность получения правдоподобных данных, но, с другой стороны, неподготовленная речь может объединять в себе несколько эмоциональных модусов или же их смены могу происходить настолько быстро, что выделение высказываний, произнесенных с одной конкретной эмоцией практически невозможно.

Для анализа реализации акустических характеристик высказываний диктора в определенном эмоциональном состоянии и их дальнейшем сопоставлении чаще пользуются первым способом. Актеры - дикторы способны воспроизводить различные эмоции, однако возникает вопрос о правдивости эксперимента и адекватности полученных данных. Существует непосредственная зависимость между искренностью эмоций говорящего и процессом их распознавания слушающим. Немецкие ученые Маттис Дролет, Рикарда инес Шуботц и Джулия Фишер провели исследование, в ходе которого они изучали мозг информантов при помощи ФМРТ в то время, как те прослушивали образцы записи постановочной и спонтанной эмотивно-маркированной речи. В ходе эксперимента было выявлено, что при прослушивании записей дикторов, переживавших искренние эмоции, у информантов задействовалась часть мозга, отвечающая за воспоминания и пережитый человеком опыт.

Таким образом, распознавание эмоций основывалось на сопоставлении того, что человек слышал и того, что он сам испытывал в прошлом. В случае с постановочными записями, в которых эмоции не были искренними, у информантов активировалась часть мозга, отвечающая за логическое мышление, т.е. процесс распознавания сводился к попытке декодировать эмоции исключительно на основе поступающей информации, без аппроксимации к личному опыту.

Параллельно с наблюдениями за активизацией отдельных частей мозга информантов при прослушивании аудиозаписей проводилась процедура, схожая с процессом верификации отобранного материала. Испытуемых просили определить, какую из 4 предложенных эмоций испытывает диктор: гнев, страх, радость или грусть. Такие эмоции как страх и радость одинаково опознавались информантами как в случае с искренними эмоциями, так и в случае с постановочной речью: время реакции - количество мс, потребовавшихся на определение эмоций, и точность определения были практически равны.

С другой стороны, определение гнева давалось информантам лучше, когда им была представлена аудиозапись с эмоцией, искусственно воссозданной актером; противоположный результат наблюдается при опознавании грусти. Искренние эмоции удавалось определить лучше, чем «постановочную» грусть.

Важно отметить, что участие в исследовании принимали только женщины, дополнительными критериями для которых были: родной язык, возраст - от 20 до 30 лет, преобладающая рука - правая. В качестве информантов учеными были выбраны представители одного пола, т.к. гендерные различия непосредственно влияют на способности человека воспринимать эмоциональные категории. Женщины демонстрируют большую точность при определении эмоций диктора, при этом время их реакции также меньше. («Specifically, emotion recognition accuracy and reaction time (RT) show a distinct advantage for women») (Drolet, Fischer, Schubotz, 2013: 140)

В.И. Шаховский, работая с эмотивно маркированной речью, относил ее к особому типу коммуникации - экспрессивному. Особенность этого типа заключается в «специфическом выражении коммуникативно-прагматического намерения говорящего». (Шаховский, 2008:134). Основной постулат его работы заключается в том, что экспрессивность коммуникативна, иными словами, имеет сообщительную или информационную значимость, и прагматична, так как призвана воздействовать на слушающего и идентифицировать определенную реакцию с его стороны.

Шаховский определяет эмотивно-экспрессивное высказывание как высказывание-сообщение с особым прагматическим «прицелом», иллокуцией, воздействующей на получателя в определенном, задуманном отправителем, отношении. В рамках исследования В.И. Шаховского речь актеров не упоминается, однако сравнение истинно экспрессивной речи и речи с имитацией эмоций является интересной задачей с позиции исследования того, как получатель высказывания влияет на реализацию эмотивности отправителем. Речь актеров направлена на зрителей, нежели полноправных участников коммуникации, но, с другой стороны, прагматический «прицел» все еще имеет место. Важным для данной работы представляется изучение эффекта исключения слушателя на просодических характеристиках реализации эмотивности.

Таким образом, при построении эксперимента, затрагивающего тему определения эмоций говорящего и определения их акустических характеристик, необходимо рассматривать социолингвистические факторы не только дикторов, но и информантов, имеющих разный уровень слуховой перцепции в зависимости от принадлежности к определенному гендеру.

При анализе результатов проведенного эксперимента также важно брать во внимание способ получения речевых образцов, а именно использовались ли записи спонтанной звучащей речи с искренними эмоциями или в роли дикторов выступали актеры, имитирующие указанные эмоциональные состояния в искусственно сформированных коммуникативных ситуациях, а также присутствовал ли в сознании говорящего прагматический компонент.



2. Акустический анализ реализации просодических характеристик в женской речи с эмоциональным модусом

2.1 Сбор материала

Материал данного исследования представлен аудиозаписями высказываний двух типов:

1) - аудиозаписи искусственно сформированных высказываний с имитацией эмоций,

2) - фрагменты голосовых сообщений в интернет-коммуникаторах.

В первом случае, диктору предоставлялись 10 заранее подготовленных высказываний, которые ему необходимо было произнести без эмоций или с эмоциональными модусами - радость и грусть. В процессе записи принимали участие 5 дикторов женского пола в возрасте от 19 до 20 лет. Ограничения на возраст и пол введены с целью минимизации различия индивидуальных просодических характеристик. Всего было получено 150 аудиозаписей, по 50 высказываний на каждую эмоцию и их отсутствие. Во втором случае отбирались подходящие фрагменты из голосовых сообщений, отправленных пользователями в социальных сетях Вконтакте и Telegram.

Подходящими считались аудио, соответствующие эмоциям - радость и грусть, а также аудио, в которых диктор не выражает эмоционального состояния. Фрагменты должны были представлять собой законченные по смыслу высказывания, объединенные общей интонацией. На данном этапе были отобраны 75 голосовых сообщений, принадлежавших 5 дикторам - женщинам в возрасте от 20 до 25 лет, по 25 аудиозаписей на каждую эмоцию и отсутствие эмоций. Важно отметить, что дикторы не были предварительно предупреждены о том, что их голосовые сообщения будут использоваться в исследовании, и давали согласие постфактум.

Представленные методы сбора материала отличаются по трем параметрам: 1) Наличие контекста высказываний; 2) Стимул эмоциональной реакций; 3) Наличие собеседника.

С одной стороны, контекст упрощает понимание диктором и слушающим смысла высказывания и его эмоциональной установки с помощью предоставления большей информации о ситуации, в которой данное высказывание было произнесено. Ситуативный контекст мотивирует большую естественность при проявлении эмоций, так как присутствует реальный стимул, на который у диктора возникает определенная реакция - эмоциональное состояние, проявляющееся в его речи. В случае искусственно сформированных высказываний дикторам необходимо додумать стимул, который вызывал бы у них определенную реакцию.

Таким образом, реализация эмоций зависела от аппроксимации к предыдущему эмпирическому опыту диктора. Кроме того, экспрессивная речь канонично подразумевает адресанта, на которого направлены эмоции говорящего, в случае с имитацией эмоций второй участник коммуникации был исключен. С другой стороны, контекст усложняет выделение фрагментов, обладающих только одним эмоциональным модусом, так как спонтанная речь отличается тенденцией диктора менять тему разговора, что приводит к наложению одного эмоционального состояния на другое, так что голосовые сообщения уступают имитации эмоций с позиции количества и чистоты эксплицируемых эмоций.

2.2 Аудиторский анализ и верификация материала

Для верификации собранных аудиозаписей на реализацию в них эмоций - радости или грусти или отсутствие и той, и другой был проведен аудиторский анализ. Первый тип аудиозаписей был представлен для прослушивания 20 аудиторам - 10 мужчинам и 10 женщинам, возраст которых составил от 18 до 30 лет. Результаты подсчитывались отдельно для мужчин и женщин, подходящими признавались записи высказываний, в которых как минимум 9 из 10 дикторов отметили реализацию заложенной эмоции. В качестве данных для акустического анализа выступили только те аудиозаписи, которые попали в пересечение множеств высказываний, отобранных аудиторами-мужчинами и аудиторами женщинами. Таким образом, первый сет для анализа состоял из 27 высказываний: 11 с эмоциональным модусом - грусть, 11 - без явной реализации эмоций и 6 с эмоциональным модусом - радость.

Верификация фрагментов голосовых сообщений проходила при помощи опроса в Интернете на платформе Google Forms, данные были разбиты на 3 группы по 25 записей с целью сокращения времени прохождения опроса. Приведенные далее результаты являются усредненными для трех опросов.

Количество аудиторов составило 30 человек: 18 женщин и 12 мужчин, возраст которых был представлен диапазоном от 15 до 37 лет, с подавляющим большинством респондентов 20-ти лет - 41% опрошенных. В результате опроса были отобраны 20 аудиозаписей - 6 с эмоциональным модусом грусть, 8 без эмоций и 6 с эмоциональным модусом - радость. Подходящими считались аудио, которые были одобрены как минимум 80% аудиторов. Таблицы с результатами опросов представлены в приложении 1.

В ходе обоих аудиторских анализов информанты распознали меньшее количество высказываний с эмоцией радости, чем отсутствие эмоций или эмоцию - грусть. Подобные результаты встречаются в исследовании Маттис Дролет, Рикарды Инес Шуботц и Джулии Фишер. В ходе проведенного ими эксперимента радость была распознана информантами в 2 раза реже, чем грусть, в случае, когда диктор испытывал искренние эмоции, (вероятность составляла 0.27 и 0.60 соответственно) и в 1.5 раза реже, когда заданные эмоциональные состояния имитировались профессиональными актерами (0.28 и 0.45). (Drolet, Fischer, Schubotz, 2013: 144).



Таблица 1. Результаты аудиторского анализа

	Без эмоций	Радость	Грусть
Аудиозаписи с имитацией эмоций
Количество, записанных аудио	50	50	50
Количество, отобранных аудио	11	6	11
Количество, отобранных аудио в процентах	22%	12%	22%
Голосовые сообщения
Количество, записанных аудио	25	25	25
Количество, отобранных аудио	8	6	8
Количество, отобранных аудио в процентах	32%	24%	32%

Из Таблицы 1 видно, что аудиторы лучше распознавали реализацию эмоций в голосовых сообщениях: 32% против 22% и 24% против 12% соответственно, что подтверждает гипотезу о том, что эмоции в голосовых сообщениях и искусственно записанных высказываниях реализуется по-разному.

В рамках исследования информантам так же были заданы вопросы о том, насколько искренними они считают голосовые сообщения и как часто они ими пользуются. Было выяснено, что 2% информантов регулярно отправляют голосовые сообщения в социальных сетях, 20% - часто, 51% процент иногда пользуются ими и 26% никогда не отправляют голосовые сообщения. 73% опрошенных подтвердили гипотезу о том, что эмоции в голосовых сообщениях являются искренними.

Исходя из этого, на следующем этапе проводилось сравнение просодических характеристик искусственно сформированных аудиозаписей и фрагментов голосовых сообщений с целью выявления наиболее значимых различий.

2.3 Акустический анализ записей

Отобранные голосовые записи анализировались по следующим параметрам:

1. Общая длительность высказывания, с (сек)

2. Количество слогов в высказывании

3. Средняя длительность слога, с (сек)

Формула расчета

4. Минимальная и максимальная частота основного тона, Hz

5. Минимальная и максимальная частота основного тона, пт

6. Среднее значение частоты основного тона по высказыванию, пт

7. Диапазон значений частоты основного тона

Формула расчета:

8. Минимальное и максимальное значение интенсивности высказывания, дБ

9. Среднее значение интенсивности по высказыванию, дБ

10. Диапазон значений интенсивности, дБ

Формула расчета: Диапазон значений интенсивности =

Интенсивность _max - Интенсивность _min

11. Длительность терминальной ритмогруппы, с (сек)

12. Минимальная и максимальная частота основного тона в терминальной ритмогруппе, пт

13. Скорость изменения ЧОТ в терминальной ритмогруппе (пт / с)

Формула расчета: ,



где S скорость изменения (пт / с); i интервал между максимальной и минимальной величинами ЧОТ в полутонах; ф масштаб времени, равный 1000 мс; Дt продолжительность участка ЧОТ в мс.

14. Минимальное и максимальное значение интенсивности в терминальной ритмогруппе, дБ

15. Скорость изменения интенсивности в терминальной ритмогруппе (дБ / с)

Формула расчета: ,

где S скорость изменения (дБ / с); k интервал между максимальной и минимальной величинами интенсивности в дБ; ф масштаб времени, равный 1000 мс; Дt продолжительность участка ЧОТ в мс. (Доля, 2012:157)

Выделенные ключевые параметры были получены при помощи компьютерного программного обеспечения PRAAT и внесены в сопоставительные таблицы. Данные таблицы представлены в Приложениях 2 и 3 и включают значения всех выше перечисленных ключевых просодических характеристик искусственно сформированных аудиозаписей и просодических характеристик фрагментов голосовых сообщений.

Ниже представлены примеры интонограмм высказываний с эмоциональным модусом радость, грусть и без эмоций, на основе которых строились сопоставительные таблицы.



Рисунок 2. Интонограмма голосового сообщения с эмоциональным модусом - радость

Рисунок 3. Интонограмма голосового сообщения без эмоций



Рисунок 4. Интонограмма голосового сообщения с эмоциональным модусом - грусть

Анализ полученных данных был осуществлен в два этапа: изначально был проведен сравнительный анализ абсолютных значений приведенных характеристик, а далее высчитывались относительные величины и, основываясь на них, проводился статистический анализ. В первом случае показатели сравнивались на основе среднего арифметического значения в каждой группе эмоций по каждому параметру. Ниже приведены основные выводы, полученные при сравнении усредненных значений по высказываниям с разными эмоциональными модусами и таблицы со значениями.

Средняя длительность фразы голосовых сообщений больше средней длительности искусственно сформированных высказываний:

· Без эмоций: 2,21 с против 1,30 с соответственно

· Радость: 1,62 с против 1,40с соответственно

· Грусть: 2,19 с против 1,27 с соответственно

Данное явление может быть объяснено тем, что речь в голосовых сообщениях ближе к спонтанной, и её тяжелее членить на короткие фонетически и семантически самостоятельно оформленные фрагменты, в то время как искусственно сформированные высказывания не имеют контекста и их длительность определяется заранее, до проведения записи дикторов.

Следует отметить, что средняя длительность высказываний обоих типов изменяется в зависимости от переживаемых диктором эмоций: длительность высказываний с эмоциональным модусом - грусть короче длительности высказываний, произнесенных без эмоций - на 0,02-0,03 с. В исскуственно сформированных

аудиозаписях фрагменты эмоциональным модусом - радость в среднем длиннее на 0,1 с. Однако длительность фрагментов голосовых сообщений с эмоциональным модусом - радость короче фрагментов без эмоций на 0,57 с. Вероятнее всего, это связано с тем, что сообщение информации не является первостепенной целью говорящего, находящегося в эмоциональном состоянии - радость, к тому же данная эмоция является краткосрочной, в связи с этим длительность фрагментов сокращается.

Тенденция говорящего замедлять темп речи в эмоциональном состоянии - грусть отчетливо прослеживается и на примере такого показателя как средняя длительность слога:

· Искусственно сформированные высказывания: СДС _{без эмоций} 0,21 < СДС _грусть 0,24 < СДС _{радость} 0,246

· Фрагменты голосовых сообщений: СДС _{без эмоций} 0,18 < СДС _грусть 0,196 < СДС _{радость} 0,205

Значение средней длительности слога у высказываний с эмоциональным модусом - грусть больше значения длительности высказываний без эмоций на 0,16 с для голосовых сообщений и на 0,3 с для искусственно сформированных высказываний. При сравнении СДС с эмоциональным модусом грусти и радости выявлено, что для вторых этот показатель выше, а разница достигает от 0,06 до 0,09, что меньше разница между эмоциональным модусом - грусть и без эмоций, но все еще является значимым показателем.

Несмотря на то, что вся длительность высказываний с эмоциональным модусом - радость короче высказываний с эмоцией грусть или без эмоций, темп речи при реализации эмоции - радость на наших данных медленнее. Также следует отметить, что СДС высказываний с эмоциональным модусом в обоих случаях больше СДС высказываний, произнесенных без эмоций.

Таблица 2. Анализ частоты основного тона в голосовых сообщениях и аудиозаписях с имитацией эмоций

	Mean ЧОТ, пт	Min ЧОТ, пт	Max ЧОТ, пт	Диапазон ЧОТ, пт
Аудиозаписи с имитацией эмоций
Без эмоций	95,34	89,48	100,44	10,95
Грусть	95,96	91,61	100,76	9,15
Радость	99,99	95,25	103,76	8,51
Голосовые сообщения
Без эмоций	93,14	86,135	100,63	14,49
Грусть	91,48	79,70	102,4	22,70
Радость	95,26	88,86	102,55	13,69

При анализе частоты основного тона в аудиозаписях с имитацией эмоций были отмечены следующие особенности: во-первых, среднее значения ЧОТ для аудио без эмоций и с эмоциональным состоянием - грусть практически равны и на 4 пт меньше среднего показателя ЧОТ для радости, что вполне предсказуемо, так как женщины говорят выше, когда испытывают радость. Подобная ситуация наблюдается и с минимальной, и максимальной ЧОТ: когда диктор переживает эмоцию радости его показатели возрастают, а диапазон, в котором располагается интонограмма сужается по направлению к верхней границе ЧОТ. Показатели ЧОТ при эмоциональном состоянии диктора - грусть оказываются выше показателей без эмоций несмотря на то, что разница составляет от 0 до 2 полутонов максимум, это скорее является нетипичным паттерном. При анализе ЧОТ на материале голосовых сообщений выделяются следующие факторы:

- Средние и минимальные значения ЧОТ располагаются в порядке: грусть - без эмоций - радость, что является наиболее частотной последовательностью для трех этих эмоциональных состояний.

- Верхняя граница ЧОТ для записей с эмоциями грусти и радости совпадает, однако диапазоны отличаются нижней границей: радость расположена в более узком диапазоне, расположенном ближе к верхней границе.

- Следует отметить, что диапазон частоты шире для высказываний диктора, переживающего грусть.

Рисунок 5. Частота основного тона для аудиозаписей без эмоций. Сопоставление голосовых сообщений и аудиозаписей с имитацией эмоций.

Среднее значение ЧОТ искусственно сформированных высказываний выше среднего значения ЧОТ фрагментов голосовых сообщений на 2 - 4 пт независимо от эмоционального модуса, наиболее близкое значение в высказываниях без эмоций - разница 2 пт.

Рисунок 6 Частота основного тона для аудиозаписей с эмоцией - грусть. Сопоставление голосовых сообщений и аудиозаписей с имитацией эмоций.

Диапазон значений ЧОТ больше у фрагментов голосовых сообщений, чем у высказываний, сформированных искусственным путем. Самая большая разница наблюдается у записей с эмоциональным модусом - грусть: разница между максимальным и минимальным значение частоты основного тона составляет 22 пт против 9 пт соответственно. Причиной различия в диапазоне выступает нижняя граница ЧОТ, в голосовых сообщениях с эмоциональным модусом - радость минимум достигает 88,9 пт, а в искусственно сформированных высказываниях 95,3, что выше на 6 пт, разница для грусти составляет - 12 пт, а для высказываний без эмоций - 3 пт. Верхняя граница ЧОТ имеет максимальную разницу в 2 пт - для эмоционального модуса грусть.

Рисунок 7. Частота основного тона для аудиозаписей с эмоцией - радость. Сопоставление голосовых сообщений и аудиозаписей с имитацией эмоций

Средний диапазон значений интенсивности искусственно сформированных высказываний шире среднего диапазона значений интенсивности фрагментов голосовых сообщений независимо от испытуемых дикторами эмоций:

· Без эмоций: 48,5 дБ против 36,92 дБ соответственно

· Радость: 51,09 дБ против 41,25 дБ соответственно

· Грусть: 45,82 дБ против 36,71 дБ соответственно



Рисунок 8. Диапазон интенсивности в дБ. Сопоставление голосовых сообщений и аудиозаписей с имитацией эмоций

Так как интенсивность является параметром, описывающим силу и громкость звука, можно сделать вывод о том, что в искусственно сформированных аудиозаписях дикторы утрируют эмоции за счет изменения громкости произнесения частей высказывания.

Среднее минимальное и максимальное значение интенсивности фрагментов голосовых сообщений располагаются выше, чем среднее минимальное и максимальное значение интенсивности искусственно сформированных высказываний:

· Без эмоций: mean min 39,37 дБ против 21,36 дБ соответственно, mean max 76,29 дБ против 69,86 дБ соответственно

· Радость: mean min 39,88 дБ против 27,70 дБ соответственно, mean max 81,13 дБ против 78,72 дБ соответственно

· Грусть: mean min 37,12 дБ против 22,57 дБ соответственно, mean max 73,84 дБ против 68,40 дБ соответственно



Рисунок 9. Минимальное и максимальное значение интенсивности в дБ. Сопоставление голосовых сообщений и аудиозаписей с имитацией эмоций

Эти данные свидетельствуют о том, что в спонтанной речи говорящие разговаривают громче, причиной может служить психоэмоциональный контекст ситуации, возможно, во время записи высказываний дикторы не чувствуют себя комфортно, в то время как при записи голосовых сообщений человек не чувствует на себе никакого внешнего психологического давления и контроля.

Отличия наблюдаются и в скорости изменения интенсивности в терминальной ритмогруппе, которая в большинстве случаев совпадает с ремой высказывания. Данный признак фиксирует то, насколько быстро изменяется уровень интенсивности от самого высокого до самого низкого на промежутке, приходящемся на новую информацию в высказывании. Для радости скорость изменения интенсивности выше в голосовых сообщениях: 51,14 дБ/с против 48,50 дБ/с, для грусти и отсутствия эмоций скорость изменения, наоборот, ниже: 44,82 дБ/с против 48,24 дБ/с и 46,5 дБ/с против 60,04 дБ/с соответственно.

Таблица 3. Анализ скорости изменения интенсивности в терминальной ритмогруппе. (дБ/c)

	Голосовые сообщения	Аудиозаписи с имитацией эмоций
Без эмоций	46,5	60,04
Радость	51,14	48,5
Грусть	44,82	48,24

Результаты, полученные на основе анализа голосовых сообщений, свидетельствуют о том, что наибольшие изменения в интенсивности в пределах темпоритмической группы наблюдаются в записях с эмоциональным модусом - радость, а наименьшие в записях с эмоциональным модусом - грусть, то есть в голосовых сообщениях с эмоцией радости наблюдаются наиболее резкие смены громкости речи респондентов.

Аудиозаписи с имитацией эмоций не демонстрируют схожую тенденцию: наибольшая скорость смены интенсивности присуща записям без эмоций, а высказывания с эмоциональными модусами радость и грусть обладают примерно одинаковой скоростью изменений. В целом аудиозаписи с имитацией эмоций демонстрируют большую скорость изменения интенсивности, нежели голосовые сообщения.

Таблица 4. Анализ скорости изменения частоты основного тона (ЧОТ) в терминальной ритмогруппе. (пт/c)

	Голосовые сообщения	Аудиозаписи с имитацией эмоций
Без эмоций	13,63	16,5
Радость	17,91	12,37
Грусть	25,51	8,16

Наибольшее значение скорости изменения частоты основного тона в терминальной ритмогруппе наблюдается в записях с эмоциональным модусом - грусть для голосовых сообщений и в записях без эмоций в аудио с имитацией эмоций. Среднее значение скорости изменения частоты основного тона свойственно высказываниям с эмоцией радости, что может быть обосновано тем, что ЧОТ в записях с данным эмоциональным модусом изначально располагается ближе к верхней границе частоты основного тона, а грусть обычно реализуется за счет снижения ЧОТ к нижней границе. Однако важно отметить, что скорость изменения тона в терминальной ритмогруппе в голосовых сообщениях в 1,5 раза больше скорости изменения ЧОТ в высказываниях, произнесенных в искусственно сформированных ситуациях с имитацией эмоций.

2.4 Статистическая оценка различий между выборками

На втором этапе работы с полученными данными все абсолютные значения параметров были преобразованы в относительные путем деления каждого значения диапазона на среднее арифметическое всего диапазона. После этого были построены распределения вариационных рядов, для того чтобы удостовериться в нормальности распределения отобранных данных. Данная процедура необходима для дальнейших подсчетов критериев Пирсона и Стьюдента, предназначенных для выявления сходства или различия двух выборок.

Для выявления различия между вариационными рядами данных, полученных в ходе акустического анализа, в работе рассчитывался критерий Стьюдента. (Левицкий, 2007:115). При подсчетах сравнивались средние значения по каждому параметру из списка, приведенного в предыдущем пункте, и с помощью нормированного отклонения определялась достоверность разницы между средними арифметическими. Формула представлена на рисунке 1, где x и y - элементы ряда, и - средние арифметические выборок, и - количество элементов в выборках.



Рисунок 10. Формула расчета критерия Стьюдента

Обе выборки - голосовые аудиосообщения и аудиозаписи с имитацией эмоций - были подразделены на 3 подгруппы: без эмоций, с эмоциями радость и грусть, и сравнивались между собой попарно внутри этих подгрупп. Полученные значения представлены в Таблице 5. Вероятность сходства вариационных рядов голосовых сообщений с разными типами эмоций. (Расширенная таблица представлена в Приложении 3).

Таблица 5. Вероятность сходства вариационных рядов голосовых сообщений с разными типами эмоций

Группа	Показатель	Степень свободы	t критерий Стьюдента	t табл (а = 0,25/P = 75%)
Радость - без эмоций	СДС	12	0,77	0,695
	min интенсивность	12	1,00	0,695
	max интенсивность	12	1,00	0,695
	mean интенсивность	12	1,00	0,695
	min ЧОТ	12	1,00	0,695
	max ЧОТ	12	0,87	0,695
	meanЧОТ	12	1,00	0,695
Грусть - без эмоций	СДС	12	1,00	0,695
	min интенсивность	12	1,00	0,695
	max интенсивность	12	1,00	0,695
	mean интенсивность	12	1,00	0,695
	min ЧОТ	12	1,00	0,695
	max ЧОТ	12	1,00	0,695
	meanЧОТ	12	1,00	0,695
Радость - грусть	СДС	10	0,78	0,7
	min интенсивность	10	1,00	0,7
	max интенсивность	10	0,89	0,7
	mean интенсивность	10	1,00	0,7
	min ЧОТ	10	1,00	0,7
	max ЧОТ	10	1,00	0,7
	meanЧОТ	10	1,00	0,7

При сравнении относительных значений таких параметров как средняя длительность слога, минимальная, максимальная и средняя частота основного тона, минимальная, максимальная и средняя интенсивность в голосовых сообщениях, выражающих эмоции радости, грусти или не выражающих никаких эмоций, t критерий Стьюдента всегда больше табличного значения при вероятности равной 75%, что считается достаточным уровнем доказательности для вариативной устной эмоциональной речи. Это означает, что между выборками наблюдается существенная разница, так как коэффициенты их распределения не совпадают.

Таблица 6. Вероятность сходства вариационных рядов аудиозаписей с имитацией эмоций с разными типами эмоций

Группа	Показатель	Степень свободы	t критерий Стьюдента	t табл (а = 0,25/P = 75%)
Радость - без эмоций	СДС	14	1,00	0,692
	min интенсивность	14	1,00	0,692
	max интенсивность	14	1,00	0,692
	mean интенсивность	14	1,00	0,692
	min ЧОТ	14	1,00	0,692
	max ЧОТ	14	1,00	0,692
	meanЧОТ	14	1,00	0,692
Грусть - без эмоций	СДС	20	1,00	0,687
	min интенсивность	20	1,00	0,687
	max интенсивность	20	1,00	0,687
	mean интенсивность	20	1,00	0,687
	min ЧОТ	20	1,00	0,687
	max ЧОТ	20	1,00	0,687
	meanЧОТ	20	1,00	0,687
Радость - грусть	СДС	14	1,00	0,692
	min интенсивность	14	1,00	0,692
	max интенсивность	14	1,00	0,692
	mean интенсивность	14	1,00	0,692
	min ЧОТ	14	1,00	0,692
	max ЧОТ	14	1,00	0,692
	meanЧОТ	14	1,00	0,692

Аналогичная ситуация наблюдается для выборок аудиозаписей с разными эмоциональными модусами аудио с имитацией эмоций, полученные значения критерия Стьюдента больше критичных по всем показателям, что показывает статистически значимые различия между этими вариационными рядами.

Таким образом, независимо от способа сбора голосовых образцов, реализации различных эмоций в речи дикторов отличны друг от друга.

Следующий этап исследования заключался в выявлении статистических разницы или сходства между реализациями эмоций в голосовых сообщениях и аудиозаписях с имитацией эмоций. Для выявления статистических зависимостей были подсчитаны относительные величины для значений каждой метрики по каждой эмоции в паре - голосовые сообщения и записи с имитациями эмоций, а затем были выведены средние относительные значения, в роли которых в данной работе выступают медианы всех относительных значений по каждой метрике. Ниже представлены графики со значениями метрик в обеих группах - голосовые сообщения и аудиозаписи с имитацией эмоций - по всем подгруппам: радость, грусть, без эмоций.



Рисунок 11. Соотношение реализации эмоции - грусть в голосовых сообщениях и записях с имитацией этой эмоции

При сравнении средних относительных величин голосовых сообщений и аудио с имитацией эмоций с эмоциональным модусом - грусть наибольшее различие наблюдается в минимальной границе интенсивности - для записей с имитацией эмоции это значение равняется 0,805 против 1,022 для голосовых сообщений.

...