@article {491, title = {Analyzing time-dynamic vowels: normalization in the current decade}, year = {2021}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {online}, abstract = {With the exception of van der Harst (2011), previous work comparing vowel-normalization methods for sociophonetic research has largely focused on steady-state vowels (e.g. Adank et al 2004). With modern sociophonetics nowadays resorting more to time-dynamic analyses rather than steady-state approaches, the present study revisits the issue of vowel normalization with an explicit consideration of temporal trajectories. We compared sixteen normalization methods implemented in Visible Vowels (Heeringa \& Van de Velde 2018) and an unnormalized baseline, using van der Harst (2011){\textquoteright}s hand-corrected data of the Flemish-Dutch Teacher Corpus, which includes fifteen vowels (of which six may be phonologically diphthongal, but in practice all of these are temporally variable to some extent; van der Harst 2011). Using generalized additive models to model temporal trajectories, we compared the normalization methods{\textquoteright} abilities to normalize anatomical variation, retain vowel distinctions and explain variation in the normalized F0-F3; similar criteria were also used by Adank et al (2004) and van der Harst (2011). We additionally investigated the extent to which by-speaker random effects could supplement or perhaps even replace the use of normalization. Our results partly reproduce the good results for Lobanov, Gerstman, and Nearey I found earlier. However, we observe that other methods, particularly Heeringa \& Van de Velde II, come close to their performance but at much higher effect sizes. We also observe that random effects are not only useful for the unnormalized baseline, but provide a similar benefit also for the normalized data, showing that they are complementary to normalization. We interpret our findings in light of the way the different methods handle temporal dynamics. References Adank, P., Smits, R., \& Van Hout, R. (2004). A comparison of vowel normalization procedures for language variation research. The Journal of the Acoustical Society of America, 116(5), 3099-3107. van der Harst, S. (2011). The vowel space paradox. A Sociophonetic Study on Dutch. LOT. Heeringa W., \& Van de Velde, H. (2018). Visible Vowels: a Tool for the Visualization of Vowel Variation. In: Inguna Skadina \& Maria Eskevich (Eds.). Proceedings CLARIN Annual Conference 2018, 8-10 October, Pisa, Italy (pp. 120-123). CLARIN ERIC. }, author = {Voeten, Cesko and Wilbert Heeringa and Hans Van de Velde} } @article {21, title = {Visible Vowels: een instrument voor de visualisatie en normalisatie van klinkers}, year = {2017}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Amsterdam, The Netherlands}, abstract = {

Visible Vowels is een webapp voor de normalisatie en visualisatie van klinkermetingen, met name f0, F1, F2, F3 en duur. Bij de ontwikkeling is gestreefd gebruikersvriendelijkheid te combineren met een maximum aan flexibiliteit en functionaliteit. De gebruiker heeft de keuze uit de meest gangbare methoden voor klinkernormalisatie. Ook kunnen Hz waarden omgezet worden naar schalen, zoals Bark, Mel en ST. Getransformeerde waarden kunnen als een databestand bewaard worden. Visible Vowels presenteert de gegevens in {\textquoteleft}live view{\textquoteright}: bij iedere wijziging in de instellingen wordt de grafiek meteen aangepast. De gegenereerde figuren kunnen in verschillende formaten uitgevoerd worden.

Als invoerbestand verwacht het programma een Excel spreadsheet met daarin de metingen. De data mag bestaan uit metingen voor een onbegrensd aantal tijdspunten binnen de klinkerintervallen. Het maximum aantal categorische variabelen (zoals regio, geslacht, enz.) is eveneens onbegrensd. Het programma voorziet in twaalf sprekernormalisatiemethoden.

De app is geïmplementeerd in R, met gebruikmaking van Shiny, een webapplicatieraamwerk voor R dat is ontwikkeld door Rstudio. Visible Vowels is beschikbaar via: https://fryske-akademy.nl/fa-apps/VisVow/. In deze lezing zullen de mogelijkheid van de app gedemonstreerd worden aan de hand van een dataset van Van der Harst (2011).

}, author = {Wilbert Heeringa and Hans Van de Velde} } @article {47, title = {Cross-linguistic variation in Saterland Frisian vowels}, year = {2014}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Utrecht, The Netherlands}, author = {Heike Schoormann and Wilbert Heeringa and J{\"o}rg Peters} } @article {61, title = {Welke akoestische cues spelen een rol bij de onderscheiding van klinkers? De casus /U u u:/ in het Saterfries}, year = {2013}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Utrecht, The Netherlands}, abstract = {

Saterland Frisian has a complete set of closed short tense vowels: /i y u/. Together with the short lax vowels /I Y U/ and the long tense vowels /i: y: u:/ they constitute series of phonemes that only differ by length and/or tenseness. To identify the phonetic parameters that Saterland speakers use to keep minimal triplets, such as f[U]l {\textquoteleft}full{\textquoteright}, f[u]l {\textquoteleft}rotten{\textquoteright}, and f[u:]l {\textquoteleft}much{\textquoteright}, distinct, we carried out two production tests that were designed to elicit {\textquoteleft}normal speech{\textquoteright} and {\textquoteleft}clear speech{\textquoteright}. In the {\textquoteleft}normal speech{\textquoteright} condition speakers read the target words in random order with intervening filler words. In the {\textquoteleft}clear speech{\textquoteright} condition speakers were asked to make the word forms identifiable for a listener sitting opposite the speakers but lacking eye contact. Lax and tense vowels were found to be distinguished in both {\textquoteleft}normal{\textquoteright} and {\textquoteleft}clear speech{\textquoteright} by means of duration, spectral features, and steepness of the falling f0 contour. Short and long tense vowels were distinguished by the same acoustic cues in {\textquoteleft}clear speech{\textquoteright}. In {\textquoteleft}normal speech{\textquoteright}, the steepness of the falling f0 contour was found to be the only cue to the distinction between these vowels. We conclude that clear speech data better reveals the variables contributing to the discrimination of the Saterland Frisian triplet words than normal speech data.\ 

}, author = {Wilbert Heeringa and J{\"o}rg Peters and Heike Schoormann} } @article {120, title = {Dialectverandering: Lexicon versus morfologie versus klankcomponenten}, year = {2009}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Utrecht, The Netherlands}, abstract = {

Op basis van fonetische transcripties van opnamen die gemaakt werden in 2008 en 2009 bestuderen we veranderingen in 20 lokale Nederlandse dialecten . In elke plaats werden twee oudere mannen (conservatieve sprekers) en twee jongere vrouwen (innovatieve sprekers) opgenomen. Op basis van dit materiaal (waarin lexicon, morfologie en klankcomponenten onderscheiden zijn) willen we de volgende vragen beantwoorden:

Veranderen de dialecten? Welke taalcomponent verandert het meest? Groeien dialecten naar elkaar toe? Convergeren dialecten naar het Standaardnederlands? Convergeren dialecten die sterk verschillen van het Standaardnederlands relatief sterker aan de standaardtaal dan dialecten die betrekkelijk verwant zijn aan het Standaardnederlands? Wat zijn de belangrijkste voorspellers voor dialectverandering?

}, author = {Wilbert Heeringa and Frans Hinskens} } @article {311, title = {Klankverandering in Nederlandse dialecten: 1874 versus 1996}, year = {2008}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Amsterdam, The Netherlands}, abstract = {

In 1874 publiceerde Johan Winkler zijn Algemeen Nederduitsch en Friesch dialecticon, een tweedelig werk met daarin 186 vertalingen van de gelijkenis van {\textquoteright}de verloren zoon{\textquoteright} in dialecten in Nederland, het noorden van Belgi{\"e} en het westen van Duitsland. In 1996 werd het werk van Winkler herhaald door Harrie Scholtmeijer. Hij verzamelde 81 vertalingen van de parabel in dialecten in Nederland. 74 van deze plaatsen zijn ook in het werk van Winkler vertegenwoordigd. Heeringa \& Nerbonne (2000) gebruikten het materiaal van Winkler en Scholtmeijer om dialectverandering te meten, en om convergentie en divergentie tussen dialecten vast te stellen (Auer et alii 2005). Van de 74 vari{\"e}teiten die in beide corpora voorkomen kozen H\&N er 42 {\textendash} inclusief Standaardnederlands en Standaardfries {\textendash} en converteerden de orthografische transcripties naar {\textendash} tamelijk brede {\textendash} fonetische transcripties. Zij maten uitspraakafstanden tussen dialecten en ten opzichte van het Standaardnederlands. Uitspraakafstanden werden gemeten met de Levensthein afstand (d.i. een tekenreeksbewerkingsafstand).

De manier waarop dialectverandering van invloed kan zijn op het gesproken taalgebruik wordt uitgebreid besproken door Hoppenbrouwers (1990): door de invloed van het Standaardnederlands en door wederzijdse be{\"\i}nvloeding gaan dialecten meer op elkaar lijken en versmelten gaandeweg tot grotere gehelen, aangeduid als {\textquoteleft}regiolecten{\textquoteright}. In dit verband komen minstens vier vragen op. Allereerst, welke dialecten convergeren naar het Standaardnederlands? Deze vraag is al beantwoord door Heeringa \& Nerbonne (2000). Vervolgens, welke dialecten convergeren naar naburige dialecten zodat regiolecten ontstaan? We willen deze vraag beantwoorden en proberen te verklaren waarom sommige dialecten wel convergeren met aangrenzende dialecten, en anderen juist niet. Een derde vraag is of de gegevens uit 1996 grotere dialectgroepen suggereren dan de gegevens uit 1874. Om deze vraag te beantwoorden worden de dialecten geclassificeerd op basis van zowel de gegevens uit 1874 als op basis van de gegevens uit 1996. We verwachten dat het aantal natuurlijke groepen in 1996 kleiner is dan in 1874. Ten slotte maken we een inventarisatie van de meest frequente klinkerveranderingen die niet het gevolg kunnen zijn van {\textquoteright}vernederlandsing{\textquoteright} en bekijken inhoeverre die stroken met de principes die werden voorgesteld door Labov (1994).

Referenties

}, author = {Wilbert Heeringa and Frans Hinskens} } @article {247, title = {De afstanden tussen Noorse dialecten perceptief en akoestisch bepaald}, year = {2002}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Utrecht, The Netherlands}, abstract = {

Gooskens \& Heeringa (2002) beschreven een experiment waarbij de taalkundige afstanden tussen 15 Noorse dialecten werden bepaald volgens de perceptie van de sprekers. Deze resultaten werden vergeleken met Levenshtein afstanden, afstanden die bepaald werden op basis van de trancripties van de woorden uit de tekst die ook voor het perceptie-experiment gebruikt werden. De Levenshtein- afstand bepaald hoe zo eenvoudig mogelijk de ene uitspraakvariant veranderd kan worden in de andere door elementen toe te voegen, te verwijderen of te vervangen. De afstand is gelijk aan de som van de gewichten van de gebruikte operaties. De methode is afhankelijk van de betrouwbaarheid van de transcribent.

Het doel van dit onderzoek was het vinden van een akoestische afstandsmaat tussen dialecten die de perceptieve afstanden benadert. We maakten gebruik van verschillende representaties van het akoestisch signaal: Barkfilter- spectrogrammen, cochleagrammen en formant-sporen. De elementen op basis waarvan de Levenshtein-afstand nu werd toegepast zijn de spectra of de formant-reeksen (in plaats van de transcriptie-segmenten). Het gebruik van de formant-sporen bleek afstanden te geven die de perceptieve afstanden het meest benaderen. De resultaten van de transcriptie-gebaseerde aanpak correleren echter nog steeds sterker met de perceptieve afstanden. In het akoestisch signaal bevindt zich in bepaalde mate ook spreker-afhankelijke informatie, terwijl een transcribent abstraheert van stemkwaliteit. Het gebruik van meer samples per woord (in plaats van maar een zoals in ons onderzoek) zou de accuratesse van de metingen verbeteren.

}, author = {Wilbert Heeringa and Charlotte Gooskens} } @article {265, title = {Het gebruik van spectrogramvergelijking in de meting van dialectafstanden}, year = {2001}, publisher = {Nederlandse Vereniging voor Fonetische Wetenschappen}, address = {Utrecht, The Netherlands}, abstract = {

Voor de bepaling van dialectafstanden is de Levenshtein afstand een bruikbare metriek (Kessler (1995) en Nerbonne et al. (1999)). Bij deze metriek is de woordafstand gelijk aan het minimale aantal operaties (klanken toevoegen, verwijderen, vervangen of {\textquoteright}matchen{\textquoteright}) waarmee de uitspraak in het ene dialect kan worden veranderd in de uitspraak van het andere dialect. Een match heeft gewicht 0, de overige operaties gewicht 1. De som van de gewichten is de woordafstand, de som van de woordafstanden de dialectafstand. Bij gebruik van een featuresysteem wordt met de mate van verwantschap tussen klanken rekening gehouden. Betere dialectclassificaties worden echter verkregen door klankafstan- den te bepalen als de Euclidische afstand tussen de spectra van de spectrogrammen met een Bark-schaal. I.t.t. een featurebeschrijving is een spectrogram DIRECT gebaseerd op daadwerkelijke metingen. {\textquoteright}Stilte{\textquoteright} kan nu ook goed gedefinieerd worden, nodig voor de graduele gewichten voor toevoegen en verwijderen.

}, author = {Wilbert Heeringa} }