在行为研究中的生态有效的语音收集:根特半自发语音范式 (GSSP)
Jonas Van Der Donckt1,2, Mitchel Kappen3,4, Vic Degraeve5,6
1IDLab, Ghent University - imec, Technologiepark Zwijnaarde 122, 9052, Ghent, Zwijnaarde, Belgium. Jonvdrdo.Vanderdonckt@UGent.be.
Behavior research methods
|December 13, 2023
概括
研究人员开发了根特半自发语音范式 (GSSP),以收集用于情感行为研究的自然语音数据. 这种新方法有效地捕捉自发的言语,使其与大声朗读的言语区别开来.
科学领域:
- 情感行为研究研究.
- 语音分析 语音分析
- 心理语言学 心理语言学
背景情况:
- 收集自然,无脚本的语音数据对于情感行为研究至关重要.
- 现有的方法可能缺乏灵活性,控制,或偏爱脚本语.
- 需要可扩展的范式来捕捉自发的语音表达式.
研究的目的:
- 介绍根特半自发语音范式 (GSSP),用于收集未编写的语音.
- 设计一种方法,满足灵活的持续时间,易于使用,控制,自发性和可扩展性的标准.
- 验证GSSP引起自发言语的能力,并将其与大声朗读的言语区分开来.
主要方法:
- 参与者描述了同行评级的图片,其情感负载一致.
- 该GSSP是通过在线任务和固定文本大声读取任务一起实施的.
- 声学分析和语音风格分类模型被用于验证.
主要成果:
- 参与者描述了足够长的图像,产生与自发风格一致的语音趋势.
- 一个语音风格分类模型实现了83%的平衡准确度,将GSSP与大声读音区分开来.
- 外部验证显示了70%的平衡精度,表明GSSP语音与自发面试语音的声学相似性.
结论:
- 根特半自发语音范式 (GSSP) 是一种有效和有效的方法来收集未编写的语音数据.
- 该GSSP方便捕捉自发言语用于各种环境中的情感行为研究.
- 现有的数据和代码支持未来关于语音风格,声学和情绪状态的研究.
