PhD in Philology, Associate Professor, Department of Foreign Languages
кандидат филологических наук, доцент департамента иностранных языков
Dr. Sci. in Psychology, Associate Professor, Head of the Federal Coordination Center for the Development of Psychological and Pedagogical Assistance in the Education System of the Russian Federation, Moscow State University of Psychology & Education ; Chief Research Fellow, Center for Applied Linguistic Research and Testing ISTOK, Moscow Institute of Physics and Technology (National Research University)
доктор психологических наук, доцент, руководитель Федерального координационного центра по обеспечению развития психолого-педагогической помощи в системе образования Российской Федерации, Московский государственный психолого-педагогический университет; главный научный сотрудник Центра прикладных лингвистических исследований и тестирования «ИСТОК», Московский физико-технический институт (Национальный исследовательский университет)
Prosodic organization of speech is relevant to both the comprehension of the spoken text and subjective voice evaluation. This pilot study compared direct comprehension and subjective evaluation of the same English-language educational text voiced by a professional female narrator and a synthesized voice perceived as female. Data from 145 university students (females = 37.9%, males = 62.1%) with an upper-intermediate level of English or higher were analyzed. Each study group listened to only one recording (natural voice: n = 77; synthesized voice: n = 68). After listening, the participants answered five content-related questions and rated the recording on 12 five-point semantic-differential scales. Direct comprehension scores did not differ between the conditions. In contrast, the semantic-differential ratings varied: after applying the Holm correction, the synthesized recording received less positive ratings on the attractiveness, interest, informativeness, vividness, and scientific validity scales. In the naturalvoice condition, factorization revealed components of general evaluation/attractiveness, cognitive accessibility/clarity, and activation. In the synthesized voice condition, the structure was less compact: cognitive-evaluative, activation/richness, and expressive-appeal components were identified, with the fourth eigenvalue also exceeding 1. The obtained data indicate that the two recordings provided similar direct factual comprehension but different subjective ratings. Because the results relate to two specific stimuli, it is impossible to separate the voice source from the speaker’s identity and other delivery features.
Просодическая организация речи связана как с пониманием звучащего текста, так и с субъективной оценкой голоса. В пилотажном исследовании сопоставлялись непосредственное понимание и субъективная оценка одного и того же англоязычного учебного текста, озвученного профессиональным диктором-женщиной и синтезированным голосом, воспринимаемым как женский. Проанализированы данные 145 студентов (37,9 % женщин, 62,1 % мужчин) с уровнем английского языка не ниже Upper-Intermediate. Каждая учебная группа прослушивала только одну запись (естественный голос: n = 77; синтезированный голос: n = 68). После аудирования участники отвечали на пять вопросов по содержанию и оценивали запись по 12 пятибалльным шкалам семантического дифференциала. Показатели понимания между условиями не различались ( U = 2800,5; p = 0,445; rrb = 0,070). Оценки по семантическому дифференциалу, напротив, различались: после поправки Холма синтезированная запись получила менее положительные оценки по шкалам привлекательности, интереса, информативности, яркости и научной обоснованности. Для естественного голоса факторизация выявила компоненты общей оценки/привлекательности, когнитивной доступности/ясности и активации. Для синтезированного голоса структура оказалась менее компактной: были выделены когнитивно-оценочный компонент, компонент активации/насыщенности и компонент выразительной привлекательности, при этом четвертое собственное значение также превышало 1. Полученные данные показывают, что две записи обеспечили сходное непосредственное понимание фактической информации, но получили разные субъективные оценки. Результаты относятся к двум конкретным стимулам и не позволяют отделить источник голоса от личности говорящего и других особенностей подачи.