(DIS)FLUENTNOST I PROIZVODNJA GOVORA

Abstract

Siroko prihvaceni model govorne proizvodnje jest Leveltov (1995) hijerarhijski i modularni model (Garret 1976; Levelt 1995; [Williem J. M. Levelt] et al. 1999), najcesce poznat kao Modularni model proizvodnje govora, koji promatra proizvodnju govora kroz tri razine (Slika 1). Na konceptualnoj razini govornik u dva koraka planira obavijesni sadrzaj svog izricaja. Makroplaniranjem on osmisljava svoju komunikacijsku namjeru i glavne karakteristike koje mora zadovoljiti obavijest da bi bila sukladna s principima komunikacijske kooperativnosti ([Herbert Paul Grice] 1975) i da bi se ostvarili planirani govorni cinovi (Searl 1969). U sljedecem koraku, u mikroplaniranju, govornik odabire i strukturira konkretni informacijski sadrzaj. Konacan je rezultat rada konceptualizatora obavijest oblikovana algoritmom svojstvenim toj razini kao predverbalni plan koji nije jezicno oblikovan, ali je dostupan jeziku te omogucuje da se na sljedecoj razini obavijest, mozemo reci misao, jezicno oblikuje. Formulator predverbalnu obavijest oblikuje primjenjujuci jezicni kod odreðenoga prirodnog jezika opet u dva koraka: najprije gradeci njezinu gramaticku strukturu sto ukljucuje odabir jezicnih jedinica koje ce adekvatno prenijeti koncepte obavijesti (semantika), odabrat ce one oblike leksickih jedinica koji ce uspostaviti nuzne odnose meðu njima (morfologija) ukljucujuci i redoslijed odabranih jedinica (sintaksa). U mentalnom leksikonu pohranjene su leksicke jedinice, leme sa svojim potencijalnim morfoloskim oblicima i sintaktickim valencijama. Takvim gramatickim kodiranjem izgraðena je povrsinska struktura jezicnog izricaja koja se pohranjuje u gramatickom meðuspremniku. Time je omoguceno fonoloskom procesoru da povrsinskoj strukturi pridruzi fonoloske segmentalne i prozodijske jedinice, sto je drugi korak koji radi formulator. Zavrsni je rezultat jezicnog kodiranja fonetski plan. On je ulazni podatak za artikulator ciji je zadatak da fonetski plan neuralnim naredbama govornim organima pretvori u govorne pokrete i govorni zvuk kao konacan rezultat proizvodnje govora.

Govorna proizvodnja kontrolira se nizom automatiziranih ili svjesnih povratnih sprega (od obavijesne do komunikacijske PS, v. sliku 1) kojima govornik provjerava je li proces realizacije govorne obavijesti u skladu s inicijalnom zamisli koncptualizatora, odnosno kontrolira svoju proizvodnju i ispravlja pogreske. Povratne sprege mogu se klasificirati prema razlicitim kriterijima. Prema funkcionalnom kriteriju dijele se na: direktivne, korektivne i adaptativne. Direktivna povratna sprega ili zatvorena petlja na neki je nacin sprega unaprijed ( feed forward) koja se odvija paralelno s govornim pokretom. Govornik na temelju povratnih informacija o tekucem stanju pokreta moze predvidjeti odstupanja od zeljenog cilja i odmah korigirati pokret prije nego je napravljena pogreska koja bi zahtijevala potpuno reprogramiranje i ponavljanje pokreta. Ta je povratna sprega veoma brza (tek nekoliko desetaka milisekundi). Korektivnom povratnom spregom registriraju se realizirane pogreske koje zahtijevaju reprogramiranje i ispravljanje. Te su pogreske karakteristicne za obavijesnu i jezicnu razinu govorne proizvodnje. Konacno, adaptativnom povratnom spregom kontrolira se usvajanje jezicnih i motorickih govornih vjestina; njome se govor podesava opcim uvjetima u komunikacijskom kanalu ili naglim promjenama uvjeta u njemu. Borden i Harris (1980) povratne sprege u govornoj proizvodnji dijele na intrinzicke ili unutarnje, tj. one prije govornog pokreta, responsivne kojima se kontrolira izvedba pokreta i temelje se prije svega na proprioceptivnim kanalima te izvanjske kojima se kontrolira neposredno izveden motoricki pokret. [Ivo Skaric] (1991) navodi unutarnju povratnu spregu na razini sredisnjega zivcanog sustava, ekstraauditivnu ili propriocepcijsku, auditivnu i izvanjsku ili drustvenu povratnu spregu.

Govornik nastoji proizvesti idealan govor. Meðutim, buduci da covjek zbog svoje bioloske, psiholoske i drustvene odreðenosti nije idealan, on ne moze biti ni idealan govornik. Jedna od manifestacija te cinjenice jesu disfluentnosti u govoru. Disfluentnosti su prekidi glatkog govora koji nista ne pridonose obavijesnom sadrzaju izricaja u odnosu na njegovu planiranu informativnost. One meðutim nose drugaciju vrstu informacije. Naime, one ukazuju na poteskoce koje govornik ima u govornoj proizvodnji, pa se iz njih mogu iscitavati informacije o govornoj vjestini govornika ili o njegovu trenutacnom intelektualnom ili emocionalnom statusu. Buduci da je proizvodnja govora vremenski kontinuiran proces ([Damir Horga] 2008), moze se pretpostaviti da govornik rasporeðuje vrijeme tako da se izmjenjuju vremenski odsjecci u kojima on planira konceptualnu (obavijesnu), jezicnu i izgovornu strukturu zeljenog iskaza s odsjeccima realizacije planiranoga. Stoga je oblikovanje obavijesti zapravo proces njezina kontinuiranog graðenja. Kao sto smo vidjeli na slici 1, govornik nizom povratnih sprega kontinuirano nadzire svoju proizvodnju i ispravlja eventualne pogreske koje su u tako slozenom procesu lako moguce (Horga 2008). Prema tome, poteskoce se mogu pojaviti tijekom jednog i drugog procesa. Kako govornik mora efikasno rasporediti svoju paznju i kontrolu izmeðu planiranja i izvedbe, poteskoce mogu nastati i zbog neusklaðenosti tih dviju komponenata.

Jedna je od funkcija disfluentnosti regulacija komunikacijskog procesa koja moze pomoci sugovornicima bolje uskladiti komunikacijski proces. [Ona] takoðer ukazuje na zelju govornika da zadrzi rijec i/ili potice slusatelja da pomogne govorniku u izgradnji izricaja ako je ovaj zastao. Disfluentnosti mogu ukazivati na stupanj sigurnosti govornika u odgovoru na pitanje. Istrazivanja su pokazala da i medij u kojem se odvija govor moze utjecati na ucestalost disfluentnosti, pa tako govornici u telefonskom razgovoru rade vise disfluentnosti nego u razgovoru oci u oci. Broj disfluentnosti povecava se takoðer ako govornici nemaju mogucnosti gestikuliranja. [Sharon Oviatt] (1995) je pokazala da je ucestalost disfluentnosti u razgovoru veca nego u monolos kom govoru (5.50 do 8.83 na 100 rijeci u razgovoru u odnosu na 3.60 u monoloskom govoru). Taj se broj smanjuje ako se govornik obraca stroju, npr. racunalu; tada je naime broj disfluentnosti svega 0.78 do 1.87 na 100 rijeci.

Headnote

Govornik nastoji proizvesti idealan govor koji je vjesto planiran, gramaticki korektan, fluentno izveden i komunikacijski primjeren. Meðutim, zbog svoje bioloske prirode i fizioloskih karakteristika te komunikacijskih uvjeta u kojima covjek proizvodi govor, njegov je govor opterecen disfluentnostima koje su znak poteskoca u govornoj proizvodnji. Slozenost procesa govorne proizvodnje i (dis)fluentnosti objasnjavaju se razlicitim modelima govorne proizvodnje i istrazuju na primjeru javnoga (formalni govor) i komercijalnoga (neformalni govor) radijskog govora.

Kljucne rijeci: modeli govorne proizvodnje, kategorije (dis)fluentnosti, formalni i neformalni govor, radijski govor

The speaker's goal is to produce ideal speech, which is skillfully planned, grammatically correct, fluently executed, and communicatively appropriate. However, due to his/her biological nature and physiological features and communication conditions in which people produce speech, this speech can become dysfluent, thus indicating speech production difficulties. The complexity of speech production and (dys)fluency is explained by various models of speech production and the research looks at public (formal speech) and commercial (informal speech) radio speech.

Keywords: speech production models, categories of (dys)fluency, formal and informal speech, radio speech

1 Proces govorne proizvodnje

Temeljno je odreðenje govora da je govor komunikacija. Zbog najrazlicitijih unutrasnjih i izvanjskih razloga, motiva i poticaja covjek ima potrebu proizvesti i prenijeti obavijesti sugovorniku. Dakle, govornik je obavijesni procesor koji proizvodi obavijesti, procesira ih i prenosi sugovorniku. Dakako, on je istodobno i primatelj obavijesti. Da bi prenio obavijest, govornik mora raspolagati nekim sustavom znakova i medijem pomocu kojeg ce to ostvariti. Najprirodniji je sustav znakova prirodni jezik, a najprirodniji medij govor. Proizvodnja govora, od komunikacijske namjere do govornog zvuka, moze se razloziti na nekoliko razina kroz koje prolazi obavijest oblikujuci se na svakoj od razina sukladno s njihovim funkcionalnim zakonitostima.

Mehanizmi govorne proizvodnje objasnjavaju se razlicitim modelima koji promatraju govornu proizvodnju kao hijerarhijski organiziran proces preoblikovanja tijekom kojeg obavijest prelazi s jedne razine na drugu mijenjajuci kodove i/ili mate rijalni oblik signala karakteristican za pojedinu razinu. Jaeger (2005) u svom Modelu reprezentacijskih i procesorskih komponenata govornu proizvodnju promatra kao sustav izgraðen na dvjema razinama: govornik mora imati izgraðene programe govorne proizvodnje s jedne strane i s druge strane mora postojati mogucnost efikasne realizacije tih programa. Svaka od tih dviju razina moze se rasclaniti na niz hijerarhijski organiziranih podrazina. Prva se razina naziva reprezentacijskom - u njoj je u dugorocnoj memoriji pohranjeno cjelokupno znanje o svijetu na temelju kojeg ce govornik formirati obavijesnu/sadrzajnu/konceptualnu razinu svog govornog izricaja, kao i znanja o jezicno-govornim mehanizmima koja ce mu omoguciti da jezicno oblikuje i govorno izvede zeljenu obavijest. Druga je razina procesorska - u njoj su pohranjeni mehanizmi pomocu kojih govornik aktivira, odabire, priziva i ugraðuje elemente iz dugorocne memorije u aktualni izricaj dajuci mu jezicno-govorni oblik koji izricaj zahtijeva. Rijec je zapravo o programskim paketima koji se nakon sto su obavili svoju funkciju gase i cekaju pripravni za novo ukljucivanje.

Siroko prihvaceni model govorne proizvodnje jest Leveltov (1995) hijerarhijski i modularni model (Garret 1976; Levelt 1995; Levelt et al. 1999), najcesce poznat kao Modularni model proizvodnje govora, koji promatra proizvodnju govora kroz tri razine (Slika 1). Na konceptualnoj razini govornik u dva koraka planira obavijesni sadrzaj svog izricaja. Makroplaniranjem on osmisljava svoju komunikacijsku namjeru i glavne karakteristike koje mora zadovoljiti obavijest da bi bila sukladna s principima komunikacijske kooperativnosti (Grice 1975) i da bi se ostvarili planirani govorni cinovi (Searl 1969). U sljedecem koraku, u mikroplaniranju, govornik odabire i strukturira konkretni informacijski sadrzaj. Konacan je rezultat rada konceptualizatora obavijest oblikovana algoritmom svojstvenim toj razini kao predverbalni plan koji nije jezicno oblikovan, ali je dostupan jeziku te omogucuje da se na sljedecoj razini obavijest, mozemo reci misao, jezicno oblikuje. Formulator predverbalnu obavijest oblikuje primjenjujuci jezicni kod odreðenoga prirodnog jezika opet u dva koraka: najprije gradeci njezinu gramaticku strukturu sto ukljucuje odabir jezicnih jedinica koje ce adekvatno prenijeti koncepte obavijesti (semantika), odabrat ce one oblike leksickih jedinica koji ce uspostaviti nuzne odnose meðu njima (morfologija) ukljucujuci i redoslijed odabranih jedinica (sintaksa). U mentalnom leksikonu pohranjene su leksicke jedinice, leme sa svojim potencijalnim morfoloskim oblicima i sintaktickim valencijama. Takvim gramatickim kodiranjem izgraðena je povrsinska struktura jezicnog izricaja koja se pohranjuje u gramatickom meðuspremniku. Time je omoguceno fonoloskom procesoru da povrsinskoj strukturi pridruzi fonoloske segmentalne i prozodijske jedinice, sto je drugi korak koji radi formulator. Zavrsni je rezultat jezicnog kodiranja fonetski plan. On je ulazni podatak za artikulator ciji je zadatak da fonetski plan neuralnim naredbama govornim organima pretvori u govorne pokrete i govorni zvuk kao konacan rezultat proizvodnje govora.

Govorna proizvodnja kontrolira se nizom automatiziranih ili svjesnih povratnih sprega (od obavijesne do komunikacijske PS, v. sliku 1) kojima govornik provjerava je li proces realizacije govorne obavijesti u skladu s inicijalnom zamisli koncptualizatora, odnosno kontrolira svoju proizvodnju i ispravlja pogreske. Povratne sprege mogu se klasificirati prema razlicitim kriterijima. Prema funkcionalnom kriteriju dijele se na: direktivne, korektivne i adaptativne. Direktivna povratna sprega ili zatvorena petlja na neki je nacin sprega unaprijed ( feed forward) koja se odvija paralelno s govornim pokretom. Govornik na temelju povratnih informacija o tekucem stanju pokreta moze predvidjeti odstupanja od zeljenog cilja i odmah korigirati pokret prije nego je napravljena pogreska koja bi zahtijevala potpuno reprogramiranje i ponavljanje pokreta. Ta je povratna sprega veoma brza (tek nekoliko desetaka milisekundi). Korektivnom povratnom spregom registriraju se realizirane pogreske koje zahtijevaju reprogramiranje i ispravljanje. Te su pogreske karakteristicne za obavijesnu i jezicnu razinu govorne proizvodnje. Konacno, adaptativnom povratnom spregom kontrolira se usvajanje jezicnih i motorickih govornih vjestina; njome se govor podesava opcim uvjetima u komunikacijskom kanalu ili naglim promjenama uvjeta u njemu. Borden i Harris (1980) povratne sprege u govornoj proizvodnji dijele na intrinzicke ili unutarnje, tj. one prije govornog pokreta, responsivne kojima se kontrolira izvedba pokreta i temelje se prije svega na proprioceptivnim kanalima te izvanjske kojima se kontrolira neposredno izveden motoricki pokret. Skaric (1991) navodi unutarnju povratnu spregu na razini sredisnjega zivcanog sustava, ekstraauditivnu ili propriocepcijsku, auditivnu i izvanjsku ili drustvenu povratnu spregu.

Kratko cemo opisati dvanaest vrsta povratnih sprega navedenih u modelu govorne proizvodnje (Slika 1).

1. Obavijesna povratna sprega. Govornik provjerava je li obavijest oblikovana u preverbalnom obliku upravo ono sto je bila njegova namjera, je li obojenost obavijesti adekvatna njegovim stavovima, emocijama i je li komunikacijski primjerena s obzirom na sugovornika i cjelokupnu govornu situaciju ukljucujuci uvjete u komunikacijskom kanalu.

2. Leksicka povratna sprega. Govornik kontrolira je li izbor lema iz mentalnog leksikona adekvatan konceptualnoj strukturi preverbalne obavijesti.

3. Morfoloska povratna sprega. Govornik provjerava jesu li adekvatno otvoreni i popunjeni morfoloski prozori te jesu li u skladu sa sintaktickom strukturom.

4. Sintakticka povratna sprega. Govornik provjerava jesu li adekvatno otvoreni i popunjeni sintakticki prozori.

5. Fonemska povratna sprega. Govornik kontrolira adekvatnost odabira i redoslijeda fonemskog sastava rijeci.

6. Prozodijska povratna sprega. Govornik kontrolira adekvatnost ostvarivanja prozodijskih komponenata tona, intenziteta i trajanja.

7. Fonetsko-vremenska povratna sprega. Fonetski isplanirani izricaj pripremljen je u meðumemoriji i njegovi elementi cekaju na ugradnju u vremenski linearni izricaj. Na toj se razini kontrolira redoslijed ugraðivanja pojedinih elemenata i njihove vremenske dimenzije.

8. Motoricko-programska povratna sprega. Govornik kontrolira izbor adekvatnoga motorickog programa koji ce fonemski plan realizirati. Najvjerojatnije se vec na toj razini ugraðuju asimilacijska pravila i diskretne jedinice jezicne razine dobivaju karakteristike parametrijskih govornih jedinica.

9. Eferentna povratna sprega. Govornik kontrolira adekvatnost motorickih naredbi.

10. Tjelesno-osjetilna povratna sprega. Razliciti senzoricki modaliteti (taktilni, kinestetski, vibrotaktilni, toplinski, somastetski) putem direktivnih povratnih sprega kontroliraju preciznost pokreta i njegovu adekvatnost.

11. Slusna povratna sprega. Realiziran govor u govornom zvuku govornik slusa i kontrolira njegovu adekvatnost.

12. Povratna sprega komunikacijskog uèinka. Govornik promatra komunikacijski uèinak svog govora i na temelju verbalnih ili neverbalnih reakcija sugovornika kontrolira i ako je potrebno, popravlja svoj izrièaj.

Na temelju funkcioniranja povratnih sprega govornik moze korigirati svoje pogreske, i to: a) ili u èasu kada su one uèinjene na razini planiranja i prije izvedbe, pa su to sakrivena ispravljanja i moguæ e ih je registirati, b) ili introspekcijskom analizom samoga govornika, c) ili razlièitim oblicima disfluentnosti koje mogu biti znak angaziranosti govornika na ispravljanju pogresaka. Ako je pogreska napravljena u izvedbi, onda su i ona i ispravljanje otkriveno i moguæ e ih je i zabiljeziti i registirati.

Mnogostrukost povratnih sprega omoguæ uje i osigurava efikasnost govorne komunikacije i ako je potrebno, ispravljanje i preciziranje govorne obavijesti. Takav je pristup modeliranju govorne proizvodnje modularan jer su svaka razina i pojedini procesori na svakoj razini zamisljeni kao moduli, gdje svaki modul ima svoj procesorski zadatak i relativno je samostalan u odnosu na druge module.

Druge vrste modela govorne proizvodnje zasnivaju se na teorijama aktivacijskog sirenja, gdje se proizvodnja govora prikazuje kao umrezeni sustav jedinica razlièitih razina koje se ukljuèuju u proizvodnju govora ovisno o stupnju njihove aktivacije (Stemb erger 1985; Dell 1986). Mreza je zamisljena kao niz razina na kojima su jedinice pojedine razine predstavljene kao èvorovi povezani asocijativnim vezama s drugim jedinicama iste razine i ona jedinica koja je maksimalno aktivirana siri svoju aktivaciju na sljedeæ u razinu (Slika 2). Da bi mehanizam sirenja aktivacije uèinkovito funkcionirao, mora biti usklaðen tako da pravodobno aktivira potrebnu jedinicu i da inhibira druge jedinice te da pravodobno prenese aktivaciju na sljedeæ u jedinicu i inhibira aktivaciju realizirane jedinice. Pogreske u govornoj proizvodnji tumaèe se neakdekvatnom aktivacijom potrebnih jedinica i neadekavatnom inhibicijom realiziranih jedinica.

I aktivacijski model na neki je nacin hijerarhijski i ukljucuje nekoliko razina aktivacije. Ako je u izricaj potrebno ugraditi leksem kosa, on se na toj jezicnoj razini mora aktivirati, i to intenzivnije od drugih leksema koji su s njim povezani razlicitim asocijacijskim vezama, bilo semantickim bilo jezicnim. Tako ce kosa biti aktivirana intenzivnije od drugih mogucih kandidata: koze, dlaka, kosti, nosa. Nakon toga valja se spustiti na razinu fonemskog izbora i adekvatnim intenzitetom i redoslijedom aktivirati foneme /k/, /o/, /s/ i /a/. U ovom modelu moguce je zamisliti jos jednu razinu razlikovnih obiljezja koja konstituira pojedine foneme, pa tako za fonem /k/ valja aktivirati obiljezje kompaktan, bezvucan, prekidan i sl. Neadekvatna aktivacija na pojedinoj razini moze dovesti do pogreske. Ako se to dogodi na leksickoj razini, govornik ce umjesto kosa reci dlaka, na fonoloskoj ce razini umjesto kosa, reci rosa, a na razini obiljezja reci ce gosa. Dakako, pogreska na jednoj razini povlaci za sobom i pogreske na sljedecim razinama te ima utjecaja na konacni rezultat govorne proizvodnje.

2 Govorna (dis)fluentnost

Govornik nastoji proizvesti idealan govor. Meðutim, buduci da covjek zbog svoje bioloske, psiholoske i drustvene odreðenosti nije idealan, on ne moze biti ni idealan govornik. Jedna od manifestacija te cinjenice jesu disfluentnosti u govoru. Disfluentnosti su prekidi glatkog govora koji nista ne pridonose obavijesnom sadrzaju izricaja u odnosu na njegovu planiranu informativnost. One meðutim nose drugaciju vrstu informacije. Naime, one ukazuju na poteskoce koje govornik ima u govornoj proizvodnji, pa se iz njih mogu iscitavati informacije o govornoj vjestini govornika ili o njegovu trenutacnom intelektualnom ili emocionalnom statusu. Buduci da je proizvodnja govora vremenski kontinuiran proces (Horga 2008), moze se pretpostaviti da govornik rasporeðuje vrijeme tako da se izmjenjuju vremenski odsjecci u kojima on planira konceptualnu (obavijesnu), jezicnu i izgovornu strukturu zeljenog iskaza s odsjeccima realizacije planiranoga. Stoga je oblikovanje obavijesti zapravo proces njezina kontinuiranog graðenja. Kao sto smo vidjeli na slici 1, govornik nizom povratnih sprega kontinuirano nadzire svoju proizvodnju i ispravlja eventualne pogreske koje su u tako slozenom procesu lako moguce (Horga 2008). Prema tome, poteskoce se mogu pojaviti tijekom jednog i drugog procesa. Kako govornik mora efikasno rasporediti svoju paznju i kontrolu izmeðu planiranja i izvedbe, poteskoce mogu nastati i zbog neusklaðenosti tih dviju komponenata.

Fluentnost je gladak govor osloboðen nepotrebnih prekida. Filmore (1979) navodi cetiri karakteristike fluentnosti. Prva se odnosi na fluentnog govornika - to je osoba koja moze dugo govoriti s malo stanki i zastajkivanja. Druga se karakteristika odnosi na fluentni govor - on je koherentan, argumentativan i semanticki bogat. Kao trecu karakteristiku navodi mogucnost govornika da govori u velikom rasponu konteksta i tema te kao cetvrtu da je njegov govor kreativan i imaginativan. Manifestno i opisno Skaric (1984: 15) je odredio fluentnost na ovaj nacin: «neki govornici mogu glatko, bez zastajkivanja, pogresaka i popravljanja izvoditi govorne vratolomije dugih izricaja slozene jezicne i izgovorne strukture, dok se drugi spoticu vec pri izgovaranju jednostavnih kratkih govornih nizova».

Sa stajalista govorne proizvodnje fluentnost mozemo definirati s obzirom na dvije osnovne vrste modela kojima se govorna proizvodnja tumaci. S modularnog stajalista fluentni se govor definira kao govor prirodnog tempa bez oklijevanja, za stajkivanja, ponavljanja, ispravljanja, postapalica te punih i praznih stanki procesiranja, primjeren informacijskom i komunikacijskom opterecenju izricaja, sto sve pretpostavlja ucinkovito i usklaðeno funkcioniranje svih razina govorne proizvodnje. Prema modelu aktivacijskog sirenja fluentni govor pretpostavlja pravovremenu i intenzitetski adekvatnu aktivaciju aktualnih i buducih jedinica govorne proizvodnje; isto tako pravovremenu i adekvatnu deaktivaciju upotrijebljenih jedinica te inhibiciju nepotrebnih jedinica govorne proizvodnje.

Proucavanja govorne (dis)fluentnosti za lingvistiku su zanimljiva zbog nekoliko razloga. Ona ukazuju na razlike izmeðu korektno oblikovanih izricaja u skladu s pravilima nekog jezicnog sustava koje bi proizveo idealan govornik i stvarno proizvedenih izricaja u zivoj govornoj komunikaciji. Kroz to se otkrivaju mehanizmi govorne proizvodnje i organizacija jezicnih, pa i drugih kognitivnih znanja u mentalnom sklopu govornika. Ona su takoðer zanimljiva jer otkrivaju mentalno, intelektualno i emocionalno stanje govornika i mogu biti regulatori razgovornog tijeka. Konacno proucavanje disfluentnosti zanimljivo je i sa stajalista govorne komunikacije s racunalom i strojnog prevoðenja govora jer se postavlja pitanje kako racunalo interpretira nesavrsen govor opterecen disfluentnostima.

Osvrnimo se na neka od dosadasnjih istrazivanja govorne (dis)fluentnosti. Ona se krecu u trazenju odgovora na dva pitanja. Jedno je pitanje jesu li disfluentnosti samo znakovi poteskoca neidealnog govornika u jezicnoj proizvodnji ili one nose i druge obavijesti. Drugo je pitanje uvjeta u kojima se govornici razlikuju po stupnju disfluentnosti svoga govora.

Sto se ucestalosti odnosno broja disfluentnosti tice, Fox Tree (1995) navodi da je ona, ako se izuzmu prazne stanke, 6 rijeci na 100 rijeci. Horga (1994) je ustanovio da se u govoru u elektronickim medijima (formalnom - prvi program HTV i neformalnom - lokalni radijski program) disfluentnosti pojavljuju svakih 8 sekundi u formalnom, odnosno svakih 7 sekundi u neformalnom mediju. Razlicita su istrazivanja pokazala da je ucestalost disfluentnosti veca kada je informacijsko opterecenje izricaja slozenije. Tako ce se disfluentnosti cesce pojavljivati u duljim izricajima i na pocetku izricaja (Oviatt 1995, Shriberg 1996) ili na pocetku diskursnog odlomka (Horga 1996). Pod isti se nazivnik mogu staviti i podaci da govornici kada govore o raznolikim temama koje omogucuju razlicit varijabilitet u formuliranju izricaja, ostvaruju razlicitu ucestalost nefomenatiziranih segmenata. Najveca je onda kada govore o humanistickim temama, manja kada govore o drustvenim, a najmanja kada je rijec o prirodoznastvenim temama. (Schachter et al. 1994).

Jedna je od funkcija disfluentnosti regulacija komunikacijskog procesa koja moze pomoci sugovornicima bolje uskladiti komunikacijski proces. Ona takoðer ukazuje na zelju govornika da zadrzi rijec i/ili potice slusatelja da pomogne govorniku u izgradnji izricaja ako je ovaj zastao. Disfluentnosti mogu ukazivati na stupanj sigurnosti govornika u odgovoru na pitanje. Istrazivanja su pokazala da i medij u kojem se odvija govor moze utjecati na ucestalost disfluentnosti, pa tako govornici u telefonskom razgovoru rade vise disfluentnosti nego u razgovoru oci u oci. Broj disfluentnosti povecava se takoðer ako govornici nemaju mogucnosti gestikuliranja. Oviatt (1995) je pokazala da je ucestalost disfluentnosti u razgovoru veca nego u monolos kom govoru (5.50 do 8.83 na 100 rijeci u razgovoru u odnosu na 3.60 u monoloskom govoru). Taj se broj smanjuje ako se govornik obraca stroju, npr. racunalu; tada je naime broj disfluentnosti svega 0.78 do 1.87 na 100 rijeci.

Prisnost izmeðu sugovornika takoðer moze biti cimbenik koji utjece na ucestalost disfluentnosti. Razgovor s nepoznatom osobom opterecen je stanovitim stupnjem anksioznosti, pa to moze biti razlog veceg broja disfluentnosti (Mahl 1987). S druge strane u razgovoru s poznatom osobom moze se pojaviti veci broj disfluentnosti koje imaju funkciju reguliranja komunikacijskog procesa. Istrazivanje Bortf elda et al. (2001) nije potvrdilo te postavke.

Nadalje, vecina istrazivanja pokazala je da stariji ispitanici proizvode vise disfluentnosti nego mlaði osobito zbog prizivanja rijeci iako je sintakticka struktura njihovih izricaja slozenija nego u mlaðih govornika. Sto se spolne razlike tice, Schiberg (1996) je pokazala da muskarci upotrebljavaju vise nefonematiziranih segmenata nego zene iako se u ucestalosti drugih vrsta disfluentnosti ne razlikuju. Bortfel et al. (2001) opet nisu potvrdili tu razliku.

Oomen i Postm a (2001) promatrali su na koji se nacin u proizvodnji govora ponasaju govornici kada su pod vremenskim pritiskom i kada moraju ubrzati tempo govora. Ispitivanje je pokazalo da se u tom slucaju povecava broj pogresaka na razini formulatora, sto je u skladu s opcim principom da se uz povecanje brzine smanjuje tocnost i pravilnost na raznim razinama govorne proizvodnje. Takoðer se povecava broj ispravljanja pogresaka, kao i broj ponavljanja, dok broj punih stanki ostaje priblizno jednak. No, zanimljivo je da je i ispravljanje pogresaka brze, i to sto se tice vremena i sto se tice broja slogova nakon kojeg se pogreska ispravlja, pa to ukazuje na sposobnost «monitora» da jos u predartikulacijskoj fazi govorne proizvodnje otkrije pogresku.

Na korpusu engleskog jezika Clark i Fox Tree (2002) promatrali su uporabu punih stanki (nefonematiziranih segmenata) uh i um. Prihvacajuci stajaliste da govornici oblikuju informacije simultano kroz dva kanala - jedan glavni, primarni koji se odnosi na temu diskursa i drugi kolateralni, sekundarni koji se odnosi na samu izvedbu, njezinu vremensku organizaciju, oklijevanja, pogreske, preoblikovanja, iskazivanje namjere govoriti i sl. U tu skupinu kolateralnih znakova spadaju i uh i um (u britanskoj ortografiji za razliku od americke obicno pisani er i um) koji se najcesce povezuju s problemima planiranja u govornoj proizvodnji. Na temelju analize fonoloskih, morfoloskih, sintaktickih i pragmatickih karakteristika uporabe ovih segmenata autori zakljucuju da su oni cestice i da se mogu interpretirati kao svaka druga leksicka jedinica u jeziku. Nadalje, zakljucuju da govornici proizvode uh i um kao i druge rijeci kojima komentiraju svoju govornu izvedbu, tako da uh znaci da ono sto slijedi bit ce kratko, manje odlaganje, a kad upotrijebe um znaci da slijedi dulje odlaganje necega sto je vaznije.

Brennan i Schober (2001) postavili su pitanje na koji se nacin slusatelji nose s disfluentnim govorom jer on kontinuirano pred slusatelja postavlja probleme razumijevanja obavijesti koju nosi. U nekoliko eksperimenata u kojima se promatrala brzina i tocnost odgovora slusatelja na disfluentan i fluentan govor pokazali su da su reakcije bile bolje (brze, tocnije) na disfluentan govor. To su protumacili sposobnoscu slusatelja da u fonetskom obliku disfluentnosti anticipiraju ono sto slijedi u govornom nizu. Horga i Pozgaj Hadzi (2005) promatrali su na koji nacin slusatelji iz spontanog govora izvlace relevantne obavijesti, odbacuju disfluentnosti i pretvaraju ga u svojoj percepciji u jezicno korektan oblik.

Na danasnjem stupnju razvoja govorne tehnologije pitanje prepoznavanja citanog teksta relativno je dobro rijeseno. Meðutim, prepoznavanje spontanog govora mnogo je problematicnije, pa je to goruca tema automatskog prepoznavanja govora bilo da se radi o telefonskim uslugama, transkribiranju televizijskih emisija ili sastanaka i sl. Jedan od razloga teskoca jesu disfluentnosti kojima se prekida prirodni recenicni niz, pa se tako npr. kod prekida rijeci stvaraju jedinice koje slice rijecima, ali nisu predstavljene u sustavu koji prepoznaje govor. Tako je broj pogresno prepoznatih rijeci za diktirani govor 5%, za televizijske vijesti 15% a za sastanke 40%. Stouten et al. (2006) su u procesor za prepoznavanje spontanog govora ugradili podatke o pojavljivanju punih stanki, ponavljanju rijeci i ponovnom zapocinjanju recenica kao elemenata disfluentnosti iz govornih korpusa za engleski i holandski jezik i dobili stanovito poboljsanje u automatskom prepoznavanju govora.

3 Istrazivanje fluentnosti u radijskom govoru

3.1 Cilj, hipoteza i metoda

U ovom je istrazivanju postavljeno pitanje razlikuje li se fluentnost govora u javnim i komercijalnim medijima s obzirom na cinjencu da su razlicitog stupnja formalnosti, odnosno spontanosti. Pretpostavlja se da ce stupanj formalnosti/lezernosti emisija djelovati na stupanj kontrole govorne proizvodnje, a time i na ucestalost, trajanje i strukturu disfluetnosti.

Analiziran je govor 5 govornika (4 muskarca i 1 zena) u svakom od medija (ukupno 10 govornika) iz razgovornih emisija (intervjua) Prvog programa Radio Zagreba kao ispitanika koje predstavljaju javni medij i Studentskog radija kao predstavnika komercijalnih medija. Analiziran je govor samo gostiju emisija, a ne voditelja. Govorni su uzorak cinile po 2 minute govora svakoga ispitanika, odnosno po 10 minuta govora za svaki medij. Na Prvom su programu teme emisija bile: izbori, odrzavanje cesta, knjizevnost, a na Studentskom radiju: placanje studija, skup o bioetici, izbori za studentski zbor, direktna demokracija, izbor studija. Govorni uzorak Prvog programa radio Zagreba nazvan je formalnim, a uzorak Studentskog radija neformalnim. Govorni je uzorak transkribiran tako da je dvoje foneticara oznacilo ona mjesta koja su procijenili kao disfluentnosti. Transkribiranje je ucinjeno u programu za akusticku analizu govora, sto je omogucilo visestruko preslusavanje onih mjesta u govoru za koja procjenjivaci nisu mogli odmah odrediti radi li se o disfluentnosti ili ne. Izdvojene su ove disfluentnosti:

* nefonematizirani segment (Pa tako i ove godine smo hm napravili velike investicije...)

* prazna stanka (... na toj razini || je trebalo...)

* postapalica (...dosla ovaj na jedan razgovor i ovaj nakon toga zaista dobila posao...)

* duljenje glasnika: pocetnog, medijalnog ili zavrsnog (...najkasnije do predaje: svake izborne liste: Drzavnom izbornom povjerenstvu...)

* ponavljanje (i nisu, nisu previse nisu previse prigovarali...)

* pogresan glasnik (...najcesce se n to namirenje vrsi...)

* pogresna rijec (...dakle ja bi prvo imala isla uzet knjige...

* pogresna sintagma (Zato mi nije tesko prilagoditi se. Selili smo || Krenula sam u prvi razred...) ...

* slozene disfluentnosti (...skolu nisam bas volila ali ovaj hm jako sam volila lezat u krevetu i citat...)

* izdah

* udah.

Pomocu transkribiranoga teksta u programu CoolEditu mjerili smo trajanje fluentnih i disfluentnih dijelova govora, sto prikazuje Slika 3.

4 Rezultati i rasprava

4.1 Broj disfluetnosti

Fluentnost u ova dva medija usporeðena je na nekoliko razina: broj, trajanje i struktura (dis)fluentnosti. Najprije je usporeðen broj disfluentnih i fluentnih odsjeèaka u formalnom i neformalnom govornom uzorku. Rezultati su prikazani na grafikonu 1.

Buduci da su oba govorna uzorka, formalni i neformalni, jednako trajala (10 minuta) moguce ih je usporediti s obzirom na ucestalost prekidanja govora razlicitim oblicima disfluentnosti. Ova je analiza pokazala da je ukupan broj odsjecaka (fluentnih i disfluentnih) u neformalnom uzorku statisticki znacajno (χ2 = 0,00) veci (60,55% naprama 39,45%) nego u formalnom, tj. fluentni se odsjecci cesce prekidaju razlicitim oblicima disfluentnosti. Toj razlici osobito pridonosi veci broj kombiniranih disfluentnosti u neformalnom govoru (21,21% naprama 5,69%), a nesto manji broj fluentnih dijelova (22,63% naprama 18,13%) i drugih oblika disfluentnosti (16,71% naprama 15,64%).

4.2 Trajanje fluentnih i disfluetnih dijelova uzoraka

Na grafikonu 2 prikazan je postotak trajanja fluentnih i disfluentnih dijelova govornih uzoraka. U neformalnom uzorku od ukupnog vremena govornici su trosili 26% vremena na disfluentne dijelove govora dok su fluentni dijelovi cinili 74% vremena. U formalnom uzorku taj je omjer bio 11,5% naprama 88,5%. I ovdje se vidi da je od ukupnog duljeg trajanja disfluentnih dijelova govora u neformalnom uzorku i njihova struktura razlicita, tj. da u neformalnom uzorku kombinirane disfluentnosti opet zauzimaju znacajno veci postotak vremena 16,06% naprama 3,49% u odnosu na formalni uzorak, dok je razlika u jednostavnim disfluentnostima znatno manja i iznosi 9,94% naprama 7,97%.

Razlika je izmeðu formalnog i neformalnog uzorka ne samo u tome koliko se vremena trosi na fluentne i disfluentne dijelove govora nego i u prosjecnom trajanju pojedinih dijelova. Rezultati su prikazani na grafikonu 3. Tako u formalnom uzorku fluentni dijelovi prosjecno traju 3718 ms, a u neformalnom svega 1919 ms. I t-test je pokazao da je ta razlika statisticki znacajna (p = 0,00). Meðutim, prosjecno trajanje nefluentnih dijelova, kako jednostavnih tako i slozenih, ne razlikuje se prema rezultatima t-testa statisticki znacajno (p = 0,34 za jednostavne i p = 0,51 za kombinirane disfluentnosti), iako je ono nesto dulje u formalnom govoru 352 ms naprama 388 ms za jednostavne i 444 ms naprama 468 ms u odnosu na neformalni govor (Tablica 1). Drugim rijecima govornici u formalnom uzorku ucinkovitije koriste vrijeme u kojem zastajkuju i nakon toga uspijevaju procesirati dulje segmente fluentnog govora.

4.3 Struktura disfluentnosti promatranih uzoraka

Struktura disfluentnosti u promatranim uzorcima prikazana je u tablici 2. Dva se uzorka statisticki znacajno razlikuju na razini p<0,00. Toj razlici najvise pridonosi relativno cesca uporaba praznih stanki i postapalica u neformalnom uzorku nego u formalnom, kao i nesto cesca uporaba nefonematiziranog segmenta i glasovnog duljenja te pogresnog izbora rijeci i sintagmi u formalnom uzorku nego u neformalnom. Pogresan izbor rijeci i sintagmi u formalnom uzorku upravo je izraz vece kontrole govorne proizvodnje i trazenja preciznoga izraza na konceptualnoj razini.

Promatrana je i razlika u strukturi duljenja glasovnih segmenata (grafikon 4 i tablica 3) te je ustanovljeno da i tu postoji statisticki znacajna razlika (p<0,00). Iako govornici u oba uzorka cesce dulje finalni nego inicijalni glasnik, govornici u neformalnom uzorku to cine u omjeru 93,02% naprama 6,98%, a govornici u formalnom uzorku u omjeru 60,00% naprama 36,7% . Medijalni se glasnik dulji vrlo rijetko, i to samo u formalnom uzorku u postotku od 3,33%.

Kao sto vidimo iz tablice 3, od ukupno 73 duljenja glasnika u oba uzorka disfluentnost se vise dulji u neformalnom stilu (43 duljenja ili 58,90%) nego u formalnom stilu (30 duljenja ili 41,10%).

5. Zakljucak

Moze se zakljuciti da se formalni i neformalni radijski medij razlikuju ne samo po broju disfluentnosti i trajanju fluentnih i disfluentnih dijelova, vec i po strukturi disfluentnosti. U javnom (formalnom) mediju od govornika se, zbog njegove vece profesionalnosti, ocekuje veci stupanj pripremljenosti u smislu poznavanja materije o kojoj govori, kao i vjerojatnost da je o toj temi vec govorio u raznim prigodama. S druge strane, zbog karaktera samog medija, takoðer se ocekuje veci stupanj kontrole govora, a time i njegove formalnosti. Sve to vodi prema manjem broju disfluentnosti u govoru javnog medija. Obrnuta je situacija u neformalnom govoru komercijalnog radija, gdje se moze ocekivati manji stupanj profesionalne vrsnosti govornika i blaze zahtjeve samog medija. Mjere (dis)fluentnosti koje su primijenjene u ovom istrazi vanju potvrdile su da postoje znacajne razlike izmeðu govora u dvama promatranim radijskim programima. Moze se pretpostaviti da su one uzrokovane razlicitim zahtjevima za formalnoscu govora u tim dvama radijskim medijima, a time i razlicitim stupnjem njegove kontroliranosti. Zato se difluentnosti u neformalnom govoru pojavljuju cesce nego u formalnom.

Disfluentni prekidi govora pokazuju koliko je proces njegove proizvodnje slozen. Valja uzeti u obzir i cinjenicu da su to samo izvanjski, povrsinski prekidi govora i da osim njih nedvojbeno postoje sakrivena unutrasnja lutanja, trazenja i nalazenja rjesenja koja govornik uspijeva rijesiti prije nego izvede i realizira odreðeni pogresno planirani izricaj.

Daljnja ce se istrazivanja razvojem tehnike mozgovnog oslikavanja usmjeravati prema sto podrobnijem otkrivanju neurolingvistickih mehanizama koji su u podlozi disfluentnosti i govornih pogresaka u proizvodnji govora. Meðutim, ostaje otvoren prostor i za bihevioralna istrazivanja disfluentnosti i njihova odnosa s proizvodnjom govora u razlicitim kontekstualnim uvjetima i s obzirom na razlicite karakteristike govornika.

Sidebar

SUMMARY

Speech production, from communicative intent to speech sound, is a hierarchically organized process of transformation in which information moves from one level to the next, switching codes and/or material form of signal, which is specific to a certain degree. The complexity of speech production is explained by various models: Jaeger's (2005) Model of Representational and Processor Components, Levelt's (1989) Modular Model and Stemberg's (1985) Interactive Activation Model. Twelve types of feedback in speech production model are described: informative, lexical, morphological, syntactic, phonemic, prosodic, phonetic-temporal, motor-programming, efferent, bodily-sensory, auditory, and communicative effect feedback. Using these types of feedback, the speaker continually monitors his/her speech production and corrects the potential errors, which are likely to occur in such a complex process. When not all levels of speech production work efficiently and in harmony, interruptions in speech, i.e. dysfluencies, occur. They can indicate difficulties that the nonideal speaker has in speech production, but they can also provide other information. Following a review of (dys)fluency studies by various authors, we presentthe results of our research of fluency in radio speech. Based on a 10-minute sample of 10 speakers from talk shows (5 in public media shows and 5 in commercial media shows), we analyze types of dysfluencies and their distribution and look at how the type of show affects the occurrence of dysfluency. (Dys)fluency is contrasted onseveral levels: the number and length of dysfluent and fluent segments in formal and informal speech and the structure of dysfluency in the observed samples (unfilled pauses, nonphonemic segment, lengthening of sounds, repetition, correction, bywords, etc.). The results show that formal and informal radio media differ not only in the number of dysfluencies and the length of fluent and dysfluent segments, but also in the structure of dysfluency. Dysfluency is less present in public speech media because of the character of the media, greater speech control and better preparedness, and it is more present in informal speech. The results also point to the complexity of speech production and call for further (dys)fluency research.

References

IZVORI I LITERATURA

Gloria J. Borden i Kathrin S. Harris, 1980: Speech science premier. London: Williams &Wilkins.

Heather Bortfeld et al., 2001: Disfluency rates in conversation: Effects of age, relationship, topic, role, and gender. Language and speech 44/2. 123-147.

Susan E. Bernnani i Michael F. Schoeber, 2001: How listeners compensate for disfluencies in spontaneous speech. Journal of memory and language 44. 274-296.

Herbert H. Clark i Jean E. Fox Tree, 2002: Usinh uh and um in spontaneous speaking. Cognition 84/1. 73-111.

Garry S. Dell, 1986: A spreading activation theory of retrival in sentence production. Psychological review 93. 383-321.

Vlasta Erdeljac, 2009: Mentalni leksikon: modeli i cinjenice. Zagreb: Ibis.

Charles J. Fillmore, 1979: On fluency. Charles J. Filmoore: Individual differences in language ability and language behavior. New York: Academic Press Inc. 85-102.

Jean E. Fox Tree, 1995: The effects of fals starts and repetitions on the processing of subsequent words in spontaneous speech. Journal of memory and language 34. 709-738.

Merrill F. Garret, 1976: Syntactic processes in sentence production. New approches to language mechanisms. Ur. R. J. Wales, W. Edward. Amsterdam: North Holland. 231-256.

Herbert Paul Grice, 1975. Logic and conversation. Sintax and semantics 3. Ur. P. Cole, J. L. Morgan. New York: Seminar Press. 113-128.

Damir Horga, 1994: Tecnost govora u elektronickim medijima. Govor 12/2. 15-22.

-, 1996: Obrada fonetskih obavijesti. Zagreb: Hrvatsko filolosko drustvo.

-, 2008. Repetitions in interrupted speech production. Beszédkutatás 2008: Sokszínü Beszêdtudomány. Ur. M. Gósy. Budapest: MTA Nyelvtudományi Intézete.

Damir Horga i Vesna Pozgaj Hadzi 2005. Slusateljeva redakcija govornika. Semantika prirodnog jezika i metajezik semantike. Ur. J. Granic. Zagreb; Split: HDPL. 301-310.

Jeri J. Jaeger, 2005: Kids' slips: What young children's slips of the tongue reveal about language development. Mahwah; New York: Lawrenc Erlbaum Associates Publishers.

Williem J. M. Levelt, 1995: Speaking: from intention to articulation. Cambridge; Massachusetts; London: MIT Press.

Williem J. M. Levelt et al., 1999: A theory of lexical access and speech production. Behavioral and brain science 22. 1-75.

George F. Mahl, 1987: Exploration in nonverbal and vocal behavior. Hillsdale; New York: Lawrence Erlbaum Associates.

Claudy C. E Oomen i Albert Postm a, 2001: Effects of time pressure on mechanisms of speech production and self-monitoring. Journal of psycholinguistic research 30/2. 163-183.

Sharon Oviatt , 1995: Predicting spoken disfluencies during human computer interaction. Computer speech and language 9. 19-35.

Albert Postm a, 2000: Detection of errors during speech production: review of speech monitoring models. Cognition 77. 97-131.

Stanley Schachter et al., 1994: The vocabularies of acadenia. Psychological science 5. 37-41.

John. R. Searle, 1969: Speech acts. London: Cambridge University Press.

Elizabeth Shriberg, 1996: Disfluencies in Switchboard. International conference on spoken language processing (OCSLP '96). Addendum, 11-14. Philadelphia, PA, 3-6 October.

Joseph P. Stemb erger, 1985. An interactive activation model of language production. Progress in the psychology of language. Ur. A. W. Ellis. London: Erlbaum. 143-186.

Frederic Stouten et al., 2006: Coping with disfluencies in spontaneous speech recognitio: Acoustic detection and linguistic context manipulation. Speech communication 48. 1590-1606.

Ivo Skaric, 1984. Mjerenje govora. Izbor i priprema kandidata za novinare, spikere i voditelje. Ur. M. Mestrovic. Zagreb: Televizija Zagreb. 12-30.

-, 1991. Fonetika hrvatskoga knjizevnog jezika. Povijesni pregled, glasovi i oblici hrvatskoga knjizevnog jezika. Ur. R. Katicic. Zagreb: HAZU, Globus, Nakladni zavod.