Máscaras e perceção das fricativas

Durante a pandemia de COVID-19, as máscaras tornaram-se obrigatórias em muitos países, e muitas pessoas tinham a impressão de que a fala com máscara era mais difícil de compreender. Uma máscara pode afetar a perceção da fala de duas formas: filtra o som e esconde os lábios e os dentes. Este estudo procurou saber qual dos dois fatores pesa mais em quatro fricativas do inglês: /f/ e /θ/, cuja articulação é visível, e /s/ e /ʃ/, cuja articulação está em grande parte escondida.

Tarefa

Os ouvintes viam vídeos curtos de palavras isoladas e premiam o botão da fricativa que ouviam. Vinte palavras formavam conjuntos mínimos em posição de ataque (fie, thigh, sigh, shy), vinte formavam pares mínimos em posição de coda (deaf, death) e quarenta não tinham competidor (fact, shame).

Resultados: precisão e tempos de reação

A máscara reduziu a precisão apenas nas fricativas com articulação visível: sobretudo em /θ/ (z = −10,01; p < 0,0001) e depois em /f/ (z = −6,84; p < 0,0001). /s/ e /ʃ/ foram reconhecidas quase na perfeição nas duas condições; no modelo de efeitos mistos, a interação entre condição e fricativa foi significativa (χ² = 53,51; p < 0,0001). Com máscara, os tempos de reação foram mais longos (χ² = 9,14; p < 0,005), mas em medida semelhante nas quatro fricativas: a interação não foi significativa. As sibilantes foram identificadas mais depressa do que as não sibilantes, e o dispositivo (computador ou telemóvel) também afetou os tempos de reação (χ² = 17,52; p < 0,0001).

Resultados: confusões

Com máscara, /θ/ foi percebida como /f/ em cerca de 10% dos ensaios, contra 2% sem máscara. A confusão também ocorre no sentido inverso: /f/ foi percebida como /θ/ em 13% dos ensaios sem máscara e em 18% com máscara, razão pela qual /f/ teve a precisão mais baixa nas duas condições. O artigo relaciona este resultado com a codificação ambígua do contraste (labio)dental em inglês.

Resultados: acústica ou pistas visuais?

A máscara também alterou o som. Baixou o centro de gravidade sobretudo em /f/ (t(76) = −8,91; p < 0,0001) e /θ/ (t(76) = −5,18; p < 0,0001), mas não em /s/ nem em /ʃ/, e reduziu a intensidade sobretudo em /s/ (t(76) = −9,68; p < 0,0001), seguida de /f/, /ʃ/ e /θ/. No entanto, /s/, a fricativa com a maior queda de intensidade, não se tornou mais difícil de reconhecer. O artigo conclui que o efeito da máscara resulta sobretudo da falta de pistas visuais para as fricativas (labio)dentais, juntamente com a sua baixa energia acústica. A filtragem acústica teve um papel menor.

As medidas acústicas provêm dos estímulos: cada palavra foi gravada uma vez em cada condição. As correlações são descritivas, com 20 palavras por fricativa.

Resultados: frequência lexical

As palavras frequentes foram reconhecidas com mais precisão (χ² = 8,00; p < 0,005) e mais depressa (χ² = 7,91; p < 0,005), mas igualmente com e sem máscara. A competição lexical (pares mínimos) não teve efeitos significativos na precisão nem nos tempos de reação. No gráfico abaixo, cada palavra é mostrada com a sua precisão nas duas condições; a caixa de pesquisa encontra uma palavra e, ao selecioná-la, veem-se os seus detalhes. As retas são simples ajustes por mínimos quadrados às proporções em bruto, apenas para ilustração.

Resultados: ouvintes

Os participantes de Inglaterra e da Escócia foram codificados como falantes de variedades com th-fronting, a fusão de /θ/ com /f/ (como em fink por think). A máscara não os afetou de forma diferente dos restantes ouvintes, nem na precisão (χ² = 0,57, n.s.) nem nos tempos de reação, embora tenham respondido, em geral, mais devagar a /f/ e /θ/. Cada ponto no gráfico abaixo é um ouvinte; os pontos abaixo da diagonal são ouvintes menos precisos com máscara.

Referência bibliográfica

Canzi, M., & Rathcke, T. (2023). Unmasking the truf: Impact of community masks on the perception of voiceless fricatives in English. In Proceedings of the 20th International Congress of Phonetic Sciences, Praga.

Análises em R com modelos de regressão de efeitos mistos (lme4, emmeans); as estatísticas citadas no texto provêm dos modelos do artigo. Os gráficos desta página mostram os dados em bruto do estudo: a precisão é a proporção de respostas corretas por ouvinte, em média entre ouvintes; os tempos de reação são médias geométricas das respostas corretas entre 150 e 5000 ms.