Shiver Me Timbers! - Analyse von klangfarblichen Parametern der Stimme in unangenehmen Situationen (vor Ort)
* Presenting author
Abstract:
Im Bereich der Spracherkennung wird neben der Verarbeitung semantischer Einheiten auch die Erkennung von Emotionen immer wichtiger, nicht zuletzt im Feld der Interaktion zwischen Mensch und Maschine (vgl. Lalitha et al. 2015). Auch für die Reliabilität von kognitions- oder entwicklungspsychologischer Forschung wird die Operationalisierung detektierbarer Emotionen in auditiven Stimuli immer relevanter. In vergangenen Studien zeigte sich bereits eine Unterscheidbarkeit von Lüge und Wahrheit (Nasri et al. 2016) sowie korrekt identifiziertem Ausmaß an Zufriedenheit (Roos, 2016) in Stimmklängen, auch unabhängig von Prosodie und semantischem Kontext. In dieser Studie sollen Versuchspersonen gezielt in leicht unangenehme Situationen versetzt werden, indem sie Texte vorlesen, deren Inhalt stark von ihrer persönlichen Meinung abweicht, um ihre Sprechstimme während des Erlebens von Unwohlsein und des Erlebens von Komfort als paired samples vergleichen zu können. Es wird vermutet, dass sowohl mfcc3 als auch mfcc5 in dieser Unterscheidung eine große Rolle spielen. In einer Folgestudie soll auch die korrekte Identifizierbarkeit der erlebten emotionalen Zustände untersucht werden. Die Ergebnisse werden auf der DAGA 2022 präsentiert.