تاثیر جنسیت بر درک نوای عاطفی گفتار در زبان فارسی
Publish place: Iranian Journal of Sociolinguistics، Vol: 1، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 348
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SOCG-1-1_007
تاریخ نمایه سازی: 15 اسفند 1401
Abstract:
لازمه تعامل اجتماعیموثر پردازش ودرک صحیحنوای عاطفی گفتار گوینده است. گفتار عاطفی، که حاوی اطلاعات زیادی درباره احساسات و مقاصد اجتماعی گوینده است،خود از تفاوت هایی فردی-جامعه شناختی همچون سن و جنس تاثیر می پذیرد که از این میان نقش جنسیت به اندازه کافی مطالعه نشده و هنوز محل بحث است. همچنین معدودمطالعات انجام شده، تنها عملکرد گویشورانزبانهای دارای وزن تکیه ای (همچون آلمانیو انگلیسی)را بررسی کردهاند. اما از آنجا کهنوای عاطفی گفتار، خود، متاثر از شاخصه هایزبان- ویژه، مانند تقسیم وزنی زمان، است و این شاخصه زبان های دارای وزن تکیه ای را از زبان های دارای وزن هجایی تفکیک می کند نگارنده بر آن شد تا قابلیت کاربرد نتایج این تحقیقات را در زبانهایی که تقسیم زمانی متفاوتی دارد بررسی کند. بنابراین، پژوهش حاضر نقش جنسیت را در تشخیص و درک نوایعاطفی گفتار در زبان فارسی، به عنوان زبانی که وزن هجایی دارد و تقسیموزنی-زمانی آنمتفاوت است، مورد مطالعه قرار می دهد. بدین منظور در یک آزمایش رفتاری، از۶۶ گویشور فارسی زبان خواسته شد تا نوایعاطفی مجموعه ای از متون صوتی نمایشنامه های معتبر را تشخیص دهند. این متون حاوی مجموعه جملاتی بود که واژگان موجود در آن ها به لحاظ محتوایی خنثی بودند و در پنج حالت عاطفی خشم، تنفر، ترس، شادی و غم توسطیک بازیگر خانم و یک بازیگرآقااجرا شده بودند. داده های این آزمونبا مدل رگرسیون لجستیکبررسی شدندو به طور کلی، نتایج نشان می دهند که: ۱) میزان تشخیص نوای عاطفی گفتار به صورت معناداری با جنسیتشنونده ارتباط دارد؛ بدین معنا که آزمودنی های مونث در مقایسه با آزمودنی های مذکرتوانمندی بیشتری در تشخیص تمامی مقولههای عاطفی گفتار دارند؛ ۲)تقسیم وزنی زمان (یعنی وزن تکیه ای در مقابل وزن هجایی) بر تشخیص نوای عاطفی گفتار تاثیری ندارد.
Keywords:
Authors
نیلوفر کشتیاری
دکتری تخصصی زبان شناسی شناختی، گروه زبان های احساس دانشگاه آزاد برلین
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :