Laden Sie die folgenden Packages und Data-Frames:
library(tidyverse)
library(afex)
library(emmeans)
urla = "https://www.phonetik.uni-muenchen.de/studium_lehre/"
urlb = "lehrmaterialien/R_speech_processing/Rdf"
url = paste0(urla, urlb)
auf = read.table(file.path(url, "auf.txt"),
stringsAsFactors = T)
phr.m = read.table(file.path(url, "phrm.df.txt"),
stringsAsFactors = T)
phr.m = phr.m %>%
mutate(L = factor(L, levels = c("kurz", "mittel", "lang")))
dbc = read.table(file.path(url, "dbc.txt"),
stringsAsFactors = T)
nasals.df = read.table(file.path(url, "nasals.df.txt"),
stringsAsFactors = T)
school.df = read.table(file.path(url, "school.txt"),
stringsAsFactors = T) %>%
mutate(year = factor(year, levels=c("pre", "first", "second")))Q1: Die Daten im Dataframe auf
zeigen Reaktionszeiten auf schwedische Wörter von französischen und
englischen Versuchspersonen (Faktor Lang) nach einem null-
oder sechs-monatigen Aufenthalt (Faktor Monat) in Schweden.
Wurden die Reaktionszeiten von der Sprache und/oder Aufenthaltsdauer
beeinflusst?
Q2: Prüfen Sie für den Dataframe
dbc, inwiefern die Dauer (d) vom Dialekt
(Dialekt) und/oder Einkommen (Eink)
beeinflusst wurde.
Q3: Der Dataframe phr.m enthält
eine Messung der Sprechgeschwindigkeit (tempo) in
verschiedenen Kontexten (Kontext) und in Äußerungen
unterschiedlicher Länge (L). Prüfen Sie durch eine
Abbildung und statistischen Test, inwiefern die Sprechgeschwindigkeit
vom Kontext und von der Äußerungslänge beeinflusst wurde.
Q4: Der Dataframe nasals.df
enthält verschiedene Messungen verbunden mit
dieser Publikation. Die Spalte endv_time enthält die
Werte der Vokaldauer für die Wörter in Spalte orth
gesprochen von den Sprechern in Spalte speaker. Die
Sprecher sind aufgeteilt in zwei Dialektgruppen (Spalte
language): BRE, Britisch-Englisch, und
USE, Amerikanisch-Englisch. Prüfen Sie, ob sich die
Vokaldauern vor /nt/ im Vergleich zu /nd/ (Spalte coda) und
in den beiden Dialektgruppen sich von einander unterscheiden. Da es
mehrere Wiederholungen pro Sprecher gibt, muss zuerst gemittelt werden,
sodass es pro Sprecher nur einen /nt/ und einen /nd/ Dauerwert
gibt.
Q5: Der Dataframe school.df
zeigt die durchnittliche Anzahl der Silben in einer prosodischen Phrase
(syll) erzeugt von verschiedenen Sprechern
(subj) über drei Jahren (year) in einer
Grundschule. Die Sprecher sind auch für Geschlecht (gender)
kodiert. Prüfen Sie, ob die Silbenanzahl von year oder
gender beeinflusst wird.