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.