Univerzita Karlova v Praze Fakulta humanitních studií
Vnímání drsnosti zvuku vyvolané nepravidelným kmitáním struny houslí Bakalářská práce Jan Otčenášek
Vedoucí bakalářské práce: Mgr. Jana Kružíková, Ph.D. Praha 2013
Poděkování
Chtěl bych zejména poděkovat Mgr. Janě Kružíkové, Ph.D. za její pečlivé a trpělivé vedení, všem pracovníkům Výzkumného centra hudební akustiky MARC HAMU za jejich odborné vedení a celé své rodině.
Obsah 1. Úvod do výzkumné problematiky...................................................................... 1 Shrnutí zásadních výsledkĤ této práce ........................................................................................2
2. Teoretická þást..................................................................................................... 4 Subjektivní vnímání zvuku, subjektivní atributy, subjektivní charakteristiky............................4 Drsnost ........................................................................................................................................7 Multidimenzionální povaha drsnosti.........................................................................................11 Housle........................................................................................................................................14 Párové srovnávání .....................................................................................................................19
3. Empirická þást ................................................................................................... 19 Formulace výzkumného problému............................................................................................19 PrĤbČh experimentu...................................................................................................................21 Analytické postupy....................................................................................................................26
4. Zpracování výsledkĤ ......................................................................................... 28 Deskriptivní statistika individuálních dat..................................................................................28 Slovní popis vnímaných vlastností zvukĤ.................................................................................34 Analýza pĜíþin drsnosti z pohybu struny...................................................................................37
5. Zhodnocení práce .............................................................................................. 41 Literatura ............................................................................................................... 42
0
Výzkumná oblast: psychologické studium zamČĜené na sluchové vnímání Výzkumné téma: subjektivní vjem drsnosti zvuku Výzkumný problém: vnímání rozdílnosti drsnosti tónu houslí a souvislost s jevy na strunČ houslí Jak vyplývá z názvu práce, tématem tohoto výzkumného projektu je pĜíspČvek k doplnČní psychologických poznatkĤ o subjektivním vnímání nepĜíjemnČ drsného zvuku a k upĜesnČní teoretických modelĤ, které drsnost zvuku vysvČtluji. Vzhledem k šíĜi dané problematiky bylo téma zúženo na vnímání drsnosti zvuku pĜi poslechu tónu houslí a experiment se omezil na ty druhy drsnosti tónu, které lze promČĖovat rĤzným pĜítlakem smyþce a polohou smyþce vĤþi kobylce.
1. Úvod do výzkumné problematiky Každý slyšící þlovČk je ve svém každodenním životČ vystaven pĤsobení zvukĤ. Tyto zvuky produkuje okolní prostĜedí, ale každý þlovČk je zároveĖ þasto také aktivním pĤvodcem vzniku celé Ĝady rĤzných druhĤ zvukĤ. Sluchové vjemy, spolu s vjemy z ostatních smyslĤ (viz senzorické procesy Atkinson 2003), jsou pro þlovČka zdrojem informací, které pĜímo ovlivĖují chování þlovČka nebo jsou jednou z pĜíþin psychického stavu jedince. PĤsobení zvuku na þlovČka prostĜednictvím sluchového vjemu nabývá široké spektrum rĤzných podob. Od prvotní úlohy vyvolat život zachraĖující reakce (týkající se i všech dalších smyslĤ), pĜes komunikaþní a informaþní pĤsobení (které též souvisí s abstraktním myšlením) až po pĤsobení estetické. Estetické pĤsobení má u þlovČka své specifické umČlecké užití (zejména v hudbČ þi filmu, ale i v Ĝeþových projevech, napĜ. v divadelním umČní). Sluchové vjemy mimo jiné též zprostĜedkovávají mezi subjekty pĜenos emocí akustickou cestou (vyvolání strachu pomocí drsnČ pronesené vČty, úzkostný stav mluvþího zprostĜedkovaný úzkým þi kolísavým hlasem, veselost vyvolaná hlasem svČtlým a lesklým apod. viz výuka na divadelních školách, napĜ. Hlasová výchova v uþebnici Foniatrie (Dršata a Chorobok 2010). Emoþní úþinek mají i obecné zvuky (napĜ. strach pĜi rachotu hromu þi huþení peĜejí dravé Ĝeky). PĜi subjektivním vnímání zvukĤ (i bez zamČĜení se na složitČjší emoþní prožitky) jedinec rozeznává pĜíjemnost þi nepĜíjemnost nČjakého konkrétního akustického podnČtu. Zatímco psychický stav jedince lze zkoumat i bez pĜímé vazby na okolní prostĜedí, v pĜípadČ sluchových vjemĤ nebo jejich projevĤ je nutné se zabývat i vlastnostmi zvukových podnČtĤ, které je vyvolaly. V moderních studiích sluchových vjemĤ jsou proto psychologické experimenty již od jejich poþátkĤ (Stumpf 1883) nerozluþnČ propojeny s výsledky dalších oborĤ: akustika (Hemholtz 1863; Ohm 1944), fyziologie (Bekesy1960), matematická statistika (Thurstone 1947), experimentální psychologie (Guilford 1954), neurofyziologie (Syka, VoldĜich, Vrabec 1981). Psychologické výzkumy tohoto typu jsou proto Ĝazeny do podoboru pro nČjž se postupnČ ujal název psychoakustika (Fastl a Zwicker 1990). Zvuky pĜi psychoakustických experimentech jsou akustickými podnČty, kterými jsou v posluchaþích – respondentech poslechových testĤ vyvolávány subjektivní sluchové vjemy. PĜi experimentech mají podnČty zámČrnČ vlastností, kterými se od sebe vhodnČ odlišují. Tyto vlastnosti podnČtĤ lze charakterizovat pomocí hodnot fyzikálních veliþin. Výzkum vnímání (percepce) se pak zamČĜuje na jednotlivé primární vjemy (nČkdy též nazývané poþitky), které se v procesu vnímání integrálnČ spojují do celistvého vjemu (Atkinson 2003). Vlastnosti celistvých subjektivních vjemĤ pak lze charakterizovat pomocí míry subjektivních veliþin (primárních sluchových vjemĤ). PĜestože jejich výzkum v souþasnosti ještČ zdaleka není 1
ukonþen, mezi základní (dimenzionální) veliþiny je zaĜazována i drsnost (vedle hlasitosti, výšky, doby trvání ) (MELKA 2005). Veliþina drsnost byla zavedena k pĜesnČjší charakterizaci do té doby používané multidimenzionální veliþiny barva zvuku (sound color, v hudbČ též timbre). PĜi rychlejším kolísání zvuku, tj. þasových zmČnách jeho fyzikálních vlastností rychlejších než asi 20 Hz (period za vteĜinu), þlovČk vnímá charakter zvuku jako drsný. Protože kolísání zvuku mĤže zpĤsobovat celá Ĝada fyzikálních veliþin, souþasná psychoakustická literatura uvažuje drsnost též za multidimenzionální (Tsai 2004) a zabývá se hypotézami pro další dČlení takto vnímané vlastnosti. Teoretická zdĤvodnČní a modely jsou v souþasné dobČ ovČĜovány a jedním z cílĤ této práce je pĜispČt k tomuto ovČĜení. PĜíþinami kolísání a nepravidelností zvuku houslí (tzn. pĜíþinami drsnosti) se z fyzikálního hlediska zabývaly již práce v 80. letech minulého století (souhrnnČ McIntire 1979). Z tČchto prací vyplývá, že síla pĜítlaku, rychlost pohybu a poloha smyþce rĤznými zpĤsoby ovlivĖují nepravidelnosti a kolísání kmitání struny. Tyto souvislosti byly identifikovány pĜi snímání pohybu smyþce v urþitém bodČ pomocí fotodiody. Od té doby technika znaþnČ pokroþila a pohyby struny je možné snímat souþasnČ v mnoha bodech vysokorychlostní kamerou. ýasový prĤbČh akustického tlaku vyzáĜeného zdrojem zvuku a zaznamenaného napĜ. pomocí mikrofonu lze využít k poslechovým testĤm (ucho není citlivé na fázové pomČry (Sedláþek 1956). Ale protože se fázové pomČry jednotlivých spektrálních složek komplexního zvuku promČĖují podle vzdálenosti zdroj zvuku – mikrofon, se zmČnou vzdálenosti se promČĖuje i tvar þasového prĤbČhu. K charakterizování vlastností zvuku, které nejsou spojeny s þasovými zmČnami (napĜ. subjektivní veliþiny tmavost – svČtlost (ŠtČpánek, Melka, Otþenášek 1995) je používána spektrální analýza, pĜi které se rozdílnost fázi složek neprojeví. Pro její výpoþet však musí být použit dostateþnČ dlouhý þasový interval (þasové okno), ve kterém jsou þasové zmČny amplitud spektrálních složek vyrušeny a nahrazeny jejich prĤmČrnými hodnotami (Kadlec 1996). FyzikálnČ charakterizovat rĤzné druhy þasových zmČn zpĤsobujících vnímanou drsnost pomocí spektra (i þasového vývoje spekter) je tedy nemožné a pomocí samotného þasového prĤbČhu akustického tlaku velmi problematické. Z tČchto dĤvodĤ je cílem práce též ovČĜit charakterizaci þasových zmČn pomocí autokorelaþní funkce zaznamenaných þasový prĤbČhĤ pohybu struny a kobylky získané ze záznamĤ vysokorychlostní kamerou.
Shrnutí zásadních výsledkĤ této práce Hlavní pĜínos této práce: V této práci jsem se snažil pĜispČt k ovČĜení pĜedpokladu Tsai (2004) a dalších prací uvedených v teoretické sekci, ze kterých vyplývá, že by bylo možné metodou popisných charakteristik v oblasti vnímané barvy zvuku rozlišit více podob drsnosti. Experiment se omezil na možné podoby drsnosti tónu houslí v souvislosti s zmČnou parametrĤ drsnosti zvuku houslí. Houslové tóny použité v této práci byly popsány slovními atributy Na použitých houslových tónech byly nalezeny deskriptory: hrubost, Ĝezavost, kĜapavost, bzuþivost, šumivost). Percepþní prostory rĤznČ drsných zvukĤ byly vícerozmČrné Práce také splnila následující cíle:. 1. Cíl: PĜispČt k ovČĜení existujících psychologických modelĤ. Pomocí hypotézy subjektĤ práce potvrdila v oblasti vnímání drsnosti model stability percepþních prostorĤ vyjádĜený McAdams (1999), který pĜedpokládá stálost percepþních 2
prostorĤ, ale jejich odlišnost v závislosti na odlišných posuzováních stylech rĤzných skupin posluchaþĤ. Práce ovČĜila stabilitu tČchto poslechových skupin a jejich pĜíslušnost do posluchaþské skupiny byla dána do souvislosti s odlišnými styly vnímání a rĤznou citlivosti škál pĜi posuzování (odpovČdi posluchaþĤ poslechových testĤ spolu statisticky významnČ korelovaly, ale dimenzionalita percepþních prostorĤ laikĤ se lišila od expertĤ). Toto dále podporuje zjištČní uvedená v hlavním pĜínosu této práce o vícerozmČrnosti vnímané drsnosti. VícerozmČrnosti drsnosti potvrdila zejména interpretace percepþního prostoru skupiny expertĤ 2. Cíl: OvČĜení charakterizace þasových zmČn fyzikálního pohybu struny Pomocí formulované hypotézy pĜíþinnosti práce zamítla možnost použití hodnoty prvního maxima autokorelaþní funkce (Fujii, Atagi, Ando (2001) k predikci míry vnímané drsnosti u aperiodického kmitání struny (k vyjádĜení þasových zmČn v relativním pohybu struny zaznamenaném vysokorychlostní kamerou pomocí autokorelaþní funkce). Tento zpĤsob neumožnil rozlišit ménČ drsné zvuky mezi sebou. Toto také poukázalo na hlubší kvalitativní podstatu pĜíþin tČchto drsností. 3. Cíl: Poskytnout podklady pro navazující výzkumné práce Jak uskuteþnČné poslechové testy, tak záznamy vysokorychlostní kamerou realizované v této práci poskytly celou Ĝadu dalších dat, v této práci doposud nezpracovaných, která problematiku mohou dále upĜesĖovat a doplĖovat v navazujících výzkumech (výsledky z preferenþních matic, slovní popisy sluchových vjemĤ z párového srovnávání, prĤbČhy pohybu struny v dalších místech).
3
2. Teoretická þást Subjektivní vnímání zvuku, subjektivní atributy, subjektivní charakteristiky Zvuk lze v psychologické oblasti popsat pomocí odlišných charakteristik, které dČlí fenomén vnímání zvuku do þtyĜ oblastí. Je to hlasitost, výška, doba trvání a témbr. Tyto vlastnosti se odvíjejí, a vzájemnČ ovlivĖují, byĢ rĤznou mČrou, od fyzických veliþin zvuku jako akustický tlak, frekvence, spektrum þi spektrální obálka, délka trvání. V rámci tČchto kategorií lze mluvit o vnímání subjektivních kvalitativních vjemĤ. V akustice je také nutné rozlišovat mezi tónem a hlukem. U obou sice mĤžeme rozlišit uvedené vlastnosti, jako výška (v pĜípadČ tonálního hluku), þi mluvit o rozložení spektra, princip jejich vnímání a modely s nimi spojené jsou však odlišné (napĜ. Ando (2009)). PĜi popisu vlastností zvuku používáme popis pomocí popisných charakteristik, kvalit. Popisné kvality mohou záviset napĜ. na frekvenci (svČtlý zvuk u vysokých frekvencí a temný zvuk u nízkých). Proces vnímání zvuku se také vyznaþuje mnoha nelinearitami, zpĤsobenými fyziologickými vlastnostmi sluchového aparátu a psychobiologickou povahou kódování vstupních informací (napĜ. u stejného tónu vnímáme odlišnou barvu, pĜi rĤzné hlasitosti (Rossing 2002)) a tyto kvality nejsou pĜímými protČjšky fyzikálních dČjĤ. Percepce Vnímání (percepce) zvuku: Je neuronální a kognitivní proces, který integruje jednotlivé primární vjemy (nČkdy též oznaþované jako poþitky) vytvoĜené zpracováním primárních neuronálních informací ze sluchového nervu, do celkového sluchového vjemu (percept) (Atkinson 2003). Probíhá zejména ve vyšších patrech nervové soustavy. Je též závislé na pĜedchozí zkušenosti (pamČĢové stopČ), na podmiĖování, asociacích a na nevČdomých kognitivních a afektivních operacích. Percepce zvuku mimo jiné umožĖuje konkrétní posouzení slyšených zvukĤ, urþení prostorového umístČní zdroje zvuku, odlišení rĤzných zvukových podnČtĤ (zvukových objektĤ), porozumČní jazyku a jemným detailĤm výslovnosti, vyvolává emoþní pĤsobení, apod. Percepþní prostor Zvuky, které vĤþi sobČ vnímáme v urþitém kontextu mĤžeme studovat za použití percepþních prostorĤ. Percepþní prostor barvy zvuku mĤžeme vytváĜet v pĜípadČ, že je dodržena konstantnost ostatních veliþin. Percepþní prostory jsou pomČrnČ stabilní (McAdams 1999). RĤzné skupiny posluchaþĤ ale mohou mít odlišné styly vnímání, které jsou obvykle spojeny s odlišnými posluchaþskými strategiemi. Percepþní prostor, je pĜi posuzováních rĤzných témbrĤ stálý a nezávislý na kontextu posuzovaných zvukĤ (McAdams 1999). PromČnu v kontextu McAdams vysvČtluje tak, že se mČní zamČĜení posluchaþe na jednotlivé vlastnosti (rozdílová citlivost). McAdams uvádí, že promČnlivost vnímání pĜi posuzování témbru je zĜejmČ spíše projevem zmČny citlivosti škál pĜi posuzování, nikoliv samotnými zmČnami vnímání, a jedná se o posun posuzovacích škál. Lidský sluchový aparát Hlavním orgánem, který slouží pĜekódování fyzikálních informací do nervových vzruchĤ, je kochlea uvnitĜ vnitĜního lidského ucha. TvoĜí jí spirální trubice a kostČná lišta, na kterou jsou upnuty membrány (basilární a Reisnerova). Na bazilární membránČ se nachází pĜevodní þást 4
sluchového ústrojí, Cortiho orgán, ve kterém se nachází vnitĜní a vnČjší vláskové buĖky. Jejich vlásky stimulují pohyby bazilární membrány, resp. kapaliny uvnitĜ hlemýždČ. Základní analýza zvuku rozkmitáním membrány v rĤzných polohách je doplnČna þasovou analýzou intervalĤ shlukĤ vzruchĤ více vláken. Lidský sluchový aparát funguje v rámci frekvenþního rozsahu 20 – 20000 Hz. Zpracování zvuku probíhá již na cestČ do sluchového centra. V souþasné dobČ je rozšíĜen modulární pĜístup k zpracovávání informací uvnitĜ sluchového centra (napĜ. Peretz a Coltheart 2003 þi McAdams Bigand 1993). Lidské centrum sluchu se nachází v prostĜední þásti Heschelových závitĤ a uvnitĜ laterální rýhy koncového mozku. Sluchové informace zpracovávají systémy již na vzestupné sluchové cestČ (ascending auditory pathway) ke sluchovému centru (ranné zpracování na nČkolika ranných úrovních neuronálních sítích sluchového nervu a thalamu). To dovoluje rychlou odezvu na základní atributy zvuku a rychlou reakci na signály nebezpeþí (Koelsch 2005). I na dalších úrovních existuje hierarchie ke stále vČtší komplexností informací, které zpracovávají, a zároveĖ tvoĜí funkþnČ i prostorovČ oddČlená centra (Warren 2008). Autonomii jednotlivých neurálních center (napĜ. výšky, témbru) uvádí i (Stewart et al. 2006). Poté dochází k extrakci složitČjších vlastností zvuku, napĜ. chromatického zbarvení výšky, intenzity, nebo drsnosti dochází na další úrovni extrakci (Koelsch 2005). Tyto extrahované vlastnosti jsou uloženy do poslechové pamČti a utváĜí se zde jejich reprezentace (Idib.). Základní centrum sluchu obklopují vyšší mozkové oblasti v temenních, spánkových a frontálních lalocích (asociativní oblasti). Vlastností komplexních zvukĤ (napĜ. rozpoznávání struktury témbru nebo hlásek) se zpracovávají v oblasti horní plochy spánkového laloku (Warren 2008). SložitČjší vzorce sluchových informací (napĜ. melodie) jsou analyzovány v oblasti horních spánkových závitĤ. Pro výzkumy psychologických korelátĤ percepce témbru jsou podstatné studie pacientĤ s lézemi (Koelsch 2005) a amusických pacientĤ (vada schopnosti poslechu hudby). Pacienti napĜ. nemohou rozlišit jednotlivé nástroje a hudbu þasto popisují jako plochou nebo mechanickou. (Warren 2008). Vada ve schopnosti vnímat témbr je þasto spojena s neschopností rozpoznávat výšku tónu. Distimbrie vČtšinou nastává pĜi poškození horního spánkového závitu (zde se nachází primární sluchová centra). Neurologický pohled na tyto mozkové sítČ podrobnČji pĜedstavuje napĜíklad výzkum (Alluri et al. 2011) I v oblasti emoþní odezvy na sluchové podnČty lze pozorovat hierarchii zpracování, která mĤže být podobná hierarchii ve zpracovávání ostatních sluchových informací. U dissonantních zvukĤ je napĜ. veliká míra shody posluchaþĤ u nepĜíjemnosti (unpleasantness), zatímco komplexnČjší odezvy (jako napĜ. mrazení v zádech) jsou þasto zcela individuální (Stewart et al. 2006). Tuto hierarchii uvádí také jiné studie. Barva zvuku Barva zvuku je jednou z vlastností zvuku, kterou rozlišujeme pĜi jeho percepci. Dle definice se jedná o atribut sluchového vnímání, podle kterého je posluchaþ schopen rozlišit 2 zvuky jako nepodobné, aniž by pĜitom použil kritéria výšky tónu, hlasitosti a doby trvání (Pratt a Doak 1975 s. 317). Termín barva zvuku a témbr (slovo francouzského pĤvodu užívané v hudební praxi od poþátku 19 století) tvoĜí pro tyto úþely synonyma. Barva je podstatnou percepþní vlastností komplexních zvukĤ, byĢ i jednoduché zvuky mohou mít barvu (Helmholtz 1863). Vnímání barvy zvuku umožĖuje posluchaþi podrobnČji rozpoznávat zvuky a tak napĜíklad rozumČt Ĝeþi, poslouchat hudbu a rozpoznávat percepþní vzorce (o dĤležitosti vjemu barvy zvuku svČdþí napĜ. neurologické a klinické studie s pacienty s amuzickou poruchou (Stewart et al. 2006) nebo výzkumy dávající do souvislosti témbr a emoþní prožitky pĜi poslechu zvuku, pĜípadnČ hudby (Hailstone et al. 2009; Eerola, Ferer, Alluri 2012). Výzkum v oblasti barvy zvuku je relevantní
5
pro celou Ĝadu oblasti zvukového a prĤmyslového designu, prostorové akustiky, problematiky hlukové zátČže, techniky stavby hudebních nástrojĤ apod. Tato práce svými pĜesahy mĤže být využita v každé z tČchto oblastí subjektivního posuzování zvukové kvality výrobku. Barvu zvuku není možné vyjádĜit na jedné škále (na rozdíl od napĜ. hlasitosti) a je mnohorozmČrnou veliþinou. Melka uvádí, že je možné spíše urþit "co barva zvuku není, než co je" (Melka 2005, str. 243), že podle urþitých pĜístupĤ mĤže být samotný koncept oddČlení hlasitosti, barvy a výšky þásteþnČ umČle vytvoĜeným rozlišením a že i výška a hlasitost mohou být jen souþástí obecného vjemu barva zvuku. Obvykle ale pĜevládá názor, že vnímání barvy lze považovat za oddČlenou þást vnímání, k vnímání výšky, þi hlasitosti a doby trvání (Syrový 2003; Rossing 2002). Základní souvislosti vnímání barvy lze vysvČtlit, pokud ucho pĜirovnáme k frekvenþnímu analyzátoru, který provádí analýzu struktury (témbru) spolu s analýzou amplitudy (hlasitosti) a frekvence (výšky) (Hemholtz 1863). Barvu urþuje konkrétní pomČr jednotlivých harmonických složek tónu a oddČluje vnímání barvy jednoduchých a komplexních tónĤ. Hemholtzova teorie frekvenþní analýzy vysvČtluje principy vnímání barvy zvuku a vnímání vlastností barvy u jednoduchých i u nČkterých komplexních tónĤ. Výšku komplexního tónu urþuje prvních pČt harmonických složek (tuto teorii ve vČtší podrobnosti rozpracovali napĜ. (Rasch a Plomp 1999)) a další harmonické pak vnímáme jen jako barvu tónu. Jednotlivé harmonické mají znaþnou korelaci s vnímáním kvality daného tónu, což pak vystihuje model formantových oblastí: Barvu urþují prominentní harmonické, které vnímáme uvnitĜ formantových oblastí. Poznámka: V anglicky psané literatuĜe je þasto používán pojem kvalita zvuku (sound quality) ve stejném významu jako barva zvuku, a shrnuje kvalitativním vlastnosti zvuku, avšak s þeským významem slova kvalitní nemá spojitost. V této práci jej pro zámČnu nepoužívám Vnímání témbru je podkladem pro lidskou schopnost rozpoznávat emoþní a významovou þástí zvuku. I krátký, jednoduchý zvuk mĤže znít napĜíklad "jasnČ", "drsnČ", "tupČ". Již "základní tóny samy o sobČ mohou pĜenášet smysluplnou informaci" (Koelsch 2005, str. 579). Výzkum v oblasti popisných charakteristik barvy zvuku Melka uvádí, že "barva zvuku je patrnČ nejsložitČjší, nejvíce zkoumanou a nejménČ probádanou veliþinou ze všech základních sluchových vjemových veliþin" (Melka 2005, str. 243) Výzkum základních dimenzí barvy zvuku je pomČrnČ poþetný. V þeském jazykovém prostĜedí se zamČĜil na výzkum popisných charakteristik a škál barvy zvuku zejména ŠtČpánek (ŠtČpánek 2004), v anglickém prostĜedí pak napĜ. (McAdams 1999, Caclin et al. 2005). AutoĜi (ŠtČpánek a Moravec 2005, Otþenášek 1997) dospČli napĜ. k obecným dimenzím spoleþného percepcǿního prostoru barvy hudebního zvuku: temný, tmavý – jasný, svČtlý. drsný, hrubý – jemný, plný, široký – úzký. NejvýraznČjším rozmČrem barvy zvuku je témČĜ ve všech studiích ostrost (Bismarck 1974). Ostrost je spojena s vnímáním drsnosti zvuku a dalšími popisnými charakteristikami (napĜ. kovový þi napjatý). Vypovídá též o rozložení energie a úzkosti spektra tónu (ŠtČpánek, Otþenášek 2001). Barvu lze dát do souvislosti se spektrálními charakteristikami vyzáĜeného zvuku. U úzkosti se napĜíklad ukázala silná závislost s amplitudou první harmonické složky. V dalších studiích na smČrové vyzaĜováni houslí se ukázaly jako relevantní pro posouzení zvuku houslí bzuþivost a lesk, které jsou zároveĖ teoreticky podstatné i z hlediska této práce. Bzuþivost a lesk je závislá na spektrální podobČ signálu, oba faktory vycházejí ze stejného fyzikálního faktoru a v závislosti na pĜesné spektrální podobČ jsou vnímány odlišnČ. V souvislosti s touto prací je relevantní také popisná charakteristika šustivost. Šustivost mĤže být zĜejmČ v závislosti na své
6
spektrální charakteristice vystižena pĜídavnými slovy pískový, syþivý, zaprášený þi žínČ a souvisí znaþnČ s vnímanou mírou nekvality nástroje (viz studie (ŠtČpánek, Otþenášek 2001)). ŽínČ, písek þi šustivost, spolu s odkazem na výzkum ŠtČpánka, zmiĖuje i Tsai (2004) jako jednu z možných podob drsností, které mohou souviset s vjemem subharmonických složek a mechanismem poslechového seskupování, jako jedna z podob subharmonicky vnímané drsnosti. Ve studii ŠtČpánka a Otþenáška (1999) byly tyto popisné charakteristiky identifikovány u vysokého tónĤ d3 houslí. McAdams (1994) uvádí v návaznosti na poznatky podobných studií nČkteré unifikované dimenzionality. Tato práce se soustĜedí na dimenzi barvy zvuku drsnost, kterou lze vnímat pĜi poslechu zvuku houslí a je pĜedpokládána její souvislost s konkrétními aperiodickými fenomény na zdroji zvuku. Objektivní charakteristiky barvy zvuku NČkteré skupiny výzkumníkĤ se snaží vyjádĜit kvality zvuku popisem jednotících dimenzí jejich spektra (napĜ. popis pomocí spektrálního centroidu, jehož frekvenþní poloha je dána rozdílem v úrovni spektrálních složek v oblasti vysokých a nízkých frekvencí (Caclin et al 2005)). Jako další jsou používány jemnost spektra (spectral smoothness) nebo hrubost (spectral flux), který vyjadĜuje míru promČn spektra v þase mezi jednotlivými jeho þástmi. (Caclin et al 2005; McAdams 1999). Caclin považuje uvedené veliþiny za jednotné charakteristiky barvy zvuku a uvádí, že tyto parametry vystihují hlavní pĜedpoklady výsledné podoby vnímaného zvuku pro vČtšinu pĜípadĤ syntetických i reálných zvukĤ. Tyto studie jsou obvykle pĜíliš obecné a jemné rozlišení zvláštČ hudebních zvukĤ je pomocí tČchto charakteristik je obtížné. Barva zvuku houslí Tato práce vychází z výzkumu popisných charakteristik témbru tónu houslí ŠtČpánka a Otþenáška (2001) a Claudia Fritz et al (2012) v rámci kterých probČhl výzkum na konkrétní oblasti vnímání barvy zvuku houslí. Rozsáhlou analýzu verbální percepþních prostorĤ barvy zvuku houslí na základČ deskriptorĤ bez doprovodných stimulĤ provedla Fritz et al. (2012). Tento prostor obsahuje polarity kovový (metallic), hrubý (harsh) a nevyvážený (unballanced), které na svém druhém pólu obsahoval deskriptory sladký (mellow) , warm (teplý) a vyvážený (ballanced) a polaritu tupý, tlumený (dull – muted) a jasný, živý (bright – responsive). MénČ vyhranČná polarita se také ukázala u zvukĤ weak, clear, light - harsh, heavy, dark. Podstatnou dimenzí v tČchto výzkumech, stejnČ jako ve výzkumech hlasu, se jeví drsnost. Vnímání drsnosti má podle tČchto výzkumĤ znaþný vliv na posuzování kvality obecných i hudebních zvukĤ. Fritz et al (2012) uvádí, že nacházená synonyma a antonyma neodpovídají výsledkĤm, které bychom mohli oþekávat na jazykové bázi, a usuzuje na hlubší podstatu za nimi ukrytých procesĤ vnímání. Housle jsou pro výzkum barvy zvuku vhodný nástroj. Z výsledkĤ Fritz (2012) vyplývá, že hráþi slova k popisu tónĤ houslí používali koherentnČ a vykazovali vysokou shodu, která není pravidlem u jiných nástrojĤ (NapĜ. Lemaitre 2007). Uvedené výsledky jsou v souladu s výsledky Otþenáška a ŠtČpánka (2001).
Drsnost Drsnost je jednou z psychoakustických dimenzí barvy zvuku. Vjem drsnosti vyjadĜuje zmČny v þasové struktuĜe zvukového signálu a drsnost odpovídá jeho zmČnám v þasové ose. Pokud jsou zmČny kratší než 30 ms., pĜestáváme je vnímat jako jednotlivé dČje a vnímáme je jako drsnost. 7
Drsnost vzniká u periodických i neperiodických signálĤ (Fastl 2005). V psychoakustice zavedl pojem poslechové drsnosti Hemholtz (1883), který tak popisuje bzuþivé, drsné a skĜípavé vlastnosti zvuku, zejména v jinak harmonických blízkých intervalech (Hemholtz 1886; Vassilakis 2010; Plomp 1965). Drsnost je také popisována jako chvČní, tlukot, vrþení (Plomp 1999) nebo bzuþení, chraptČní, skĜípání. Melka (2005) Obvykle chápaná drsnost vyvolaná sledem periodických impulzĤ závisí na jejich modulaci a frekvenci (vzdálenosti mezi pulzy) (Fastl 2005). Drsnost závislá na modulaþním kmitoþtu má svou charakteristickou podobu. Pomalé promČny amplitudy vjímáme jako promČny hlasitosti (do 15 za sekundu) a vjímáme je jako tlukot. Se zvyšující se frekvencí následuje pĜechod pĜes chvČní k bzuþivosti (Vassilakis 2010). Tato drsnost lineárnČ narĤstá do urþité hladiny (De Baene et al. 2004). Drsnost nekomplexních tónĤ se také postupnČ zvČtšuje, až zcela zmizí pĜi 150 fluktuacích za vteĜinu. Aures (1985), Daniel a Weber (1997) þi Vassilakis (2010) navrhují modely drsnosti u nehudebních zvukĤ þi hlukĤ nebo u tónĤ zpĤsobených jednoduchými tóny. Tyto modely lze použít pro akustické vyjádĜení drsnosti z rĤzných þasových charakteristik spektrální obálky, zejména na þasové rozlišení drsnosti podle rychlosti fluktuací (napĜ. míra fluktuace signálu, míra amplitudové modulace atd.), ale tyto vztahy pĜestávají platit u hudebních zvukĤ (Fastl a Zwicker 1990). S drsností souvisí smyslová (senzorická) disonance a zejména u posluchaþĤ v západním kulturním okruhu je drsnost spojená s komplexním konceptem nelibozvuþnosti (Vassilakis 2010; Terhardt 1973), souvisejícím s neharmonicitami (senzorická disonance se liší se od kulturnČ specifické hudební disonance, ovšem obČ disonance spolu mohou souviset). Drsnost bychom mČli být schopní posuzovat oddČlenČ od soubČžných vjemĤ (Melka 2005). Hodnotitelé mohou ale mít nízkou shodu pĜi hodnocení ve stĜedním rozsahu škály. Toto napĜ. Bergan a Titze (2001) považují za možný projev vnímání nČkolika podob drsnosti. Vnímanou míru drsnost ovlivĖují dČje na bazilární membránČ a sluchovém nervu (Fastl a Zwicker 1990). Omezená pružnost bazilární membrány zpĤsobuje, že se na ní vyskytuje 24 kritických barkových pásem, uvnitĜ kterých dochází k interferenci složek tónĤ odlišných frekvencí (Fastl a Zwicker 1990). Drsnost se mČní s výškou tónu a rozsahem tónu v rámci barkových pásem. Dva jednoduché tóny, které jsou v samostatných kritických pásmech se mohou vyskytovat bez projevĤ drsnosti a vnímáme je jako souzvuk dvou oddČlených výšek tónĤ. UvnitĜ barkových pásem se postupnČ projevují jako drsnost a rázy. Jevy na basilární membránČ v rámci jednoho kritického pásma, mohou zpĤsobovat rĤzné odchylky od modelĤ drsnosti. Drsnost klesá napĜ. se snížením intenzity výchylek, ale i mírnČ modulovaný komplexní tón mĤže za urþitých okolností pĤsobit drsnČ, protože komplexní tóny excitují širší þást membrány. Na jednoduchých tónech se mČní rozsah drsnosti podle frekvence rázĤ. Vliv ostrosti na pĜíjemnost drsných zvukĤ Nehudební zvuky (zejména hluky) mají pĜímý vztah mezi drsností - pĜíjemností a drsností ostrostí. ýím ostĜejší a drsnČjší je zvuk, tím vyšší je jeho potenciál být nepĜíjemný (Takao, Hashimoto, Hatano 1993). Nejvyšší potenciál k vnímání ostrosti mají stĜednČ vysoké frekvence 2-4 khz. Citlivost ucha je nejvČtší v rozsahu 2-4 kHZ, takže vĤþi tČmto frekvencím jsme vnímavČjší (Henoch, Chesky 1990). ZĜejmČ je to proto, že hluk o této frekvenci má nejvČtší pravdČpodobnost poškodit vnitĜní ucho. Toto podporuje i zjištČní, že nepĜíjemnost ostrosti rychle narĤstá s hlasitostí. NepĜíjemná povaha drsnosti není takto snadno odvoditelná. Drsnost v poslechu hudby
8
Závislost pĜíjemnosti a nepĜíjemnosti na míĜe drsnosti je nejasná. Drsnost je doceĖována v rĤzných kulturách rozdílnČ, nČkteré hudební tradice jí upĜednostĖují více, než jiné (Vassilakis 2005). Urþitý charakter drsnosti mĤže být podstatnou složkou bohatého zvuku všech hudebních nástrojĤ (napĜ. trumpety (Geringer a Worthy (1999)) a drsnost byla dána do spojitosti se zmČnami napČtí v hudbČ (Pressnitzer et al. 2000). Lze pĜedpokládat, že v hudbČ jsou hodnotné jen nČkteré zvuky, které mají drsnost zastoupenou v urþitých mezích a urþité podobČ. Drsnost tvoĜí úmyslné prvky v hudební tvorbČ více kultur (Vassilakis 2005; Tsai 2003; Tsai 2003b). Je souþástí rĤzných technik zpČvu jako growling nebo Ĝev (Tsai 2010) i v operního zpČvu. Drsný charakter mají syntetizované zvuky, piáno, housle, flétna tara, bosenský zpČv ganga a indické bubínky tambura (Vassilakis 2005; Tsai 2003b). Ostré a drsné zvuky tvoĜí podstatnou složku v elektrické i rockové hudbČ. TČmto muzikologickým tématĤm se zde nebudu více vČnovat, úþel mého výzkumu se omezí pouze na psychologický výzkum drsnosti v souvislosti se zvukem houslí. Teorie drsnosti podle modelĤ V souþasném poznání je možné rozlišit 4 rozdílné modely drsnosti. Ty zároveĖ mohou stát na pozadí samostatnČ vnímaných podob drsnosti. Drsnost zpĤsobená frekvenþní a amplitudovou modulací Sinusový tón modulovaný v intenzitČ nebo frekvenci s frekvencí vČtší než 20 Hz vnímáme jako drsný tón. Fastl a Zwicker (1990) u této drsnosti rozlišují celkovou míru modulace, její rozsah a nosnou frekvenci. Poþetné studie ukazují, že míra vnímané drsnosti závisí na rozsahu tČchto modulací. Drsnost zpĤsobená amplitudovou modulací je jedna z lépe prozkoumaných drsností, avšak vysvČtluje jen drsnost u amplitudových modulací do frekvence 200 Hz. PĜi frekvencích vyšších, než 200 Hz se z tČchto drsných modulací stává vjem tónu. Tuto drsnost se také souhrnnČ spolu s disonantní drsností vysvČtlují teorie komplexních kmitĤ bazilární membrány v rozsahu kritického barkového pásma (Plomp 1966; Fastl a Zwicker 1990). Disonantní drsnost Disonantní drsnost vzniká pokud znČjí dva jednoduché tóny v intervalu, který není v celistvém pomČru jejich frekvencí, jejich spektrum se skládá a vznikají rázy nebo rychlé interferenþní modulace v þasovém prĤbČhu. Tyto rázy zpĤsobují drsnost, kterou zároveĖ vnímáme jako prĤvodní jev s disonancí (Terhardt 1973). Disonance a drsnost pravdČpodobnČ nejsou totéž i pĜesto, že nČkteĜí autoĜi disonanci za drsnost považují. Alternativní fyziologické teorie drsnosti a disonance (Fastl 1990) pak více zdĤrazĖují fyziologický pĤvod sekundárních rázĤ na basilární membránČ (týká se i souzvuku sinových tónĤ s celistvým pomČrem frekvence harmonických složek). Tomuto nasvČdþují nČkteré periodické i aperiodické sekvence nervových vzruchĤ, které odpovídají periodČ jednotlivých rázĤ a mČní se podle polohy harmonických v rámci kritického pásma (Fastl 1990). Mechanické interference mohou vytváĜet tóny s harmonickými složkami, které leží svou frekvencí ve stejném kritickém pásmu. Možnost této interference vnímané drsnosti narĤstá s výškou tónu (Fastl a Zwicker 1990). Podle této teorie drsnost vzniká interferencí harmonických složek dvou tónĤ v kritickém pásmu. Podle jiných výzkumĤ Tramo et al. (2001) pĜítomnost harmonických složek ve stejném kritickém pásmu nemusí ve všech pĜípadech nutnČ rázy zpĤsobit. Není také samozĜejmé, že rázy zpĤsobené harmonickými složkami musí nutnČ zpĤsobovat nepĜíjemné vjemy a nízké hodnocení kvality zvuku (Tsai 2004), ani, že zmČĜená neuronální aktivita skuteþnČ odpovídá vjemu drsnosti. Nízko položené hlasy by
9
podle Zwickerovy teorie mČly mnoho harmonických složek v rámci kritických pásem a mČly by být drsné, ovšem podle poznatkĤ hlasových terapeutĤ tomu tak není. „I když by nerozlišené harmonické složky, které se shlukují kolem formantu zpČváka mohou pĜidávat do zvuku drsnost, posluchaþi upĜednostĖuji jasné, nízko položené hlasy, oproti hlasĤm zastĜeným, nevýrazným, tupým( dull), které drsnost postrádají“ (Tsai 2004, s. 258). Drsnost zpĤsobená subharmonickými složkami (“sub-pitch“) Hypotézy vysvČtlujících drsnost v souvislosti s vnímáním subharmonických složek lze rozlišit na hypotézy, které popisují vnímání drsnosti v souvislosti s pĜítomností subharmonických složek, které vĤþi sobČ neleží v dokonalém pomČru (napĜ. disharmonie u struny klavírních nástrojĤ), od novČjší hypotézy, která vysvČtluje vnímání drsnosti i u tónĤ, které mají subharmonické složky v pĜímém pomČru s harmonickými složkami (teorii poslechového seskupování (audiory gruping) (Tsai 2004)). Možné vysvČtlení subharmonické (sub-pitch) drsnosti podávají nČkteré fyziologické teorie vzniku subharmonické drsnosti, kdy vjemy drsnosti ze sub-pitch složky mohou vznikat z fyziologické podstaty dČjĤ na sluchovém nervu, jako dĤsledek þasového kódování informací pĜi jejich pĜenosu. Toto þasové kódování pĜestává být nad frekvencí 1000 Hz pĜesné. PĜi pĜenosu informací nČkolika blízko sebe ležících frekvencí, které prošly pĜes kritické pásmo mĤže vznikat druhotná drsnost na sluchovém nervu (Moore a Ogushi 1992) Je možné, že urþitou tuto podobu drsnosti jako subharmonické pĜímČsi v tónu, která mĤže mít podobu subharmonické drsnosti popsal ŠtČpánek a Otþenášek (1999) jako poslechovou kvalitu zrnitý, písek þi šustivý, jejíž pĤvod pocházel z šumu pod frekvencí základní harmonické. Výzkum v této oblasti je aktuálním výzkumným problémem. Subharmonická drsnost Subharmonicita je úþelový název pro soustĜedČní energie ve spektru, které má svou periodicitu nižší, než je základní rozpoznaná frekvence ((2n-1) F0\2) daného tónu, pĜiþemž F0 je vnímaná výška a n=1,2,3 (Tsai 2004). Graficky je možné tyto subharmonické složky rozpoznat jako nízké vrcholy ve frekvenþím spektru, s frekvencí nižší, než je frekvence prvního zĜetelného pĜevýšení. Subharmonicity jsou bČžné v hlasových projevech lidí, kde amplituda i frekvence subharmonicit se prokazatelnČ projevuje rĤznou a promČnnou mírou drsnosti v hlase (Omori et al. 1997; Bergan a Titze 2001) a byla intensivnČ zkoumána. Subharmonické frekvence vyvolává asymetrie kmitání hlasivek, která zpĤsobí, že se periodicita objevuje jen napĜ. každý n-tý cyklus. Z fyziologického hlediska je obtížné tento typ drsnosti popsat pomocí psychoakustických modelĤ (Omori et al. 1997) Vztah drsnosti k subharmonicitČ lze vysvČtlit mechanismem poslechového seskupování založeném na mechanismech rozpoznávání výšky tónu. Tento mechanismus popsal Tsai (2004). Míra vnímané drsnosti (a podle hypotézy této práce zĜejmČ také její podoba) je závislá na naší schopnosti rozlišit zdroj zvuku a pĜiĜadit daným subharmonickým základní frekvenci F0. Vjem drsnosti v pĜípadČ subharmonických složek vzniká tehdy, pokud jsou spodní subharmonické složky pĜíliš slabé k tomu, aby zpĤsobily vjem výšky tónu, ale jejich vyšší harmonické složky jsou dostateþnČ silné k tomu, aby zpĤsobily vjem drsnosti, který je ovšem zpĤsobený jejich vyhodnocováním ve vyšších patrech sluchového centra. Subharmonické složky, které popisuje Tsai ve své disertaþní práci (Tsai 2003b) se vyskytují ve druhé oktávČ þínské flétny dizi a jsou zpĤsobeny nepravidelnými kmity membrány této flétny. Tsai uvádí, že tyto subharmonicity, které jsou pĜímým podílem pĤvodní frekvence, vnímáme jako neþistoty (impurities) v hlavním tónu. Podobné subharmonické složky popsal také McIntire u aperiodických kmitĤ strun smyþcových nástrojĤ (McIntire et al. 1981).
10
Multidimenzionální povaha drsnosti Drsnost zĜejmČ má více podob. NapĜíklad Ĝvavý þi hĜmotný typ hlasu zpĤsobený nepravidelnými kmity nadhlasivkových obloukĤ, což pĜidává do zvuku velké množství postranních pásem, je charakteristický znaþnou modulací amplitudy a spektrální bohatostí (Tsai 2010). Vnímáme jej jako Ĝvavý, agresivní zvuk. Charakteristikám tohoto hlasu jsou podobné nČkteré specifické technik hraní na trumpetu þi saxofon a jsou podobné urþitým aspektĤm zvuku elektrických kytar. V pĜípadČ dechových nástrojĤ vnáší do zvuku aperiodicitu nelineárnČ kmitající rty hráþe, který touto technikou také pĜidává do hry rĤzné drsnost zpĤsobující prvky (druhy amplitudových modulací, subharmonicit i širokopásmových hlukĤ). Tsai uvádí, že pokud je Ĝvavý tón na trumpetČ vyluzován v urþité podobČ, kterou nazývá mČkký prĤbČh (soft dynamics), tento zvuk mĤže pĜipomínat smutek þi melancholii. U elektrických kytar mĤže mít modulovaný charakter zvuku (který vzniká zámČrným oĜezáním þasového prĤbČhu pĜebuzením elektronických zesilovacích prvkĤ) také agresivní charakter (Tsai 2010), kterému hudebníci mohou dát velmi kultivovanou podobu. Tsai uvádí rozlišení na mČkké drsné zvuky a hlasité drsné zvuky (na pĜíkladu hlasu). Uvádí „drsný zvuk nemusí být nutnČ Ĝvavý“ (Tsai 2010, str. 212). Hlasité zvuku nám mohou pĜipomínat spíše agresivitu a mČkké spíše smutnost (Tsai 2010). Jako pĜíklad uvádí Tsai ruský lament, pro který je charakteristická mČkká podoba (tu je možné dát do souvislosti s výraznou subharmonickou složkou). Subharmonické zvuky se bČžnČ chápanou drsností ve smyslu bzuþivosti þi chrþivosti nemusí vyznaþovat vĤbec. Tsai (2003b) uvádí nČkteré podoby zvuku þínského nástroje jinghu, které vznikají jako dĤsledek nelineárnČ dynamické povahy a nepravidelných dČjĤ na strunČ (inharmonicita, subharmonicita, postraní pásma). Je možné je dát do souvislosti s "kvetoucími zvuky" (Tsai 2006), které ale mají zároveĖ drsnou kvalitu pĜipomínající patologický lidský hlas (idib). Kvetoucí zvuky mají opČt svou charakteristickou kvalitu. Drsnost jako multidimensionální kvalita hlasu Drsnost je nejþastČji zkoumána v souvislosti s lidským hlasem. Protože projevy nepravidelného kmitání jsou u kmitání houslových strun i hlasivek do urþité míry podobné, pĜedpokládám, že bude možné podobné jevy jako u hlasu, mČĜit i na zvuku houslí. Jelikož vibrace struny jsou pro vysokorychlostní kameru lépe pĜístupné než hlasivky, základní poznání pĜíþinných souvislostí mĤže být vzájemnČ obohacující. Drsnost hlasu pĜedstavuje jeden z hlavních faktorĤ, pomocí kterých se hodnotí kvalita hlasu pĜi výuce zpČvu i v klinické foniatrii (napĜ. Bergan a Titze 2001; Bergan a Titze 2004). Jedním z rozšíĜených hodnotících postupĤ je napĜíklad vyšetĜovací metoda hlasu GRBAS, kterou které lékaĜi subjektivnČ hodnotí parametry stupnČ (Grade), drsnosti (roughness), dyšnosti (breathiness), astenie (aesthenicity) a napČtí (strain) (Kreiman a Geratt 1994). K diagnóze patologických hlasĤ se þasto používají slova jako dyšnost a drsnost. Výzkumy indikátorĤ drsnosti její odlišnou podobu pĜedpokládají. Podle tČchto výzkumĤ je možné se domnívat, že samotná drsnost je vícerozmČrná vlastnost. Z hlediska této práce je podstatný výzkum Kreiman a Geratt (1994), který naznaþuje, že dyšnost a drsnost jsou multidimenzionální a vzájemnČ propojené konstrukty. Dyšnost ovlivĖuje ve velké míĜe hodnocení drsnosti, i pĜesto, že drsnost na hodnocení dyšnosti vliv nemá. Kreiman také upozorĖuje na znaþný rozptyl posuzování mezi subjekty, který se odráží pĜi posuzování kvality hlasu, a, že tradiþní hodnotící škály kvality hlasu mohou být náchylné na zkreslení. Dyšnost a drsnost jsou vzájemnČ propojené a tvoĜí mnohorozmČrnou kvalitu. 11
V oblasti výzkumu hlasu existuje také nČkolik výzkumĤ týkající se osovosti verbálních deskriptorĤ. NapĜ. Kreiman a Geratt (1994) se zabýval tím, zda hrubost (harshness) a dyšnost (breathiness) je podomnožinou projevĤ, které oznaþujeme jako chrapot (hoarse). Vnímání drsnosti lidského hlasu Aperiodicita hlasivek souvisí s vnímáním kvality hlasu (Kreiman a Gerrat 2005; Omori et al 1997). Posluchaþi lidského hlasu preferují jasný hlas s nižším pomČrem šumu, haromických složek a aperiodicit (Ferrand 2002). Ale lze zaznamenat i opaþné tendence. NapĜíklad u hlasĤ, které jsou chraptivé (Tsai 2010), je hlas, který je kompozitním prĤmČrem všech hodnocených hlasĤ, þasto stejnČ atraktivní, jako nejvíce atraktivní hlas v celé sadČ. ZmČnu vnímání mĤže zpĤsobovat napĜ. efekt vyrušení aperiodicit (aperiodic noisy components), takže výsledkem mohou být vČtší preference pro daný hlas. Podobný efekt má také reverberace, u které vnímáme, že zvuk proþištuje (McDermott 2012). Uvedené informace z výzkumu preferencí lidského hlasu však mohly být ovlivnČny i rĤznými dalšími vedlejší faktory] Evoluþní vysvČtlení nepĜíjemného vjemu drsnosti mĤže být napĜ. podprahové vyvarování se nemocných a starých lidí, u kterých drsnost v hlase pozorujeme (Ferrand 2002). Evoluþní teorie uvádČjí, že nejþastČjší bČžné pĜírodní zvuky vČtšinou postrádají ostrost a drsnost, protože jsou analyzovány na nejnižších úrovních zpracování sluchového signálu (McDermott, Oxenham 2011; Simoncelli 2009), komplexní zvuky jsou pak zpracovávány na vyšších úrovních a mĤžeme u nich rozlišit širší škálu podob. Mapa preferencí mĤže mít rozmanitČjší podoby (McDermott a Simoncelli 2011). Teoretické ukotvení multidimenzionality drsnosti Drsnost ve zvuku nemusí mít vždy nepĜíjemný charakter (Tsai 2003), mĤže být vnímána jako pĜímČsi k tonické kvalitČ (Jensen 2004). Dle Menšena pĜímČsi (pĜímČs jako dĤsledek þásteþnČ nepravidelných nebo zcela náhodných þasových zmČn) k harmonickému zvuku pĜidávají specifické kvality. Uvádí termín noise s vysvČtlením, že je jej nutné chápat jako zatím blíže neurþené pĜímČsi ve zvuku (lze je pĜedpokládat ve smyslu Tsaiových (2003b) pĜímČsí (inpurities). Podle vlastností zvukĤ jsou rozlišitelné kategorie nahodilých událostí, neúplných zvukĤ a harmonických zvukĤ s promČnlivou amplitudou a frekvencí. Bez pĜímČsí a nepravidelných kmitĤ by byla vČtšina zvukĤ jednotvárných (dull) (možná také ve smyslu mdlý, þi zastĜený, nevýrazný þi úzký), chladných þi mrtvých (lifeless) a syntetických (Jensen 2004). Popisné charakteristiky jsou pouze orientaþní a rozhodnČ je nelze dávat do souvislosti s popisnými charakteristikami barvy zvuku hudebních nástrojĤ, které využívá tato práce (a které by mohly Jensenovy definice upĜesnit). Dle Jensena by mČl být vliv rĤzných parametrĤ rozpoznatelný jako pĜímČsi k základnímu vjemu napĜ. jako jasnost, tvrdost, údernost (Jensen, 2004) a mohl by pĜidávat do zvuku další kvality jako Ĝvavý, prskavý, dyšný, šplouchavý. Toto se zdá být v souladu s poznatky Geringer et al. (1999) Jensen tyto kvality dokazuje proložením sinusových prĤbČhĤ barevným šumem na základČ frekvenþní, þi amplitudové modulace. Získal tak široké spektrum zvukĤ pĜipomínajících hlas a také dechové a strunné nástroje. Tyto simulace je možné provádČt manipulacemi s rychlostí zmČn v obálce, s intenzitou tČchto zmČn. Parametry harmonicky specifikované frekvenþní a amplitudové modulace (jitter a shimmer) (Jensen 2004) jsou pak podobné aperiodicitám struny houslí, jak je uvádí McIntire (1981). V rozliþných polohách v tomto prostoru syntetických parametrĤ existují znaþné rozdíly v barvČ výsledného zvuku (Jensen 2004). Jensen intuitivnČ
12
popisuje amplitudovou modulaci jako hrþící, hĜmící (rumbling), dyšnou, praskavou, a frekvenþní modulaci jako drsnou, podivnou (wierd) a lezoucí (walking). V souvislosti se smyþcovými nástroji lze pĜedpokládat, že nČkteré aperiodicity smyþcových nástrojĤ mohou pĜidávat cenné vlastnosti do zvuku a podílet se na utváĜení živosti zvuku (life). Živost pak zpĤsobuje, že zvuk vnímáme jako pĜíjemný (enjoyable sound) (Jensen, 2004). Tato složka je neoddČlitelnou souþástí sensorické pĜíjemnosti a provází Ĝadu dalších základních kvalit, jako napĜíklad drsnost, ostrost þi tonalita. Vliv živosti zvuku by mohl být jeden z dĤvodĤ odlišnosti preferencí zvukĤ u posluchaþĤ poslechového testu. Podobné poznatky z poslechových testĤ s hudebníky a naivními posluchaþi ve svých výzkumech ukazuje Geringer et al (1999). Posluchaþi bez hudební praxe preferují temné zvuky, zatímco posluchaþi s hudebním praxí spíše preferují jasné a ostĜejší zvuky (a za urþitých pĜedpokladĤ drsné), než ty tmavé, temné zvuky, které pĤsobí ploše (Geiringer et al. 1999). V souladu s Jensen (2004) a McDermot (2004) lze soudit, že existuje urþitá mez, kdy už pĜímČsi þi flukutace nejsou vnímány individuálnČ, ale vnímáme je jako pĜíspČvek (contribute) k barvČ zvuku. Tento pĜíspČvek by mohl být u rĤzných druhĤ drsnosti jiný a mohla by se mČnit i jeho podoba Vnímání kvality Hudebníci hrající na housle kladou znaþný dĤraz na zvuk a kvalitu svého nástroje (Fritz, Muslewski, Dubois 2010). Výzkum, který provádČl Dünwald (1991), byl soustĜedČn na akustické vlastnosti velké škály houslí, které mČly znaþné rozpČtí kvality. Výsledkem Dünwaldova výzkumu byla identifikace 4 oblastí v frekvenþních pásem, které mají vliv na vjem kvality zvuku. 190-650 650-1300 1300-4200 a 4200-6400 Hz. Oblasti odpovídá bohatosti, nasalitČ, brilanci a jasnosti hraných tónĤ. Tyto oblasti Dünwald považuje za možné indikátory konkrétních aspektĤ kvality zvuku, která souvisí se zde Ĝešeným problémem. Citlivost hudebníkĤ vĤþi zmČnám kvality zvuku ukazuje i studie rozdílových prahĤ pro jednotlivé modifikace zvuku houslí (Fritz 2007). Kritické schopnosti rozpoznat charakteristiky zvuku u posluchaþĤ smyþcových nástrojĤ, jejichž tóny mají vysokou tendenci k drsnému projevu a množství již probČhlých výzkumĤ þiní z houslí vhodný nástroj pro další výzkum. Senzorická pĜíjemnost a posouzení pĜíjemnosti Jednou z vnímaných vlastností zvuku je sensorická pĜíjemnost (podobnČ, jako v oblasti þichu þasto užívaný rozmČr hédonický tón, který vyjadĜuje vnímanou nepĜíjemnost daného stimulu, a mĤže vést k soudu kvality). Zde je uvedeno základní shrnutí vlivĤ, které mohou ovlivĖovat vnímání kvality, tak jak je vyjadĜuje nČkolik autorĤ (Fastl 1997, Melka 2005, Ando 2009). Jsou to: fyzikální vlivy (zvuková kvalita obsahuje faktory akustického signálu) prostĜedí (napĜ.míra obklopení zvukem (Ando 2009)), psychoakustické faktory (popisují jednotlivé dimenze vnímání: hlasitost, ostrost, síla zmČn (fluctuation strenghth apod.) a psychologické þi antropologické promČnné. Jednou veliþinou je hodnota sensorické nepĜíjemnosti/pĜíjemnosti (sem patĜí napĜ. hluþnost, drsnost, ostrost) vyjádĜená indikátorem bezprostĜední preference pĜi srovnání jednotlivých zvukĤ (Fastl 1997; Melka 2005). Existuje Ĝada jiných, neposlechových veliþin, napĜ. obraz zdroje mĤže vytváĜet oþekávání, situace, za které kvalitu hodnotíme, þi osobní postoj vĤþi zdroji mohou vyvolávat averze, preference apod. PĜi vnímání celkové kvality zvuku mají na výsledné hodnocení vliv také další komplexní psychologické faktory: kontext, nálada, osobnost, emoþní stavy, asociace zvukĤ ke kontextu. Zvedené faktory dále rozvádí také napĜíklad Melka (2005). Tyto úrovnČ hodnocení pak nejvíce odpovídají oblasti estetiky, v této práci se jím však zabývat nebudu.
13
Podstatou pro pĜíjemnost zvuku je senzorická príjemnost (libozvuþnost) (Melka 2005). Sensorická pĜíjemnost je komplikovaná psychoakustická veliþina. NejsilnČji pĜíjemnost souvisí se zmČnami na elementárních veliþinách majících vliv na posuzování kvality (senzoricky adekvátní veliþiny),. tj. výšky, hlasitosti, ostrosti, síly kolísání, tónovosti a drsnosti (Melka 2005). Jak ale ukazuje výzkum determinantĤ kvality zvukĤ houslí (napĜ. Dünwald (1991) nasálnost, jasnost, bohatost) a výzkumy Otþenáška a ŠtČpánka (2002), barva zvuku je zásadní veliþinou, které má na posuzování sensorické pĜíjemnosti vliv. PĜíjemnost je tedy výsledkem komplexního evaluativního soudu. Je také moderována pĤsobením okolí, jinými smysly, vkusem, emocemi, oþekáváními apod. (moderující faktory (Melka 2005)). Z pohledu emocí senzorickou pĜíjemnost vysvČtluje koncept afektivní kvality. VyzáĜený zvuk je nositelem nČkterých fyzikálních vlastností, jejichž pĤsobení vnímáme, jako libé, zvuþné, malebné, bohaté, a jiných, které mĤžeme vnímat jako nepĜíjemné þi nelibČ znČjící. Zdroj zvuku mající urþité fyzikální vlastnosti (nebo postrádající nČjaké) mĤžeme vnímat napĜ. jako chudý (Rossing 2002; Fritz et al 2012). U hudebních zvukĤ (ale þím dál, tím více i u neperiodických kmitĤ rĤzných tČles jako je skĜípČní brzd, tĜepotání lopatek turbín apod.), chceme-li je kultivovat, je nutné zkoumat dílþí detaily napĜ. pozorováním pĜíþin vzniku tČchto zvukových vlastností pĜímo na zdroji (McIntire 1981).
Housle Každý hudební nástroj tvoĜí nČkolik akustických prvkĤ. Podle vlastností a vztahĤ mezi tČmito prvky jsou nástroje þlenČny v typologiích hudebních nástrojĤ (napĜ. Kurfustova systematika hudebních nástrojĤ (Kurfurst 2004).Akustickými prvky jsou: oscilátor, rezonátor a excitátor. Oscilátor je þást nástroje, která kmitá a pĜenáší svou energii na rezonátor. Rezonátor je kmitající médium uvádČné do pohybu oscilátorem a pĜedává energii oscilátoru do okolí (pĜi této své þinnosti se vĤþi oscilátoru chová jako filtr). Rezonátorem mĤže být i vzduch nebo blána, þasto se jedná o desku. Excitátor je prvek, který budí oscilátor. Smyþcové nástroje tvoĜí tĜídu nástrojĤ, které jsou rozezvuþovány tĜením smyþce (Kurfurst 2004). Tato kapitola popisuje zejména ty principy konstrukce smyþcových nástrojĤ, ze kterých vyplývá pĜíþina vytváĜení drsnosti jejich tónĤ. Housle jsou historický hudební nástroj. Doložený vývoj je nejménČ od roku 1680 (Campbell a Gerated 1987). Za jeho dalším vývojem stál napĜ. Antonio Stradivari þi Giuseppe Guarneri. Campbell (1987) vyslovuje domnČnku, že jedním z dĤvodĤ, proþ se housle staly hlavním nástrojem v orchestrální hudbČ, je jejich schopnost vytváĜet mnoho kvalitativnČ, hlasitostnČ i strukturnČ odlišných zvukĤ. Campbell uvádí, že tato schopnost je pĜekonána jen hlasem (Campbell a Gerated 1987). Rezonátor: tČlo houslí tvoĜí svrchní a spodní rezonanþní deska, které jsou po stranách propojené luby a opírají se o sebe i prostĜednictvím duše pod strunou e. Rezonanþními vlastnosti obou desek, basový trámec umístČný na svrchní desce i umístČní duše mají spoleþný vliv na celkovou kvalitu nástroje a na charakter jeho zvuku. Silové pĤsobení struny se pĜenáší na tČlo pĜes kobylku, která se jak na spodní, tak horní stranČ pohybuje (v tomto projektu je její kolíbavý pohyb dĤležitý zejména pro nastavení úhlu kamery). TČlo houslí je radiaþní prvek pro zvuk pĜedaný kobylkou a tvoĜí složitý spektrální filtr. Ke kvalitČ zvuku houslí pĜispívá zejména spektrální filtr jednotlivých vibraþních módĤ desek (Rossing 2002). Výrobci vČnují znaþnou pozornost jejich ladČní (napĜ. poklepem þi pozorováním Chladniho obrazcĤ buzených reproduktorem (Campbell 1987) pĜi konstrukci špiþkových nástrojĤ a snaží se dosáhnout vhodného sladČní rezonanþních módĤ. PĤsobení filtrĤ je doplnČno zesílením frekvencí ve spodní þásti spektra (450 – 550 Hz) rezonancí spodní desky a rezonujícím objemem vzduchu uvnitĜ 14
dutiny (200-270 Hz), která vyzaĜuje 2 otvory ve tvaru F. Oblasti pĤsobení tohoto filtru, které mají vliv na kvalitu zvuku houslí a na vlastnosti jeho barvy, stanovil zejména Dünwald (1991), podle kterého se také nazývají jednotlivá pro zvuk houslí relevantní frekvenþní pásma. Oscilátor: Housle mají 4 struny v ladČní g, d¹, a¹, e². Struna je zakonþená na kobylce, která pĜedává energii tČlu. Pro kobylku je charakteristická volná vazba, kdy spojovací þlánek mezi strunou a rezonátorem odebírá strunČ jen relativnČ menší množství energie oproti jiným strunným nástrojĤm. Vazba umožĖuje relativnČ netlumený periodický pohyb struny, který malými pĜídavky energie smyþce dovoluje dosahovat velkých výchylek. Excitátor: Struna smyþcových nástrojĤ je buzena pohybem smyþcem, který tvoĜí koĖské žínČ napnuté mezi špiþku a žabku. Kalafuna nanesená na žínČ zvyšuje tĜení mezi smyþcem a strunou. V souþasnosti se používá konkávní smyþec (dílo François Tourte z 18 stol.), který dovoluje pĜesnČji mČnit parametry síly a pĜítlaku. U pĜedchozích druhĤ smyþcĤ síla pĜítlaku na strunu nenarĤstala tak rychle a ke stejným zmČnám tlaku bylo nutné použít vysoké zmČny síly. Konkávní konstrukce smyþce umožĖuje, aby hráþ dynamicky ovládal tlak smyþce na strunu, ale zároveĖ díky svému tvaru a pružnosti nedovoluje snadno pĜesáhnout extrémní hodnoty tlaku na strunu. RĤzné parazitní dČje na smyþci spíše strunČ odþerpávají energii na rozdíl od jeho pĜimČĜenČ rovnomČrného pohybu „rozdíly mezi smyþci jsou postĜehnutelné spíše pro hráþe, než pro publikum" (Askenfelt 1995, s. 39). Použití koĖských žíní je podstatné pro jejich mikrošupinatý povrch (mj. dobĜe ulpívá kalafuna). DČje mezi smyþcem a strunou neoddČlitelnČ utváĜí charakteristický zvukový projev houslí Struna houslí Volná struna hudebního nástroje pĜi svém kmitání tvoĜí stojaté vlny v celistvých pomČrech úsekĤ oscilátoru ukotveného mezi dvČmi pevnými body. Každý díl délky struny kmitá s frekvencí rovnou tomuto pomČru a vytváĜí harmonické složky tónu. K tomuto pohybu se pĜidávají pohyby další, které vznikají konstrukcí skuteþného nástroje a dalšími vlivy. Jsou to zejména disharmonicity vznikající odlišnou délkou aktivní struny na spodní stranČ kontaktu struny s kobylkou oproti její svrchní þásti (mají odlišné délky), nehomogenity opĜedení a torzní (krutové) kmity struny (McIntire a Woodhouse 1979) Kmitání struny houslí Struna smyþcových nástrojĤ získává energii v procesu pĤsobení smykových sil na plochách smyþce a struny. Tomuto dČji se Ĝíká trhavý (þi pĜilnavý) skluz (stick-slip motion). Efekt zadrhávání mezi skluznými plochami je obecnČ studovaným a modelovaným fyzikálním fenoménem a neomezuje se jen na struny houslí. Je charakteristický napĜ. pro drhnutí židle o podlahu, tĜení kol kolejových vozidel pĜi projíždČní zatáþkovými oblouky (nebo brždČní). Trhavý skluz je charakteristický nelineární dynamicitou, která zpĤsobuje, že je pomČrnČ obtížnČ modelovatelný (Woodhouse a Galluzzo 2004). Poznání akustických projevĤ trhavého skluzu a také mechanismĤ vzniku drsnosti v jeho zvuku je tak podstatné z více hledisek. PĜilnavý skluz zpĤsobuje stĜídání rozdílu síly pĤsobící na tČleso a stálé tĜecí síly, která v urþitém bodČ skluzu pĜeváží, a pohyb pak zase následnČ zbrzdí. Pohyb smyku a pĜilnutí zpĤsobuje charakteristický prĤbČh kmitání struny smyþcových nástrojĤ. Pohybující se smyþec strunu táhne sebou až do bodu, kdy zpČtný tah struny pĜekoná vazkost kalafuny, struna sklouzne do místa, kde vytratí svou energii (ve fázi smyku), a opČt pĜilne ke smyþci (fáze pĜilnutí). Mezi okamžiky, kdy se struna utrhne smykem z fáze pĜilnutí a kdy struna opČt pĜilne, se mČní rychlost struny vĤþi smyþci. PomČr mezi tĜecí a statickou silou postupnČ unášené struny dynamicky mČní pĜíchod Hemholtzova rohu (HemholtzĤv roh je název pro
15
vychýlení struny vyvolané jejím pĜeskokem pĜi utržení se struny ze stavu pĜilepení ke smyþci, pĜiþemž se tento roh šíĜí postupnČ pĜes celou strunu k oĜechu a pak po odrazu zase zpČt ke smyþci; jeho fáze je opaþná, takže, když se došíĜí zpČt ke smyþci, jeho dynamická síla se seþte s tahem struny proti unášení smyþcem a spojení obou sil pĜímo vyvolá, v rĤzných režimech hry rĤznou mČrou urychlí, nové utržení a smyk). Postupný vznik Helmhotzova rohu dodává charakteristické zabarvení nakmitávacím zaþátkĤm tónĤ (Hutchins a Benade 1997). V této práci se nebudu zabývat nakmitávacími dČji, ale jen stacionární þásti tónu s již ustálenými pĜebČhy Hemholtzova rohu po strunČ. PĜi optimálním znČní tónu je doba pohybu Hemholtzova rohu od smyþce k oĜechu a po odrazu zpČt ke smyþci shodná s periodou tónu, na které struna kmitá. Housle tak jsou schopny vydávat stabilní tón i pĜesto, že struna houslí nekmitá volnČ, ale je po vČtšinu þasu v kontaktu se smyþcem. Lokální pohyb struny s Helmholtzovým rohem nemá charakter postupného vlnČní, ale jeví se jako charakteristický zubatý prĤbČhu. Shrnutí souþasných poznatkĤ o pohybech struny houslí podává dále napĜíklad Woodhouse a Galluzo (2004). Aperiodicity v tomto dČji se po pĜenosu na kobylku velmi zesilují (McIntire et al. 1981). Uvedená složitá a povaha dČje na strunČ tak vede k charakteristickým nestabilitám, nepravidelnostem a pĜímČsem v tónu houslí. Spektra zvuku smyþcových nástrojĤ jsou pak charakteristická frekvenþními postranními pásmy a subharmonickými složkami. Ty mohou kvalitu a barvu zvuku obohacovat i znehodnocovat. Jejich fyzikální podobu zkoumal napĜíklad McIntire (1981), ze kterého tato práce vychází. Vliv smyþce a kalafuny na charakter zvuku Konstrukce moderního smyþce se podílí na charakteru a kvalitČ zvuku smyþcového hudebního nástroje spíše tím, že usnadĖuje hráþi zaujmout a ovládat rĤzné režimy hry (napĜ. pružností (Askenfelt 1995)). Mezi smyþcem a strunou existuje složitá interakce. Askenfelt ale uvádí "na smyþci se odehrává množství dČjĤ, ale na srtunČ þi kobylce se vše projeví jen málo þi vĤbec" (Askenfelt 1995, s. 39). Vliv smyþce se mĤže projevovat spíše pĜi zaþátcích tónĤ, ve statické þásti tónu hrají vlastnosti smyþce spíše pasivní úlohu. Interakce mezi hráþem a nástrojem Mezi nástrojem a hráþem probíhá interakce. Hráþ aktivnČ ovládá zvuk nástroje pomocí mírných korekþních pohybĤ (Schoonderwaldt a Demoucron 2009). PĤsobí zejména na rychlost smyþce, vzdálenost mezi kobylkou a na sílu pĜítlaku. Demourcron tyto 3 parametry považuje za hlavní parametry urþující charakteristiku zvuku a dostaþující pro popis interakce mezi hráþem a nástrojem (Schoonderwaldt a Demoucron 2009; Guetler et al. 2003). Ke studiu tČchto pohybĤ se užívají nákladná kalibraþní zaĜízení. Malý vliv má sklon smyþce vĤþi houslím, naopak z poznatkĤ McIntire et al (1981) vyplývá vliv šíĜky žíní v kontaktu se strunou a tím i na vliv naklonČní smyþce (toto Schoonderwaldt s Demoucronem pĜíliš nezdĤrazĖují). Pro podobu zvuku jsou z analytického hlediska podstatné parametry vedení smyþe (bowing parameters), které se pĜi bČžném hraní pohybují v rámci urþitého vymezeného rozsahu parametrĤ vedení smyþce (bowing parameter space). Jsou to: síla pĜítlaku, poloha smyþce, rychlost, akcelerace a vzdálenost ke kobylce (Schoonderwaldt a Demoucron 2009). Tyto parametry popisuje hudební nauka svými termíny, napĜíklad sílu pĜítlaku forte, vzdálenost vĤþi kobylce sul tallone, sul ponticello) Aperiodicity na strunČ houslí Z modelĤ struny smyþcových vyplývá, že struny smyþcových nástrojĤ mají tendenci k urþitým specifickým druhĤm aperiodicit. Výzkumy na tyto aperiodicity provádČli McIntire et al. (1981) a
16
v dané práci navrhují modely, které mohou být teoretickým vysvČtlením nČkolika fenoménĤ na strunČ houslí. Zejména jde o frekvenþní modulace a pĜibývající hluk (buildup of noise), které vynikají, pokud se snažíme hrát více a více u kobylky a s vČtším pĜítlakem. McIntire mluví o noise, který lze pĜeložit jako hluk þi šum; ale jeho charakteru, obzvláštČ charakteru jeho témbru, se dále nevČnuje. Tyto vlastnosti lze zkoumat systémem popisných charakteristik. McIntyre et al (1981) vyslovuje tyto teoretické závČry: 1) Nestabilita v ideální strunČ se projeví pouze v subharmonických složkách hraného tónu. 2) Hluk u kobylky zpĤsobuje od subharmonicit odlišný fenomén, který je spojen s koneþnou šíĜkou plochy smyþce v kontaktu se strunou 3) ZmČny síly pĜítlaku, zmČny rychlosti pohybu smyþce, zmČny amplitudy kmitu, zmČny v poloze smyþce ovlivĖují míru excitace subharmonických složek. McIntire et al. (1981) rozeznává nČkolik režimĤ nepravidelného kmitání struny smyþcových nástrojĤ. Jsou jimi frekvenþní a amplitudová modulace (jitter a shimmer) pohybu, hroty (spikes) a stínové subharmonické složky (ghostly subharmonics). V praxi jsou tyto vlivy všechny spojeny v jeden, ale s odlišnými vzájemnými pomČry. Jitter je rozptyl v þasové periodicitČ a lze jej mČĜit jako þasové zpoždČní okamžiku, kdy na kobylku pĜijde tlak z Helmholzova rohu. Podle McIntire (1981) frekvenþní modulace nedosahuje dostateþné intenzity, aby byla slyšitelná. McIntire toto posuzuje podle rozptylĤ stanovených Cardzo (1968) na frekvenþní modulaci. Tyto laboratorní výzkumy ovšem nemusí být zobecnitelné a je možné, že za urþitých okolností slyšitelná být mĤže. McIntire uvádí, že se frekvenþní modulace v rámci zmČny vlastností hry (pĜítlak a hra u kobylky a hmatníku) mČní jen málo. ZĜejmČ nesouvisí se snížením kvality zvuku pĜi hraní u kobylky nebo pĜi silné hĜe. Hroty jsou rázy v þasovém prĤbČhu, které nejvíce souvisejí se zmČnou kvality zvuku (McIntire et al. 1981). V analýzách kmitání struny, pĜi kterých byl jasnČ slyšitelný „hluk“ se délka periody pĜíliš nemČnila a aperiodicita mČla podobu vysokých jehel v prĤbČhu kmitu struny (McIntire et al. 1981). Tyto jehly zpĤsobovaly nárĤst hluku þi šumu a jejich výskyt byl spojený s vnímáním nekvality daného zvuku (zvuk byl hudebnČ nepoužitelný (McIntire et al. 1981)). Pokud tyto hroty vytváĜejí širokopásmový šum, mají zĜejmČ také podobu subharmonické složky na rezonátoru. Toto je v souladu s mČĜeními ŠtČpánka a Otþenáška (1999): Podle spektrálních charakteristik lze soudit na souvislost této složky s deskriptorem šustivost þi písek. Subharmonicita - pĜi extrémnČjších režimech kmitu struny McIntire popisuje slyšitelnou subharmonickou složku tónu. Výška tónu této subharmonické závisí na poloze smyþce vĤþi strunČ z hlediska délky struny a McIntire et al (1981) uvádí, že v nechaotických režimech kmitu struny jí þasto vnímáme až po uplynutí urþitého þasu, napĜíklad po minutČ (toto by bylo možné dát do souvislosti s neuronálním sítem ,o kterém se zmiĖuje Tsai (2004)). Lze se domnívat, že vyhodnocovací procesy potĜebují urþitý þas k identifikaci této složky (jako souþásti tónového objektu) pĜed tím, než je vnímána (Tsai 2004). McIntire et al. (1981) subharmonicitu popisuje jako doprovodnou suboktávu nebo 12-tinu, která po urþité dobČ (podle své prominentnosti) pĜeznívá bČhem normálního Hemholtzova prĤbČhu kmitu struny. MČla by také mít podobu sotva vnímatelného pĜeznívání. Tón nepĤsobí jako þistý, ale má "nepravidelný, neurþitý charakter, podobný pĜeznívání rezonátoru buzeného bílým šumem“ (McIntire et al. 1981, s. 19). Tento popis odpovídá definici jedné z modalit drsnosti tak, jak jí pojímá tato práce. PĜíþina subharmonických složek na strunČ houslí
17
Subharmonické složky v kmitu struny jsou zpĤsobeny propouštČním nepravidelností ve fázi skluzu (McIntire et al.1981). Smyþec pĜestane být v kontaktu se strunou (pĜestane strunu pĜehrazovat) a kmity volnČ projdou strunou po celé její délce. Ve fázi ulpČní naopak smyþec strunu pĜehradí a slouží jako stČna pro odrazy kmitĤ na strunČ. Ty pak mají periodu závislou na délce pĜehrazené struny. PĜi pohybu smyþce po strunČ ze strany na stranu se tak postupnČ mČní podoba subharmonicit, což mĤže zpĤsobovat nČkteré další percepþní rozdíly, zejména to mĤže znesnadĖovat jejich identifikaci z pohledu síta, které navrhuje Tsai (2004). Tato stínová subharmonická složka se liší od vedlejších frekvencí (sub-fundantal þi sub-pitch, zmínČný v úvodu této práce) zhrouceného tónu, který má velmi hrubý a nehramonický charakter (v této práci pĜedstavoval chrþivý, zvonivý tón) který je dalším projevem drsnosti na strunČ houslí. Tento tón lze vyvolat po pĜekroþení Shellingova maxima (Maximální pĜípustný tlak na smyþec v dané poloze, který je možné vyvinout aniž by byla narušena periodicita kmitu zpĤsobeného periodickým skluzem a ulpČním v souvislosti s periodicitou Hemholtzova rohu). Tato práce vychází z pĜedpokladu, že výsledný charakter zvuku struny houslí, je vázán na aperiodicitu na strunČ, kterou popisuje McIntire et al. (1984) a tyto aperiodické kmity se projevují rĤznými typy drsností. Tato práce dále navazuje na práci McIntire. McIntire neprovádí systematický experiment ke zhodnocení dĤsledkĤ jeho aperiodicit, zejména jejich podoby. Tyto aperiodicity pojmenovává jako hluk, šum (noise). Podobou tČchto aperiodicit se již okrajovČ zabýval ŠtČpánek a Otþenášek (1999), který podle výsledkĤ spektrální analýzy spíše naznaþil možnou podobu šustivosti jako výsledek aperiodicit typu hroty. Záznam kmitání struny Záznam kmitu struny lze vyjádĜit jako þasový prĤbČh polohy pomyslného hmotného bodu na strunČ (McIntire, Woodhouse 1979) a mĤžeme jím vyjádĜit prĤbČh kmitu této struny. Tento þasový prĤbČh lze vynést pro libovolné místo na strunČ. Vlivem periodického prĤbČhu Hemholtzova rohu má tento prĤbČh v blízkosti smyþce podobu témČĜ rovných zubĤ, které vyjadĜují podstatu pohybu trhavého skluzu. McIntire (McIntire et al. 1981) svá mČĜení provádČl piezoelektrickým pĜevadČþem (piezoelectric transducer). Tato práce vypracovává metodu mČĜení tČchto prĤbČhĤ bezkontaktnČ (bez ovlivnČní) pomocí vysokorychlostní kamery a software pro sledování pohybu obrazových bodĤ.. Vzhledem k vysoké poĜizovací cenČ je vysokorychlostní kamera Vision Research V611 v ýeské republice ojedinČlý nástroj. Její použití k mČĜení a analýze kmitĤ oscilátorĤ a rezonátorĤ hudebních nástrojĤ je nové. Pokud je mi známo, je tato práce první, ve které bude kamera využívá k mČĜení kmitání struny. V oblasti kmitání zdroje zvuku existují zejména studie záznamĤ kmitání hlasivek (Wittenberg et al. 1995). Používané vysokorychlostní kamery ale zpravidla neumožĖují tak vysoké snímkovací frekvence frekvenci vyþítání snímkĤ, zatímco V611 dovoluje snímkovat strunu i frekvenci 60 kHz. Není mi známo, že by nČkdo použil v tomto kontextu vysokorychlostní kameru podobných parametrĤ. S vyšší rychlostí však také roste obtížnost mČĜení. Se stoupající rychlostí se také zkracují expoziþní þasy a tím stoupají nároky na osvČtlení, které napĜíklad i zahĜívá mČĜený pĜedmČt a zpĤsobuje odlesky. OsvČtlení musí být stejnosmČrné a výbojka musí mít stálé svČtlo (V611 je v této práci použita s 1kW reflektorem s vysokofrekvenþním napájením s frekvencí 75 kHz). K mČĜení dČjĤ na strunČ, zejména menších pĜíþných kmitĤ a aperiodických kmitĤ jsou takto rychlé frekvence snímkování nutné (McIntire 1981), PĜedkládaný záznamu kmitu struny houslí vysokorychlostní kamerou je zĜejmČ prvním pokusem o podobný záznam.
18
Párové srovnávání Tato metoda náleží k teoreticky i technicky nejpropracovanČjším a nejpĜesnČjším psychometrickým metodám (Melka 2005) V párovém srovnávání pokusná osoba srovnává každý z celkem n hodnocených podnČtĤ se všemi zbývajícími n – 1 podnČty a jeden z obou právČ srovnávaných podnČtĤ oznaþí jako dominantní v urþitém pĜedem definovaném smyslu (souþástí testu bylo rovnČž sbírání hodnoty preference, které však v této práci není využito) nebo posoudí jejich rozdíl na posuzovací škále (zde posouzení nepodobnosti). Rozdíl podnČtĤ nikdy nebyl tak malý, aby jej pokusná osoba nedokázala postĜehnout nebo se nedokázala rozhodnout. Nevyvstala tak potĜeba povolit neutrální odpovČć. PoĜadí podnČtĤ v páru mĤže ovlivnit posouzení. Tento vliv byl snížen experimentálním plánem s volným pĜehráváním podnČtĤ posluchaþi (Baker et al. 2004) a Rossovým algoritmem pĜedkládání podnČtĤ. Hodnocení v párech od jedné osoby se ukládaly do þtvercové matice (nepodobnostní a preferenþní), Ĝádu n. Seþtením m individuálních matic vznikla skupinová (od m rĤzných osob). Výsledky párového srovnávání mohou být zkresleny únavou pokusných osob, nezacviþením pokusných osob nebo Fechnerovou chybou místa a þasu, blíže viz (BĜicháþek 1978). Tyto chyby nelze zcela odstranit, ale lze je omezit, napĜ.: pĜestávkami, zacviþením osob a rozvržením vzájemných þasových a prostorových poloh podnČtĤ v párech. Takovým vhodným rozvržením je napĜ. náhodné uspoĜádání polohy podnČtĤ v párech a zároveĖ i náhodné uspoĜádání þasového sledu párĤ podnČtĤ. V této práci byl zvolen vhodnČjší plán optimálního uspoĜádání podnČtĤ navržený R. T. Rossem (1939) ve kterém je urþitý podnČt v þasovém harmonogramu prezentován vždy s nejvČtším možným odstupem od svého pĜedchozího výskytu (odstup minimálnČ 0,5(n – 3) párĤ) a pravidelnČ se stĜídá na první a druhé pozici v páru. Výchozí poĜadí podnČtĤ použité pro Rossovo uspoĜádání jednotlivým osobám nebo pro opakování je pak již mČnČno náhodnČ. Metoda párového srovnávání je velmi citlivá pĜi výzkumech rozpoznávání šíĜe možných rozdílĤ. V párovém srovnávání je každý zvuk srovnán s obrazem zvuku v krátkodobé sluchové pamČti. Dlouhodobá sluchová pamČĢ, ve které je zvuk ukládán na základČ kódování ve vzorcích, zkresluje posuzování celkového charakteru zvuku (zvýrazĖuje jen nČkteré charakteristiky témbru, jelikož dlouhodobé zakódování pĜedstavuje další úroveĖ reprezentace tohoto zvuku).
3. Empirická þást Formulace výzkumného problému Dle prací Tsai (Tsai 2004; Tsai 2003b; Tsai 2006) a Jensen (2004) a jiných pĜedpokladĤ uvedených v teoretické sekci této práce lze pĜedpokládat, že projevem nepravidelností kmitu struny, které McIntire (1981) popisuje, ale v poslechových testech je oznaþuje neurþitým názvem šum þi hluk, bude zejména vytvoĜení vjemu drsností tónu houslí. Tato drsnost bude v souladu se závČry Jensen (2004), Tsai (2004) þi ŠtČpánek (2004) nabývat rĤzných podob a to v závislosti na faktorech: míra stínové subharmonické, šumové složky hrotĤ, frekvenþní a amplitudové modulace, promČnnost prominence subharmonické složky, ostrost þi temnost tónu). V souladu s pracemi McIntire (1979) lze pĜedpokládat, že tyto faktory budou mít dostateþnou variabilitu pĜi zmČnách vedení smyþce (Schoonderwaldt a Demoucron 2009) a vjemy zpĤsobené tČmito faktory se budou lišit v urþitých vnímaných charakteristikách. Drsnost na houslích bude mít více percepþních podob. Dle práce McAdams (1999) lze také pĜedpokládat, že se podoba a vnímání drsnosti bude zároveĖ lišit i u rĤzných posluchaþských skupin. Lze se také domnívat, že je možné zmČny v þasovém prĤbČhu kmitání struny charakterizovat hodnotou prvního maxima autokorelaþní funkce (metoda navržená Fujii, Atagi a Ando (2001)).
19
Obecná a specifická výzkumná otázka V této þásti jsou uvedeny metody, které v této práci budou využity. Z hlediska úspČšného Ĝešení výzkumného problému bylo nutné vytvoĜit také hypotézy, na základČ kterých bude rozhodnuto o dalším postupu. Práce má zejména charakter prvotního výzkumu dané problematiky. Rozhodnutí o dalším postupu: Práce vychází z obecné výzkumné otázky: Existuje více podob drsnosti v souladu s psychologickými poznatky o subjektivním vnímání drsného zvuku ? Téma bylo zúženo na vnímání drsnosti zvuku pĜi poslechu tónu houslí a experiment se omezuje na ty druhy drsnosti tónu, které nastávají pĜi promČnných faktorech buzení struny houslí vþetnČ nepravidelnosti kmitání. Je možné v poslechovém testu identifikovat základní podoby dimenzionality vnímané drsnosti zvuku houslí v souvislosti s charakterem zmČny zvuku zpĤsobeným zmČnou pĜítlaku a polohy smyþce na strunČ? PĜedstavení hypotéz a jejich návaznosti na teorii: 1) PĜed zpracováním dat jednotlivých respondentĤ je tĜeba ovČĜit, zda je možné na výbČrový soubor respondentĤ poslechových testĤ nahlížet jako na jednu þi více skupin (viz hypotéza subjektĤ). 2) Dále je tĜeba na základČ objektivních kriterií porovnávat jednotlivá Ĝešení percepþních prostorĤ mapujících možnou vícerozmČrnost vnímání drsnosti, vþetnČ jejich smysluplné interpretace (viz hypotéza vícerozmČrnosti). 3) Zpracovaná subjektivní data poslechových testĤ a z nich získané výsledky je tĜeba dát do souvislosti s objektivními vlastnostmi zvukových podnČtĤ (viz hypotéza pĜíþinnosti) Hypotéza 1.: Hypotéza odlišnosti subjektĤ (dále jen hypotéza odlišnosti): všichni respondenti mají stejný sluch, shodný model pro posouzení testovaných vlastností zvuku a že shodnČ využívají škály (je pĜedpokládána jednotnost percepþního stylu v souvislosti s pĜípadnou unidimenzionalitou þi vícerozmČrností drsnosti). Ho subjekty patĜí do stejné poslechové tĜídy (respondenti se shodují) H1 respondenti se neshodují Hypotéza 2.: Hypotéza vícerozmČrnosti drsnosti (dále jen hypotéza vícerozmČrnosti): drsnosti je více druhĤ, takže percepþní prostory vnímání rĤznČ drsných zvukĤ budou vícerozmČrné. Ho drsností je více druhĤ H1 drsnost je jedna (je jednodimenzionální) Hypotéza 3.: Hypotéza fyzikální pĜíþinnosti drsnosti (dále jen hypotéza pĜíþinnosti): hodnota prvního maxima autokorelaþní funkce (Fujii, Atagi, Ando 2001), bude korelovat s mírou vnímané drsnosti (aperiodicity v pohybu struny jsou pĜíþinou vnímané drsnosti) Ho obČ promČnné korelují tak, že lze hodnotu z autokorelaþní funkce použít k predikci drsnosti H1 obČ promČnné spolu nekorelují, hodnotu z autokorelaþní funkce nejde použít k predikci drsnosti
20
PrĤbČh experimentu Techniky sbČru dat Poslechovým experimentĤm pĜedcházely zvukové záznamy podnČtĤ doplnČné video dokumentací pohybĤ struny. Sada nahrávek zvuku byla provedena umČlou hlavou Neumann KU100 v akusticky zatlumené místnosti laboratoĜe experimentální akustiky HAMU mající vyrovnanou dobou dozvuku 0,4 s dle normy ýSN 73 0526, nahrávky zvuku byly synchronnČ spouštČny se záznamy vysokorychlostní kamerou (Vision Research V611) pĜi krátkodobém vypnutí ventilátorĤ kamery i zdroje svČtla, hrány byly tóny prázdné struny G továrních houslí (Strunal) se základní sadou strun (Thomastik Dominant), byly nahrány pĜi hĜe bez akcentu (detache), bez vibrata (senza vibrato), smyþcem od špiþky (arcata in su), ve tĜech polohách vĤþi kobylce (sul tallone, modo orinario, sul ponticello) a tĜemi typy pĜítlaku (p, mf, ff), vždy se 3 opakováními). Pro poslechové testy bylo v pĜedtestech se tĜemi houslovými experty vybráno 10 zvukĤ z pĤvodnČ 27 záznamĤ. Po výbČru pokrývaly zvuky celý pĤvodní rozsah rozdílnČ drsných tónĤ bez opakování stejných vlastností. Z tČchto 10 zvukĤ byl pak ještČ vypuštČn zvuk 7 (jeho znČní kolísalo, takže by byl mezi ostatními zĜetelnČ identifikovatelný) a RossĤv algoritmus tak mohl být výhodnČji aplikován na lichý poþet stimulĤ. Vzdálenost zdroj - umČlá hlava byla 2 metry, aby byl záznam proveden ve vzdáleném (ustáleném) zvukové poli houslí. Koneþná konfigurace i plán experimentu se v prĤbČhu realizace experimentu nemČnil. Teplota nástroje byla držena odklonČním lampy v dobČ mimo záznam na 22˚C. Pro archivaci zvuku byl použit stereofonní záznam normalizovaný na stejnou hlasitost (formát pcm wav, stereo, 32 bit, 96000Hz, kalibrováno na 0 dBSPL). Tento záznam byl ve tĜetím kanálu synchronizován s kamerou pomocí elektronického þasovaþe, vydávajícího kameĜe znamení k zahájení záznamu. NáslednČ v software Cooledit (Syntrilium) byl poþátek upraven tak, aby zvuková stopa zaþínala se sekvenci snímkĤ vysokorychlostní kamery. Všechny audio záznamy byly zkrácen na stejnou délku 0,5s. Z dĤvodu, aby nebyla drsnost ovlivnČna smČrovými vlastnostmi houslí a prostoru, byl stereofonní záznam pĜeveden na monofonií. V poþáteþním a koncovém 50ms úseku byl vytvoĜen pozvolný nástupu tónu lineárním zesílením a ztlumením funkcí fade-in a fade-out. Záznam byl reprodukován sluchátky (Melka 2005). PĜenosová funkce sluchátek SENHEISER (HD 580 Precision) odpovídala pĜenosové funkci umČlé hlavy, aby byla zachována vČrná reprezentace nahraného signálu. Záznam kamerou (viz Obr. 1) byl proveden v úhlu kolmém na osu podélného pohybu smyþce. KvĤli omezené citlivosti rozpoznávacího software na principu hledání nejlepší korelace souþtu kontrastních bodĤ s hodnotami souþtu kontrastních bodĤ na následujícím snímku ve vymezené oblasti, byla struna oznaþena bílými body po své délce.
21
Obr. 1 Fotodokumentace snímání pohybu struny vysokorychlostní kamerou V rámci této práce byl vyhledán, ozkoušen a použit open source software Tracker k analýze a modelování pohybĤ video záznamu (Tracker) k rozpoznání polohy kontrastního místa na strunČ a kobylce vĤþi pevnému systému souĜadnic v celé sekvenci snímkĤ. V tomto software lze mČĜit i více pohybĤ pro jeden záznam, bylo ovČĜeno mČĜení rychlosti smyþce snímáním papírového mČĜítka pĜilepeného na smyþec. V jiných oborech používané pĜístupy k rozpoznávání pohybu (napĜíklad software digital image corelation) nebylo možné v souvislosti s kmitáním struny použít, protože tento software není vhodný na rozpoznání tenké, pohybující se struny na stabilním pozadí, ani na rychlé zmČny pohybu þase. Software Tracker (Tracker), viz Obr. 2, hledá na následujícím snímku metodou souþtu þtvercĤ oblast, která nejlépe odpovídá hodnotám jasu obrazových pixelĤ uživatelem zakroužkované pĜedlohy na prvním nebo pĜedchozím snímku. Do této oblasti kroužek pĜemístí a zaznamená jeho nové souĜadnice do þasového prĤbČhu sledovaní polohy zakroužkované oblasti. Oblast umístí s pĜesností zlomku pixelu. Postup sledování byl odzkoušen na 9-ti videosekvencích a bylo vytvoĜeno celkem 36 þasových prĤbČhĤ, vždy pro dva úseky každého záznamu (rozmezí 0 - 6000 snímkĤ) na kobylce a strunČ. Tato data jsou pĜipravena pro další zpracování.
22
Obr. 2 Zpracování záznamu struny v software Tracker Poslechové testy Práce zkoumá míru drsnosti zvukĤ jako vyjádĜení posluchaþĤ pĜi srovnání dvou zvukĤ, lišících se zejména v drsnosti, metodou posouzení nepodobnosti na nepodobnostní posuzovací škále v rámci párového srovnávání a metodou seĜazování podnČtĤ do poĜadí. Nepodobnostní matice byly získány metodou párového srovnávání. Tato metoda umožĖuje zjistit rozdíly dvou podnČtĤ s velkou pĜesností a využitím krátkodobé pamČti a vylouþením nČkterých zkreslení, zejména nČkterých zkreslení zpĤsobených kontextem. Tato metoda je nejpĜesnČjší metodou srovnání (Melka 2005) ale umožnuje srovnat jen malé poþty zvukových záznamĤ. Ve testu seĜazování podnČtĤ do poĜadí respondent zadával míru vlastnosti (drsnost) seĜazením tlaþítek pĜehrávajících zvuk na vodorovné grafické škále zleva doprava a následným upĜesnČním þíslem v rozsahu škály: 0 (žádná) – 100 (maximální). Design poslechového testu Testy byly pĜipraveny v programu LiTEd (Listening Test Editor (LiTEd, viz obrazovky Obr. 3). VytvoĜené poslechové testy zde pak byly také administrovány posluchaþĤm. Poslechový test tvoĜí na sebe navazující sekce (pĜihlašovací obrazovka, zácviková obrazovka s plnohodnotným testem a vysvČtlivkami a samotný preferenþní a nepodobnostní test s inkorporací Rossova algoritmu). Po ukonþení této sekce následoval rozĜazovací test podle míry vnímané drsnosti na grafické škále a test s obrazovkou sloužící k pĜiĜazení míry vnímané drsnosti. Tento postup se ukázal jako nejlepší z hlediska zácviku pokusné osoby a schopnosti se soustĜedit. Obrazovky testu vyplĖovaly celou obrazovku poþítaþe a posluchaþ spouštČl další krok testu vždy tlaþítkem další.
23
Obr. 3 Snímky obrazovek v poslechovém testu. SeĜazovací test: 1. obrazovka (nahoĜe) SeĜazovací test: 2. obrazovka (uprostĜed), Párový test (dole) Provedení poslechových testĤ V tomto projektu se párový test sestával ze 4 þástí: 1) UtváĜení profilu posluchaþe (charakteristiky subjektu). V profilu posluchaþe byly sbírány údaje: datum narození, zkušenost s poslechovými testy, hudební zkušenost (vzdČlání, aktivní
24
provozování hudby, aktivní poslech). Posluchaþ byl seznámen s problematikou výzkumu. 2) Zácvikové kolo testu: posluchaþ byl seznámen s praktickým ovládáním grafického prostĜedí testu, bylo po nČm vyžadováno plné ovládnutí tabulky verbálních deskriptorĤ barvy zvuku hudebních nástrojĤ a byly mu pĜehrána kombinace náhodných podnČtĤ, na kterých se posluchaþ snažil zacviþit a zdokonalit svou konzistenci v identifikaci rozdlílĤ. Posuzované vlastnosti byly jasnČ a jednoznaþnČ definovány (Melka 2005, s. 165) 3) Samotný test párového srovnávání sestávajících s porovnání 36 párĤ zvukĤ, urþení míry jejich preference metodou nucené volby, urþení nepodobnosti podnČtĤ na grafické nepodobnostní škále doplnČné numerickými hodnotami s pomocným slovním upĜesnČním. Jejich rozsah vycházel z metodik použitých pro párové srovnávání ŠtČpánkem a Otþenášekem. 0 (žádná odlišnost) až 5 (extrémní odlišnost). Tato stupnice se osvČdþila pĜi pĜedchozím posuzování zvukĤ a doporuþuje jí také Melka (2005). Slova u škály pomáhají posluchaþĤm pĜi orientaci a ukotvují hodnocení posluchaþĤ (omezení chyby centrální tendence). Odpovídaly slovĤm, která doporuþuje pro posouzení intenzity Rohrmann (2003) a Kurtz, White a Hayes (2000). Hodnoty na škále vyjadĜují míru percepþní, nikoliv psychofyzikální veliþiny. Data z poslechových testĤ byla zpracována nemetrickými metodami. U každé dvojice zvukĤ respondent popsal slovnČ vnímané rozdíly mezi zvuky. Popisy zapisoval k prvními nebo druhému zvuku, podle toho, kde je vnímal. Zápisy provádČl do polí pro verbální deskriptory. Spontání slovní popisy mohl upĜesĖovat nahlížením do seznamu 60 slov vhodných k popisu hudebního zvuku pĜevzatého z (ŠtČpánek, Moravec 2005). Seznam viz Obr. 4. 4) Rozhovor nad výsledky slovních deskriptorĤ barvy zvuku, který vedl administrátor testu a upĜesĖoval zejména synonymní významy respondentem použitých slovních popisĤ.
Obr. 4 Snímek tabulky s popisnými atributy pĜevzatá z (ŠtČpánek, Moravec 2005)
25
Poslechové testy byly uskuteþnČny s 20 posluchaþi (2 hodnotitelé neprovedli seĜazovací testy). Skupina expertĤ byla souþástí stále poslechové skupiny HAMU, skupinu laikĤ tvoĜili dobrovolníci z Ĝad studentĤ Karlovy univerzity. Test trval 60 – 70 minut ve výjimeþných pĜípadech i déle. Test byl pomČrnČ dlouhý a nároþný, posluchaþi byli vedeni k pĜestávce v jeho prĤbČhu. Poslechové testy probČhly v oddČlené, akusticky pĜíjemné místnosti, izolované od rušivých vlivĤ (v psychoakustické laboratoĜi, poslechové místnosti zvukového studia HAMU a v místnosti knihovny spoleþenských vČd T.G. Masaryka v prostoru Jinonického areálu Fakulty humanitních studií). Asistent se v prĤbČhu testu zdržel nevhodné interakce s pokusnou osobou (Melka, 2005). Posluchaþi byli dotázáni na nepohodí a v prĤbČhu poslechových testĤ nebyly nahlášeny komplikace napĜ. s tČsnými sluchátky. Výsledky testu byly exportovány a tvoĜily tabulka poĜadí zvukĤ drsnosti a nepĜíjemnosti, preferenþní matici, matice nepodobností, matice slovních popisĤ nejvýraznČjší rozdílné vlastnosti a matice dalších slovních popisĤ rozdílností. Možná zkreslení v mČĜení: byla dodržena stálost prostĜedí i experimentátora (efekt zrání a pĜirozeného vývoje pokusných osob (Melka 2005)), ĜádnČ vysvČtleny pojmy, a protože nebylo možné délku testu zkrátit, byly subjektĤm povoleny a doporuþeny krátké pĜestávky (omezení efektu mČĜení). Posuzovatelé byli zacviþeni v zahĜívacím kole poslechového testu, jehož výsledky nebyly napojeny na databázi (Halo efekt), pozornost byla vČnována využití škály (chyba centrální tendence(Melka 2005), chyba kontrastu byla adresována snahou o heterogenitu skupiny a dostateþným poþtem posuzovatelĤ. PodnČty byly uspoĜádány a pĜehrány pomocí Rossova plánu pro uspoĜádání podnČtĤ (Ross 1939), þímž byla omezena chyba blízké asociace a Fechnerova chyba polohy a þasu. Pro chybu posuzovacího stylu a logickou chybu (BĜícháþek 1978) byl soubor testován testem mezisubjektové reliabilty a v rámci pĜedvýzkumu probČhl retest.
Analytické postupy Multidimenzionální škálování (MDS) Ke analýze dat je použita metoda multidimenzionálního škálování. Multidimenzionální škálování je metoda, kterou lze zobrazit vzdálenosti mezi urþitými objekty (napĜ. zvukovými stimuly) jako polohy bodĤ v prostoru vyjádĜené vzájemnou nepodobnosti. Prostor má tolik dimenzí, kolik je nutné k pĜesnému pĜevodu nepodobností mezi objekty na vzdálenosti bodĤ (Groenen, Velden 2004). MDS je vytvoĜena z údajĤ o míĜe nepodobnosti mezi objekty (nepodobnosti mezi zvukovými podnČty jsou pĜevedeny na euklidovské vzdálenosti). Touto metodou lze sestavit geometrickou mapu vzájemných vazeb jednotlivých zvukĤ formou poloh bodĤ v urþitém prostoru s n-dimenzemi (tj. se systémem n souĜadných os). V pĜípadČ vazeb získaných na základČ vnímání lze takovýto prostor nazvat percepcǿním prostorem. Vhodnou dimenzionalitu prostoru pro daný soubor objektĤ lze zvolit po posouzení stresového faktoru. Stresový faktor (stres, napĜ. D-hat) ukazuje, míru, kterou pĜi dané dimenzionalitČ nemohly být správnČ dodrženy zadané vzdálenosti mezi objekty (vyšší faktor znamená horší dodržení). PĜíþinou vyššího stresu mĤže být jak vyšší dimenzionalita Ĝešeného prostoru, než byla zvolena, tak chyby v urþení zadávaných vzdáleností. Transformace vzdáleností probíhá metodou optimálního pĜevodu (optimal scaling). Pokud jsou do MDS prostoru pĜevedena data se 26
shodnými nepodobnostmi v trojrozmČrném Ĝešení, rozmístČní objektĤ utvoĜí povrch sféry. Tuto situaci lze považovat za nulový model (Groenen, Velden 2004). Situaci nulového modelu je možné odhalit na SheppardovČ diagramu, který by mČl podobu vodorovné pĜímky. Výsledný MDS prostor mĤže být interpretován systematickou metodou interpretace (Melka 2005). Jednou ze systematických metod interpretace je metoda externí interpretace, založená na externích datech, získaných nezávisle na hodnotách nepodobnosti (metoda napĜ. vnoĜení externí promČnné pomocí regresní pĜímky metodou vícenásobné regrese (multiple regression)). Regresní analýza Metoda vícenásobné regrese je statistická metoda, která v n-dimenzionálním prostoru hledá pĜímku (její koeficienty vzhledem k dimenzím), která by nejlépe vystihla hodnoty nČjaké závislé promČnné na základČ hodnot n nezávislých promČnných. Mírou vhodnosti dané vypoþtené regresní rovnice pro vystižení variability závislé promČnné je koeficient determinace R2. Statisticky nízká hodnota indikuje nevhodnost vypoþtené regresní pĜímky k proložení danou množinou bodĤ v n-dimenzionálním prostoru. V pĜípadČ, že je regresní analýza použita k externí interpretaci MDS prostoru, tak nízká hodnota R2 mĤže nastat napĜ. pokud by soudy posluchaþĤ mČly velký rozptyl. Podmínkou použití regresní analýzy je nezávislost nezávislých promČnných. PĜi použití s MDS prostorem je tato nezávislost dána systémem proložení vypoþtené MDS konfigurace poloh objektĤ systémem ortogonálních hlavních os. Faktorová analýza Faktorová analýza spojuje jednotlivé datové promČnné na základČ míry jejich vzájemné závislosti do nových promČnných (faktorĤ) tak, aby se zredukoval poþet pĤvodních promČnných a pĤvodní variabilita všech dat byla co nejvíce zachována. ýíslování faktorĤ je seĜazeno podle toho, jak velký díl celkové variability dat jednotlivé faktory vyþerpávají. V této práci je faktorová analýza použita na odhalení nepodobnosti ve skupinČ posluchaþĤ poslechového testu. Pro faktorovou analýzu byla použita metoda analýzy hlavních komponent (PCA). Shluková analýza Shluková analýza je statistická metoda, která na základČ zvolených pravidel organizuje n promČnných do shlukĤ na základČ podobnosti (nepodobnosti) daných hodnot (leze shlukovat i pĜípady - case, zde nebude využito). Výsledkem je buć urþitý menší poþet shlukĤ (K-means) nebo stromová struktura (Tree), ve které jsou shluky sestavovány postupnČ od jednotlivých promČnných, n-tic promČnných až po dvČ skupiny sdružující všechny pĜedchozí shluky mající mezi sebou nejmenší možnou podobnost. Shlukování nastává dle míry “pĜíbuznosti“ (propojení linkage). ZpĤsobĤ, jak stanovit míru pĜíbuznosti je více. Jejich volba ovlivĖuje, které promČnné budou do kterého shluku zaĜazeny, pĜípadnČ, na které úrovni vČtvení stromové struktury budou promČnné nebo již jejich shluky spojovány. Zde byly použity nejvČtší možné vzdálenosti a nemenší poþet shlukĤ jako pomocná analýza pro rozdČlení respondentĤ testĤ do skupin s podobným hodnotícím modelem.
27
4. Zpracování výsledkĤ Deskriptivní statistika individuálních dat Jako Ho subjektĤ byla stanovena hypotéza, že všichni respondenti mají stejný sluch, shodný model pro posouzení testovaných vlastností a že shodnČ využívají škály. Pro posouzení této hypotézy byly použity krabicové grafy využití škál jednotlivými respondenty (využití nebylo shodné, viz Obr. 5). Využití škály drsnosti (9 zvukĤ, 18 respondentĤ)
Využití škály nepodobnosti (36 párĤ, 20 respondentĤ)
120
100
4
80
3
60
2
40
1
20
20
19
18
17
16
15
14
13
12
11
9
10
8
7
6
5
4
3
-1
2
0
Median 25%-75% Min-Max -20 Respondent þ.:
1
0
1
2
3
4
5
6
7
8
9
Median 25%-75% Min-Max
10 11 12 13 14 15 16 17 18
Obr. 5 Využití škál respondenty a) párový test (vlevo) b) seĜazovací test (vpravo) Dále byla data jednotlivých posluchaþĤ porovnána Spearmanovými korelacemi (viz Tab. 1) a faktorovou analýzou (viz Obr. 6). Hodnotami korelací se vydČloval posluchaþ 11 (p < 0.01) a byl si blíže s posluchaþi 6, 8, 10, 13, 14, 15 (na Ĝádku 11 þervenČ). Ve faktorovém prostoru bychom jej mohli spíše zaĜadit do modĜe oznaþené skupiny. SeĜazovacího testu se nezúþastnili posluchaþi 11 a 20. Na hladinČ p = 0.1 se ve všech pĜípadech vydČloval pouze posluchaþ 11. Hypotéza Ho byla na hladinČ p = 0.01 zamítnuta (na hladinČ p = 0.1 po vylouþení posluchaþe 11 je ji však možné pĜijmout). 13
Zobrazené vlastních þísel
12 11
Faktorová analýza nepodobnostních dat
10 9
Principal components (párový test 36 zvukĤ, 20 respondentĤ)
7
Discriminant korel. matice -9.4147 Poþet faktorĤ: 3 Vlastní þísla: 11.7212 1.19325 1.09875
Hodnoty
8
2 20
7 6 5 4
12 6
1
3
9
19
2 1
8
0
10 17318
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Poþet vlastních þísel (eigenvalues)
0.4
16 4
0.3
13
13
3
0.2
15
5
12 1
0.1
11
4
9
2
Faktorov á analýza škálov ání drsnosti Principal components (škálování drsnosti, 9 zvukĤ, 18 resp.)
0.0
14
14
15 17
Faktor 2
5
Hodnoty škály
6
1611
-0.1
18 -0.2
8 6
-0.3 -0.4
7
Faktor 1
-0.5 -1.00
-0.98
-0.96
-0.94
-0.92
Obr. 6 Respondenti ve faktorovém prostoru (sycení faktorĤ - factor loadings)
28
5
-0.90
-0.88
-0.86
10 -0.84
-0.82
Tab. 1 Hodnoty korelací odpovČdí respondentĤ a) seĜazovací test (vlevo) b) párový test (vpravo) (stejná þíselná oznaþení respondentĤ zde nepĜedstavují tytéž subjekty)
29
Data z nepodobnostních matic byla testována také pomocí Cronbachova alfa. Vylouþení kteréhokoli respondenta by znamenalo snížení celkové hodnoty, takže by nebylo pĜínosem. Toto kriterium poukazuje na to, že je možné soudy všech posluchaþĤ slouþit do jedné promČnné Na základČ shlukové analýzy metodou K-prĤmČru zpĤsobem seĜazení vzdáleností s konstantním intervalem byli respondenti seskupeni do 2 skupin (cluster), jak je uvedeno v Tab. 2.: Tab þ. 2: Seskupení respondentĤ 1 1 Respondent þ.: CLUSTER
2 2 1 2
3 3 2 2
4 4 3 2
5 5 4 2
6 6 5 1
7 7 6 1
8 8 7 2
9 9 8 1
10 10 9 1
10 1
11 11 11 1
12 12 12 2
13 13
14 14
13 2
14 2
15 15
16 16
15 2
16 2
17 17
18 18
17 2
18 2
19 19
20 20
19 2
20 1
Graf hodnot pro jednotlivé dvojice zvukĤ (1 až 36) z párového testu získaných zprĤmČrováním hodnot respondentĤ patĜících do stejné skupiny (cluster 1, cluster 2) je na Obr. 7 vlevo.
5
13 12 11
Linkage Distance
6
nepodobnost
Identické seskupení poskytla i shluková analýza metodou stromového shlukování (Tree Clustering) zpĤsobem kompletního propojení s euklidovskými vzdálenostmi mezi skupinami, viz Obr. 3 vpravo. Complete Linkage (euclidean distances)
10
4
9
3
8 7
2 6
1
5
Cluster 1 Cluster 2
4
Respondent þ.
n-tý pár 3
0 1 2 3 4 5 6 7 8 9 101 2 3 4 5 6 7 8 9 201 2 3 4 5 6 7 8 9 30 1 2 3 4 5 6
11 8
9 20 10 12 6 16
5 17 18
7
3 15 14 13 19
4
2
Obr. 7 ZprĤmČrované hodnoty nepodobností pro obČ skupiny respondentĤ (vlevo), stromová struktura propojení respondentĤ do shlukĤ metodou Tree Clustering (vpravo) PĜi interpretaci neshody posouzení byly uvedené rozdíly vysvČtleny pomocí údajĤ, které byly získány v dotazníku, který respondenti vyplĖovali pĜi pĜihlášení se do testu. Respondenti ze skupiny 2 mČli oba údaje charakterizujících hudební a posluchaþskou zkušenost na hodnotČ ano, což se zĜejmČ projevilo rozdílným modelem hodnocení i využití škál u této skupiny. Proto byla celá skupina posluchaþĤ (všichni) ještČ rozdČlena na 2 soubory (laici v Obr. 6 a 7 modĜe a experti zbytek). Další zpracování dat pak bylo provádČno s hodnotami získanými zprĤmČrováním v rámci tČchto tĜi skupin. Posouzení reliability Výsledky seĜazovacího testu byly posouzeny na shodu hodnotitelĤ introtĜídním koeficientem korelace ICC (použit byl ICC typ 3.1). Pro soubor respondentĤ seĜazování podnČtĤ byla shoda
30
1
hodnocení statisticky významná a koeficient shody average measures ICC byl 0.98. Podobné výsledky shody pro soubor mČl split-half test Cronbachova alfa. Vysoký koeficient ukazuje na vysokou míru shody posluchaþĤ v oblasti jednotlivých poĜadí. ICC byl pro skupinu expertĤ vČtší než stanovená hladina významnosti a korelaþní koeficient pĜesáhl þíslo 0.95 pro skupinu laikĤ (pĜípadná neshoda v míĜe by nebyla pro utvoĜení prĤmČrných hodnot podstatná). Percepþní MDS prostory Jako Ho vícerozmČrnosti byla stanovena hypotéza, že drsnosti je více druhĤ, takže percepþní prostory vnímání rĤznČ drsných zvukĤ budou vícerozmČrné. Pro posouzení této hypotézy byly nepodobnostní matice všech skupin (všichni, experti, laici) analyzovány MDS nemetrickou metodou CLASCAL (blíže napĜ. Groenen, Velden (2004)). K posouzení kvality MDS Ĝešení byly na ShepardovČ diagramu Groenen a Velden (2004, str. 7) porovnávány vzdálenosti mezi objekty v Ĝešení MDS (Distance D-hat v grafech na Obr. 8) s pĤvodními hodnotami nepodobností (Data na Obr. 8). Shepard Diagram 4D Distances and D-Hats vs. Data
Shepard Diagram 3D Distances and D-Hats vs. Data
2.2
2.8 2.6
2.0
2.4 2.2 2.0 Distances/D-Hats
1.6 1.4 1.2 1.0
1.8 1.6 1.4 1.2 1.0 0.8
0.8 0.6 0.4
0.6
0.2
0.4 1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
0.0 1.0
5.0
Data
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
Data
Shepard Diagram 2D Distances and
D-Hats v s. Data
3.2 9, 3 5, 3
3.0 2.8
4, 3
2.6
8, 3
2.4 Distances/D-Hats
Distances/D-Hats
1.8
7, 5 9, 7
2.2 2.0 7, 4 6, 3
1.8 1.6
8, 7
1.4
Obr. 8 Posouzení shodných nepodob- 1.2 1.0 ností v ShepardovČ diagramu (ve spodním grafu je i þíselné oznaþení0.8 0.6 dvojic zvukĤ odpovídající dané vzdá- 0.4 lenosti) 0.2 1.0
8, 6
9, 6 8, 5
6, 4
5, 2 9, 8 9, 9, 5 4
8, 1 9, 1 4, 1
2,4,1 2 8, 4
1.5
2.0
2.5
3.0
3.5
4.0
4.5
Data
Všechna uvedená MDS Ĝešení vyhovují, jelikož shodné nepodobnosti nastávají pouze omezenČ. Ve 2D diagramu (dole na Obr.8) je však již mírnČ narušena vzestupná tendence vypoþtených vzdáleností (napĜ. pár 7-4 má v MDS prostoru vČtší vzdálenost než páry 6-7 a 6-3, ale v pĤvodních datech byly ve vzestupném poĜadí 6-7, 6-3, 7-4). Na základČ Shepardova diagramu je 4D Ĝešení nejlepší a 2D Ĝešení nejhorší.
31
5.0
K dalšímu upĜesnČní poþtu dimenzí potĜebného k co nelepšímu vystižení nepodobnostních dat z párového poslechového testu byly hodnoty D-hat stresu vyneseny v grafu (Scree plot viz Obr. 9). Zlomový nárĤst stresu pro skupinu experti nastává pĜi snížení dimenzionality ze 4 na 3, pĜi 2D Ĝešení již má hodnotu vČtší než pro 2D Ĝešení skupiny laici (tzn. jejich 3D a zejména 2D Ĝešení nedovoluje úspČšné zachování nepodobnosti z testu). Stres pro skupinu laici roste s ubývající dimenzionalitou bez zásadního zlomu. Stres v pĜípadČ postupného snižování dimenzionality MDS prostoru pro data vzniklá zprĤmČrováním nepodobnostních matic všech respondentĤ (skupina všichni) je pro 5D a 4D Ĝešení zcela srovnatelný se skupinou experti a pak roste ménČ strmČ; 5D, 4D, 3D i 2D stres skupiny všichni je vždy nižší než skupiny laici. Z uvedeného vyplývá, že pĜi stanovení míry nepodobnosti nemČly skupiny laici a experti stejný model posuzování. ZprĤmČrování všech dat ve skupinČ všichni 4D Ĝešení nezhoršilo, ale 2D Ĝešení se stalo vlivem posouzení skupiny laici ménČ nevhodné než u skupiny experti. 0.060
Scree plot MDS 0.055 0.050 0.045 0.040 0.035 0.030 0.025 0.020 0.015 D hat experti všichni laici
0.010 0.005 0.000 5
4
3
2
Pocet Dim
Obr. 9 Hodnoty D-hat stresu 2 až 5-ti dimenionálních MDS prostorĤ z dat skupin experti, všichni a laici ZávČry: Hypotéza Ho subjektĤ byla zamítnuta. Posluchaþi nemČli stejné modely hodnocení nebo nevyužívali shodnČ škály. Avšak, jsou-li pro úþely další analýzy slouþeni do jediné skupiny (všichni), nevzniká statisticky významná chyba. Hypotéza Ho vícerozmČrnosti byla pĜijatá. Pro úspČšné vystižení nepodobnostních dat je nezbytná následující volba dimenzionality MDS Ĝešení: Skupina experti má optimální 4D Ĝešení. Skupina laici má optimální 2D Ĝešení. Skupina všichni má optimální 4D Ĝešení (3D i 2D Ĝešení jsou lepší než u jednotlivých skupin samostatnČ) Laici zĜejmČ nerozlišili ve vjemech tolik rozdílností, takže jim nČkteré dvojice zvukĤ pĜipadaly více podobné a v posouzení jemných rozdílĤ se lišili mezi sebou. Toto dokumentuje 2D i 3D Ĝešení z dat výbČru respondentĤ ze skupiny laici (viz Obr. 10). VČtšina zvukĤ je zde soustĜedČna do jednoho místa a vydČlují se pouze zvuky extrémní.
32
0.8
6
Dim 1-2-3, respondenti 5,6,9,11 6 5 1
Dim 1-2, respondenti 6,8,10 0.6
Dimension 2
0.4 0.2 0.0
1,3,4,5 8,9,10
3 4 10 9
2
-0.2
8
-0.4 -0.6 -0.8 -0.8 -0.6 -0.4 -0.2 0.0
2 0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
Dimension 1
Obr. 10 MDS 2D Ĝešení pro zprĤmČrovaná data respondentĤ 6, 8, 10 (vlevo) a 3D Ĝešení pro zprĤmČrovaná data respondentĤ 5, 6, 9, 11 (vpravo), všichni respondenti jsou ze skupiny laici
33
Slovní popis vnímaných vlastností zvukĤ Data jednotlivých respondentĤ ze seĜazovacího testu drsnosti byla prĤmČrována též ve skupinách všichni, experti a laici. Tyto hodnoty drsnosti pĜiĜazené jednotlivým zvukĤm zachycují první tĜi sloupce v Tab. 3. V této práci byly zatím použity pouze hodnoty skupiny všichni. Porovnávání výsledkĤ dalších skupin a jejich vnoĜování do skupinových MDS percepþních prostorĤ je pĜipraveno pro navazující výzkum v diplomové práci. Tab. 3 Slovní popis vnímaných vlastností zvukĤ Slovní popis:
1 10 2 3 4 5 6 8 9 Další: -
1 2 3 Drsnost Drsnost Drsnost všichni experti laici 46.2 43.7 94.8 32.5 19.4 61.1 82.9 52.7 19.6
44.3 46.3 94.4 21.3 23.9 64.4 79.1 39.1 15.0
48.3 41.1 95.1 43.8 15.0 57.9 86.6 66.3 24.3
4 5 6 7 8 9 10 11 12 kĜapavost hrubost Ĝezavost bzuþivost šumivost tmavost svČtlost zastĜenost kvintování 12 7 102
27 57
nakĜáplý hrubý kĜapavý drsný rachtavý chraplavý chrþivý drnþivý hrþivost
44 12 86
19 11 17 39
9 60 58 29 29
13 96 62 62
30 29 57 14 26 7 55 55
Ĝezavý bzuþivý ostrý bzíkavý prĤrazný agresivní
20
10 40 7 6 6 šumivý tmavý zašumČnýtemný šustivý syþivý
15 16 5
5 29 5 5 14 18 18
37 15
svČtlý jasný
22 20
82
38 21 10 10 zastĜený matný mdlý špinavý
5 5 dvojzvuk kvintující disonantní neharmon.
Individuální matice slovních popisĤ získaných pĜi párovém testu byly slouþeny do jediné matice sĜetČzením slov, které pĜiĜadili respondenti danému zvuku v páru. PĜestože byla použita kombinovaná metoda spontánních odpovČdí s možnostmi nahlížení respondenta do slovníku slov popisujících barvu zvuku (doporuþená volba), celkem se v odpovČdích vyskytlo 586 rĤzných slov. PĜibližnČ 1/2 tvoĜily slova s chybným zápisem (napĜ. hrubý – hrby – hruby) nebo s jiným tvarem (napĜ. hrubý – hrubost – hrubČjší), urþitá skupina slov se vyskytovala spoleþnČ a mČla synonymní charakter (napĜ. nakĜáplý, kĜaplavý, chraplavý …). Synonymita vazby byly též upĜesĖovány s respondenty ihned po skonþení testĤ, když se pĜi spoleþném prohlížení výsledkĤ administrátor dotazoval, jakou souvislost mají nezvyklá slova, která použil respondent, se slovy, která používá vČtšina dalších. Takto byly identifikovány i další synonymní vazby (napĜ.Ĝezavý – agresivní – prĤrazný). PĜibližnČ další tĜetinu tvoĜila slova, která byla použita ménČ než 5x a pro popis slovní popis zvukĤ nebyla využita. Poþty výskytu pro slova, která byla vybrána na základČ mého vlastního uvážení jako reprezentanti slovních popisných kategorii doplnČné výþtem do dané kategorie patĜících synonymních slov (napĜ. kĜapavost, hrubost, šumivost…) u jednotlivých zvukĤ byly zaneseny do tabulky, viz Tab. 3. V této práci ještČ nebyly využity, ale jsou pĜipraveny pro další pokraþování tohoto výzkumu v navazující práci. Pro externí interpretaci MDS prostorĤ byla použita metoda vícenásobná regrese, kterou byly do prostorĤ vnoĜovány hodnoty z poslechového testu škálování drsnosti (1. sloupec v Tab. 3). Nejmenší R2 vyšel pro 4D Ĝešení. Výsledky regrese, regresní rovnice a grafy souvislostí pozorovaných hodnot a hodnot predikovaných regresní rovnicí pro 4D, 3D a 2D MDS Ĝešení pro skupinu všichni, viz Obr. 11.
34
100
Std.Err.
B
of Beta
Std.Err.
t(4)
p-level
of B
70 60
N=9
50
Intercept
50.3264
1.367428
36.80370
0.000003
4D 1
0.961504
0.055669
35.4873
2.054652
17.27167
0.000066
4D 2
0.022319
0.055669
1.1294
2.816870
0.40093
0.708966
4D 3
-0.239701
0.055669
-13.8887
3.225581
-4.30579
0.012588
4D 4
-0.071830
0.055669
-4.6871
3.632606
-1.29030
0.266483
40
Pozorované hodnoty
Beta
2
Regresní rovnice: 90 Drsnost =35.487x 4D1 - 13.888x 4D3 + 50.326 4D všichni, škálování DRSNOST 80 95% confidence
Regression 4D všichni, závisle prom!nná: Drsnost R= .99378250 R2= .98760366 Adjusted R2= .97520733 F(4,4)=79.669 p<.00046 Std.Error of estimate: 4.1023
6
5 8 1
10
3
30 49
20
Predikované hodnoty 10 10
20
30
40
50
60
70
80
90
100
Std.Err.
B
of Beta
N=9 Intercept
Std.Err.
t(5)
p-level
70 60
of B 50.3264 1.760777 28.58193 0.000001
50
3D 1
0.964313 0.071683
28.5881 2.125124 13.45245 0.000041
40
3D 2
-0.147743 0.071683
-7.6794 3.725952
-2.06106 0.094306
30
3D 3
-0.150266 0.071683
-12.2913 5.863468
-2.09626 0.090181
20
Pozorované hodnoty
Beta
2
Regresní rovnice: 90 Drsnost =28.58x 2D1 + 50.326 3D všichni, škálování DRSNOST 80 95% confidence
Regression 3D všichni, závisle prom!nná: Drsnost R= .98707025 R2= .97430769 Adjusted R2= .95889230 F(3,5)=63.204 p<.00021 Std.Error of estimate: 5.2823
100
6
5 8 1 10 3 49 Predikované hodnoty
10 10
20
30
40
50
60
70
80
90
100
110
Regression 2D všichni, závisle promČnná: Drsnost R= .97985094 R2= .96010786 Adjusted R2= .94681048 F(2,6)=72.203 p<.00006 Std.Error of estimate: 6.0087 Beta
N=9
Std.Err.
of Beta
Intercept 2D 1 2D 2
B
Std.Err.
t(6)
p-level
60
of B 50.32639 2.002883 25.12697 0.000000
0.967643 0.081539 25.91985 2.184165 11.86717 0.000022 -0.154191 0.081539
-9.49517 5.021234
70
-1.89100 0.107503
50 40
Pozorované hodnoty
Regresní rovnice: 100 Drsnost =25.91x 2D1 + 50.326 2D všichni, škálování DRSNOST 90 95% confidence 80
2 6
5 8 1
10
3
30 20
4 9 Predikované hodnoty
10 10
20
30
40
50
60
70
80
90
100
Obr. 11 Výsledky vnoĜení hodnot drsnosti ze seĜazovacího poslechového testu do 4D (nahoĜe), 3D (uprostĜed), 2D (dole) MDS Ĝešení pro skupinu všichni. Hodnoty regresních koeficientĤ jsou shrnuty v tabulkách (vlevo). Regresní rovnice a prĤbČhy závislosti pozorovaných hodnot na hodnotách predikovaných regresní rovnicí jsou v grafech (vpravo). Všechny predikované hodnoty leží v pásmu 2σ. Jako druhá metoda vnoĜení bylo použito grafické zobrazení míry drsnosti pomocí velikosti bodĤ reprezentujících polohu zvuku v jednotlivých n-rozmČrných MDS Ĝešeních (viz Obr. 12, zobrazeny jsou míry drsnosti získané prĤmČrováním hodnot skupiny všichni uvedené v 1. sloupci Tab. 3). VnoĜení vlastnosti drsnost ze seĜazovacího testu do percepþních prostorĤ je zde vysoce úspČšné a jednoznaþné (R2 > 0.96). Z obou použitých typĤ vnoĜení vyplývá, že drsnost ve všech percepþních prostorech pĜibývá ve smČru 1. dimenze. Ve 4D MDS Ĝešení pĜibývá vzhledem k osám šikmo (smČr je dán kombinací 1. dimenze a zápornČ orientované 3. dimenze, viz regresní rovnice). Místa s stejnou mírou drsnosti jsou zde útvary kolmé ke smČru vnoĜení (jde o podprostor kolmý ke smČru regresní pĜímky: ve 2D prostoru se jedná o kolmou pĜímku, ve 3D 35
110
prostoru o kolmou rovinu a ve 4D prostoru o kolmý prostor). Obdobným zpĤsobem budou v navazující práci vnoĜovány další vnímané vlastnosti, získané ze slovního popisu v párovém poslechovém testu (viz kĜapavost, bzuþivost a další v Tab. 3) všichni 4D 1,2,3
Míra drsnosti 2
6
Míra drsnosti
všichni 4D 1,2,4
4 6
9 3 5
1
5
1
10 8
všichni 3D 1,2,3
Míra drsnosti
3 4 9 8
10
2
6
0.6
3
4
Míra drsnosti
0.4
2
5
v šichni 2D 1,2
1
2
9 10 5
1
8
Dimension 2
0.2
4
9 0.0 10 -0.2
3
-0.4 6
8 -0.6 -0.8 -1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
Dimension 1
Obr. 12 Grafické vnoĜení hodnot drsnosti ze seĜazovacího poslechového testu do 4D (nahoĜe), 3D (vlevo dole), 2D (vpravo dole) MDS Ĝešení pro skupinu všichni. Velikost kroužku je úmČrná míĜe drsnosti.
36
Analýza pĜíþin drsnosti z pohybu struny
výchylka (nm)
Jako Ho pĜíþinnosti byla stanovena hypotéza, že aperiodicity v pohybu struny jsou pĜíþinou vnímané drsnosti, takže hodnota prvního maxima autokorelaþní funkce (Ando 1991) bude korelovat s mírou vnímané drsnosti. Pro posouzení této hypotézy byly þasové prĤbČhy pohybu struny získané ze záznamĤ vysokorychlostní kamerou v software Tracker analyzovány pomocí autokorelaþní funkce. Pro vystižení silového pĤsobení struny na kobylku byl vždy od pohybu struny v bezprostĜední blízkosti kobylky (1 mm pĜed kobylkou) odeþten samotný pohyb kobylky (získání relativního pohybu struny, viz Obr. 13 vlevo). Výsledné prĤbČhy autokorelace jsou v grafech na Obr. 13 (vpravo). Grafy jsou doplnČny hodnotami nalezeného prvního maxima (údaj Korelace) a míry drsnosti daného zvuku ze seĜazovacího testu (údaj Drsnost).
30000 20000
Autocorrelation Function Zv uk 4
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 4
10000 0 -10000 -20000 -30000 snímek þ. 0
1000
2000
3000
4000
5000
35
+.399 .0793
79
-.122 .0829
111E3 0.000
123
-.465 .0916
167
-.512 .1104
211
-.280 .1222
255
+.139 .1236
299
+.778 .1349
335E3 0.000
343
+.412 .1633
493E3 0.000
387
-.096 .1653
505E3 0.000
431
-.425 .1689
529E3 0.000
475
-.490 .1785
595E3 0.000
519
-.281 .1857
645E3 0.000
563
+.105 .1866
651E3 0.000
607
+.679 .1924
698E3 0.000
Drsnost 19.4
150E3 0.000 221E3 0.000
Korelace 0.933062
0 -1.0
6000
121E3 0.000
-0.5
0.0
0.5
270E3 0.000 276E3 0.000
0 1.0
Conf. Limit
výchylka (nm)
Autocorrelation Function Zv uk 9 30000 20000
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 9 35
+.425 .0811
79
-.146 .0847
117E3 0.000
123
-.445 .0936
167
-.498 .1107
211
-.324 .1227
255
+.102 .1247
299
+.783 .1364
343E3 0.000
343
+.458 .1663
512E3 0.000
387
-.102 .1686
526E3 0.000
431
-.407 .1722
551E3 0.000
475
-.473 .1809
610E3 0.000
519
-.330 .1881
662E3 0.000
563
+.055 .1896
672E3 0.000
607
+.669 .1950
717E3 0.000
Drsnost 19.6
127E3 0.000 157E3 0.000 222E3 0.000
Korelace 0.944027
10000 0 -10000 -20000 -30000 snímek þ. 1000
výchylka (nm)
0
30000 20000
2000
3000
4000
5000
6000
0 -10000 -20000 -30000 snímek þ. 1000
2000
3000
4000
5000
-0.5
0.0
0.5
281E3 0.000
0 1.0
Conf. Limit
Autocorrelation Function Zv uk 3
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 3
10000
0
0 -1.0
273E3 0.000
6000
37
35
+.382 .0771
79
-.116 .0803
105E3 0.000
123
-.415 .0876
167
-.502 .1054
211
-.287 .1170
255
+.098 .1186
299
+.744 .1291
307E3 0.000
343
+.417 .1584
465E3 0.000
387
-.080 .1604
476E3 0.000
431
-.376 .1633
495E3 0.000
475
-.482 .1723
554E3 0.000
519
-.297 .1794
602E3 0.000
563
+.052 .1806
610E3 0.000
607
+.640 .1857
650E3 0.000
Drsnost 32.5
0 -1.0
113E3 0.000 137E3 0.000 201E3 0.000
Korelace 0.945912
-0.5
0.0
0.5
247E3 0.000 254E3 0.000
0 1.0
Conf. Limit
výchylka (nm)
30000 20000
Autocorrelation Function Zv uk 10
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 10
10000 0 -10000 -20000 -30000 snímek þ. 1000
výchylka (nm)
0
30000 20000
2000
3000
4000
5000
+.400 .0795
79
-.125 .0831
123
-.433 .0909
167
-.510 .1089
211
-.308 .1210
255
+.109 .1228
299
+.770 .1340
331E3 0.000
343
+.441 .1638
497E3 0.000
387
-.086 .1661
510E3 0.000
431
-.392 .1691
531E3 0.000
475
-.491 .1782
593E3 0.000
519
-.322 .1857
646E3 0.000
563
+.054 .1871
655E3 0.000
607
+.659 .1923
0 -10000 -20000 -30000 snímek þ. 2000
3000
4000
5000
122E3 0.000 148E3 0.000 214E3 0.000
Korelace 0.945530
265E3 0.000 273E3 0.000
697E3 0.000 -0.5
0.0
0 1.0
0.5
Conf. Limit
Autocorrelation Function Zv uk 1
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 1
1000
112E3 0.000
Drsnost 43.7
0 -1.0
6000
10000
0
35
35
+.380 .0786
79
-.107 .0817
109E3 0.000
123
-.312 .0859
167
-.376 .0965
211
-.211 .1037
255
+.118 .1047
299
+.755 .1172
253E3 0.000
343
+.360 .1459
393E3 0.000
387
-.106 .1474
401E3 0.000
431
-.306 .1497
415E3 0.000
475
-.368 .1558
452E3 0.000
519
-.203 .1601
477E3 0.000
563
+.077 .1607
481E3 0.000
607
+.652 .1667
Drsnost 46.2
131E3 0.000 167E3 0.000
Korelace 0.897547
193E3 0.000 197E3 0.000
523E3 0.000
0 -1.0
6000
117E3 0.000
-0.5
0.0
0 1.0
0.5
Conf. Limit
výchylka (nm)
Autocorrelation Function Zv uk 5 30000 20000
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 5 35
+.553 .0857
79
-.061 .0938
131E3 0.000
123
-.522 .1030
167
-.619 .1260
211
-.358 .1409
255
+.217 .1427
299
+.773 .1557
447E3 0.000
343
+.536 .1817
611E3 0.000
387
-.027 .1856
637E3 0.000
431
-.485 .1894
666E3 0.000
475
-.596 .2012
757E3 0.000
519
-.359 .2102
828E3 0.000
563
+.180 .2115
838E3 0.000
607
+.703 .2188
Drsnost 61.1
156E3 0.000 191E3 0.000 289E3 0.000
Korelace 0.893932
10000
361E3 0.000 370E3 0.000
0 -10000 -20000 -30000 snímek þ. 1000
výchylka (nm)
0
30000 20000
2000
3000
4000
5000
0 -10000 -20000 -30000 snímek þ. 2000
3000
4000
5000
0.0
0 1.0
0.5
Conf. Limit
Autocorrelation Function Zv uk 8
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 8
1000
-0.5
6000
10000
0
904E3 0.000
0 -1.0
6000
38
35
+.425 .0806
79
-.139 .0845
115E3 0.000
123
-.441 .0932
167
-.486 .1098
211
-.339 .1219
255
+.109 .1240
299
+.739 .1346
334E3 0.000
343
+.489 .1651
505E3 0.000
387
-.075 .1679
522E3 0.000
431
-.396 .1712
544E3 0.000
475
-.461 .1794
601E3 0.000
519
-.354 .1868
653E3 0.000
563
+.038 .1886
665E3 0.000
607
+.600 .1930
701E3 0.000
Drsnost 52.7
0 -1.0
126E3 0.000 156E3 0.000 218E3 0.000
Korelace 0.940982
-0.5
0.0
0.5
269E3 0.000 278E3 0.000
0 1.0
Conf. Limit
výchylka (nm)
30000 20000
Autocorrelation Function Zv uk 6 Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 6
10000 0 -10000 -20000 -30000
35
+.423 .0573
79
-.009 .0667
123
-.338 .0711
167
-.433 .0876
211
-.250 .0990
255
+.181 .1007
299
+.360 .1057
203E3 0.000
343
+.297 .1221
274E3 0.000
387
-.017 .1254
289E3 0.000
431
-.299 .1277
300E3 0.000
475
-.388 .1366
347E3 0.000
519
-.215 .1433
383E3 0.000
563
+.194 .1443
388E3 0.000
607
+.295 .1485
413E3 0.000
snímek þ. 1000
výchylka (nm)
0
30000 20000
2000
3000
4000
5000
0 -10000 -20000 -30000 snímek þ. 2000
3000
4000
5000
891E2 0.000 138E3 0.000
-0.5
0.0
0.5
177E3 0.000 183E3 0.000
0 1.0
Conf. Limit
Autocorrelation Function Zv uk 2
Relativ ní pohy b struny v Ĥþi koby lce: Zv uk 2
1000
773E2 0.000
Korelace 0.829246
0 -1.0
6000
10000
0
573E2 0.000
Drsnost 82.9
6000
35
+.412 .0714
79
-.036 .0775
900E2 0.000
123
-.305 .0812
167
-.356 .0911
211
-.204 .0990
255
+.069 .1004
299
+.527 .1049
200E3 0.000
343
+.423 .1254
289E3 0.000
387
-.020 .1288
304E3 0.000
431
-.300 .1309
316E3 0.000
475
-.374 .1379
353E3 0.000
519
-.259 .1444
388E3 0.000
563
-.010 .1463
399E3 0.000
607
+.382 .1474
406E3 0.000
Drsnost 94.8
0 -1.0
105E3 0.000 117E3 0.000 148E3 0.000
Korelace 0.692406
-0.5
0.0
0.5
176E3 0.000 181E3 0.000
0 1.0
Conf. Limit
Obr. 13 Relativní þasové prĤbČhy pohybu struny (vlevo) a prĤbČhy autokorelaþní funkce doplnČné hodnotami nalezeného prvního maxima (údaj Korelace) a míry drsnosti ze seĜazovacího testu (údaj Drsnost) (vpravo). Grafy jsou seĜazeny vzestupnČ podle míry drsnosti.
39
Hodnoty korelace prvního maxima autokorelaþní funkce byly porovnávány s mírou drsnosti. Obr.14 poskytuje pĜehled o tom, že aþkoli je korelace mezi obČma promČnnými statisticky významná, hodnoty z autokorelaþní funkce nedokáží rozlišit míru drsnosti u ménČ drsných zvukĤ. Zvuky 8, 1, 10, 3, 9, 4 se mírou drsnosti výraznČ liší, ale jejich hodnoty z autokorelace se témČĜ neliší nebo jsou v jiném poĜadí než jak byly posouzeny (viz body v pravém dolním roh grafu na Obr. 14 vlevo). 110 100
Závislost míry drsnosti na hodnotČ maxima autokorelaþní funkce
2
90
6
Míra drsnosti
80
Spearman Rank Order Correlations Vztah: drsnost - autokorelaþní maximum Marked correlations significant at p <.05000
70 5 60
8 1
50 40
10 3
30
Spearman
N
R 9 -0.750000
t(N-2)
p-level
-3.00000
0.019942
4 9
20 10 0.66
Pair of Variables Drs&hodnota
Valid
0.70
0.74
0.78
0.82
0.86
0.90
0.94
Hodnota prv ního maxima autokorelaþní f unkce
Obr. 14 Graf závislost míry drsnosti na hodnotách korelace prvního maxima autokorelaþní funkce (vlevo) a hodnoty jejich Spearmanovy korelace (vpravo) ZávČr: Hypotéza Ho pĜíþinnosti byla zamítnuta. PĜestože korelace mezi obČma veliþinami je statisticky významná na hladinČ p = 0,019, rozlišení rozdílĤ vnímané drsnosti pouze na základČ kritéria prvního maxima autokorelaþní funkce není možné. Tímto kritériem lze rozlišit pouze velmi drsné zvuky. Bude nutné hledat další zpĤsoby analýzy aperiodicity a nepravidelností, která by toto rozlišení umožĖovala. Bude to náplĖ navazujícího výzkumu.
40
5. Zhodnocení práce Práce vychází z pĜedpokladu ovČĜených pĜedchozími studiemi, že percepþní prostory jsou stálé. (McAdams 1999). Jednou z nevýhod této pilotní práce byl výbČr pokusných osob, jejichž poþet ještČ nedovoluje zobecnČní výsledkĤ Ĝešení problému. PĜi subjektivním výbČru osob byla aplikována kritéria vylouþení osob s vadou sluchu, dle obecných zásad pro výbČr pokusných osob (BĜicháþek 1978; Melka 2005, s. 75). Ve výbČru byli i posluchaþi náležející do expertní poslechové skupiny. PĜesto tento postup tvoĜí kompromisní Ĝešení navrhované Melkou (Melka 2005, s 75). Velikost vzorku odpovídá velikosti vzorku použitých v podobných již publikovaných studiích. Fritz at al. (2007) použila 18 respondentĤ, Guettler at al. (1997) 20. Externí validita tohoto experimentu mĤže být pomČrnČ malá. Vysoká shoda hodnotitelĤ v rámci skupin však tomuto spíše nenaznaþuje. Tato práce tak mČla spíše naznaþit další smČr výzkumu. K vČtší prĤkaznosti dat by bylo vhodné nepodobnostní matice testovat na shlukování, napĜ. metodou ANOSIM. V této práci bylo provedeno párové srovnávání, ve kterém posluchaþi hodnotili všechny páry jen jednou. Bylo by však vhodné, aby po uplynutí urþité doby posuzovali opakovanČ (retest) a byla tak ovČĜena retestová reliabilita posluchaþĤ. Tato práce dospČla ke konkrétním podobám drsnosti hrubost, Ĝezavost, kĜapavost, bzuþivost, šumivost. Hrubost i Ĝezavost by mohly odpovídat pojetím drsnosti, které popsal ve své práci Tsai (2010;2003b) a jsou proto vhodnými kandidáty k dalšímu výzkumu. V souboru nahrávek bylo poslechem identifikováno také nČkolik specifických kvalitativních dimenzí, které by mohly být též podrobeny výzkumu. Podoby drsnosti mají široký dopad, napĜíklad také na výrobce reproduktorĤ, þi jiných kmitajících pĜedmČtĤ, u kterých se mohou vyskytnout aperiodicity. Výzkum by se v budoucnosti mohl také zamČĜit tímto smČrem. Náchylnost k odlišnému vnímání drsnosti u posluchaþĤ expertní skupiny také mĤže být dána do souvislosti s tendencí hudebníkĤ a nehudebníkĤ upĜednostĖovat odlišné podoby zvukĤ (ostrý, drsný a temný), který popisují Geringer a Worthy (1999) a mĤže také poukazovat na odlišný model zpracování drsnosti ve vyšších patrech poslechového seskupování. Úkolem navazujících prací je zpracovat další Ĝadu dat, která byla bČhem této práce shromáždČna.
41
Literatura
ALLURI, V. TOIVIAINEN, I. P. JÄÄSKELÄINEN, E. GLEREAN, M. SAMS a E. BRATTICO, (2012). Largescale brain networks emerge from dynamic processing of musical timbre, key and rhythm. Neuroimage. Vol. 59 Iss. 4, p. 3677-3689. ANDO, Yoichi a Peter CARIANI, (2009). Auditory and visual sensations. New York: Springer, , xxv, 344 p. ISBN 978-144-1901-729. ASKENFELT, Anders, (1995). Observations on the violin bow and the interaction with the string. STLQPSR., Vol. 36, Iss. 2, p. 107-118. ASKENFELT, Anders, (1995). Observations on the violin bow and the interaction with the string. STLQPSR, Vol. 36 Iss 2, p. 107-118. ATKINSON, R. L., (2003). Psychologie. Portál s.r.o Praha (pĜeklad Herman, E. z: Hilgard’s Introduction to psychologie, Hartcourt, Inc). ISBN 80-7178-640-3. AURES, W. A, (1985). procedure for calculating auditory roughness. Acoustica. Vol 58, Iss. 5, p. 268281. BAKER, Stephen et al., (2004). Improving the effectiveness of paired comparison tests for automotive sound quality In: Eleventh International Congress on Sound and Vibration. p. 5-8. BERGAN, Christine C. a Ingo R. TITZE, (2001). Perception of pitch and roughness in vocal signals with subharmonics. Journal of Voice. Vol. 15, s. 165-175. BERGAN, Christine C.,Ingo R. TITZE. a Brad STORY, (2004). The perception of two vocal qualities in a synthesized vocal utterance: ring and pressed voice. Journal of Voice., Vol. 18, Iss. 3, p. 305-317. BISMARCK, G. von. Sharpness as an attribute of the timbre of steady sounds. Acustica. 1974, Vol. 30, p. 159-172. BěICHÁýEK, V, (978). Úvod do psychologického škálování. Psychodiagnostické a didaktické testy, n. p., Bratislava. BUEN, A., (2007). On Timbre Parameters and Sound Levels of Recorded Old Violins. Journal of the Violin Society of America, VSA Papers., Vol. 21, p. 57-68. BURKHARD M. D., R. M. SACHS, (1975). Anthropometric manikin for acoustic research. Journal of Acoustical Society of America. Vol. 58, Iss. 1, p. 214-222. CACLIN A, S. MCADAMS, B. K. SMITH a S. WINSBERG, (2005). Acoustic correlates of timbre space dimensions: A confirmatory study using synthetic tones. Journal of Acoustical Society of America. Vol. 118, Iss. 1, p. 471-482. CAMPBELL Murray and GREATED Clive, (1987). The musician's guide to acoustics. Reprinted 2001. Oxford: Oxford University Press. ISBN 978-019-8165-057. CARDOZO, B,. a R. RITSMA, (1968). On the perception of imperfect periodicity. Audio and Electroacoustics. Vol. 16 Iss. 2, p. 159-164. CORRELATED SOLUTIONS. Vic 2D [software].
42
CSN 73 0526, (1997). Akustika - Projektování v oboru prostorové akustiky - Studia a místnosti pro snímání, zpracování a kontrolu zvuku. Ceský normalizacní institut,. DANIEL P., WEBER, D., (1997). Psychoacoustical roughness: implementation of an optimized model. Acustica. vol. 83, p. 113-123 DANIEL, Peter a REINHARD Weber, (1997). Psychoacoustical roughness: Implementation of an optimized model. Acta Acustica united with Acustica. Vol. 83 Iss. 1, p. 113-123. De Baene, W a A. Vandierendonck, M. Leman, A. Widmann a M. Tervaniemi. (2004) Roughness perception in sounds: behavioral and ERP evidence. Biological psychology. Vol. 67, Iss. 3, p. 319-330 DRŠATA, Jakub a Viktor Chrobok, (2011). Foniatrie, hlas. 1. vyd. HavlíþkĤv Brod: Tobiáš, , 321 s. Medicína hlavy a krku. ISBN 978-807-3111-168. DÜNWALD, H. (1991) Deduction of objective quality parameters on old and new violins. Journal of Catgut Acoustical Society. Vol. 1, Iss. 7, p. 1-5. EEROLA, T., FERRER, R, & ALLURI, V., (2012) Timbre and Affect Dimensions: Evidence from Affect and Similarity Ratings and Acoustic Correlates of Isolated Instrument Sounds. Music Perception: An Interdisciplinary Journal. Vol. 30, No 1, p. 49-70 FASTL H., ZWICKER E., (1990). Psychoacoustics facts and models. Berlin: Springer. ISBN 978-354-0688884. FASTL Hugo, (2005). Psychoacoustics and sound quality in:J. BLAUERT, P. WHEELER a F. MOORE. Communication acoustics. Berlin: Springer-Verlag, xvi, 783 p. ISBN 978-354-0274-377. FASTL, Hugo. (1990) The hearing sensation roughness and neuronal responses to AM-tones. Hearing research. Vol. 46, Iss. 3, p. 293-295. FASTL, Hugo., (1997). The psychoacoustics of sound-quality evaluation. Acta Acustica united with Acustica. Vol. 83, Iss. 5, p. 754-764. FECHNER, G. T, (1860). Elemente der Psychophysik. Leipzig:Breitkopf und Härtel, FERJENýÍK, Ján, (2000). Úvod do metodologie psychologického výzkumu,Praha, 256 s FERRAND, T. C., (2002). Harmonics-to-noise ratio: an index of vocal aging. Journal of Voice. Vol. 16, Iss. 4, p. 480-487. FISHMAN, Y., D. H. RESER, J. C. AREZZO a M. STEINSCHNEIDER, (2000). Complex tone processing in primary auditory cortex of the awake monkey:Neural ensemble correlates of roughness. Journal of Acoustic Society of America. Vol. 108, s. 235-246. FRITZ, C., A. BLACKWELL, I. CROSS, B. MOORE a J. WOODHOUSE, (2012). Exploring violin sound quality: Investigating English timbre descriptors and correlating resynthesized acoustical modifications with perceptual properties. Journal of the Acoustical Society of America. Vol. 131, Iss 1, p. 783-794. FRITZ, C., A. MUSLEWSKI a D. DUBOIS, (2010). A situated and cognitive approach of violin quality. In. Proceedings of International Symposium on Musical Acoustics, Sydney and Katoomba, Australia. p.2531. FRITZ, C., I. CROSS, B. MOORE a J. WOODHOUSE, (2007). Perceptual thresholds for detecting
43
modifications applied to the acoustical properties of a violin. Journal of the Acoustical Society of America. Vol. 122, Iss. 6, p. 3640-3650. FUJII K., J. ATAGI a Y. ANDO, (2001). Temporal and spatial factors of traffic noise and its annoyance, Journal of Temporal Design in Architecture and the Environment. roþ. 2, s. 33-41. GERINGER, J., M. MICHAEL a D. WORTHY, (1999). Effects of Tone-Quality Changes on Intonation and Tone-Quality Ratings of High School and College Instrumentalists. Journal of Research in Music Education., Vol. 47, No. 2 p. 135-149. GLIEM, J. A. a R. R. GLIEM, (2003). Calculating. Calculating, interpreting, and reporting Cronbach’s alpha reliability coefficient for Likert-type scales. Midwest Research to Practice Conference in Adult, Continuing, and Community Education. p. 82 - 88 GREY, John M. Multidimensional perceptual scaling of musical timbres. (1977) The Journal of the Acoustical Society of America. Vol. 61, p. 1270 - 1277 GROENEN P. and M. VAN DE VELDEN, (2004) Multidimensional Scaling, Econometric Institute Report, 2004 GRUBE M., Y. CRAMON, R. RUBSAMEN, (2003) Inharmonicity detection, Effects of age and contralateral distractor sounds Experimental Brain Research, Vol. 153, p. 637–642 GUETTLER K., E. SCHOONDERWALDT a A. ASKENFELT, (2003). Bow speed or bowing position-which one influences the spectrum the most? Proceedings of Stockholm Music Acoustics Conference. GUETTLER, K. a A. ASKENFELT (1997). Acceptance limits for the duration of pre-Helmholtz transients in bowed string attacks. Journal of the Acoustical Society of America. Vol. 101, p. 2903–2913. GUILFORD, J. P., (1954) Psychometric methods. New York: Mcgraw Hill. ISBN 978-007-0251-298. GUILFORD, J. P.: (1954). Psychometric methods. 2nd Edition. McGraw-Hill, New York HAILSTONE, J. C. et al., (2009). It's not what you play, it's how you play it: Timbre affects perception of emotion in music. The Quarterly Journal of Experimental Psychology, , Vol. 62 Iss. 11, p. 2141-2155. HELMHOLZ, H. von, (1863). Die Lehre von den Tonempfindungen als physiologische Grundlage für die Theorie der Musik. VI. vydání, Vieweg, Braunschweig. 1913. HENDL, Jan, (2004). PĜehled statistických metod zpracování dat, Praha,, 584s ISBN 80-7178820-1 HUTCHINS, C. Maley a Virginia BENADE. (1997). Research papers in violin acoustics, 1975-1993: with an introductory essay, 350 years of violin research. Woodbury, NY: Published by the Acoustical Society of America through the American Institute of Physics. 2 v. (xix, 1312 p.). ISBN 156-396-608-52. CHARLES, J., D. FITZGERALD, E. COYLE, (2008). Violin Sound Quality Detection. Irish Signals and Systems Conference, Galway. IBM. SPSS [software] JENSEN Kristoffer, (2004). Irregularities Noise and Random Fluctuations in Musical Sounds. The Journal of Music and Meaning. Vol.2. KADLEC, F., (1996). Zpracování akustických signálù. skripta ýVUT, Praha, KENDALL, M. G (1948). Rank correlation methods. Griffin, London
44
KOELSCH S. et al., (2006). Investigating emotion with music: An fMRI studyHuman Brain Mapping. Vol. 27, Iss 3, p. 239–250 KOELSCH, S. a W. A. SIEBEL. Towards a neural basis of music perception. Trends in cognitive sciences. 2005, Vol. 9, Iss 12, p. 578-584. KREIMAN J. a B. R. GERRATT, (2005). Perception of aperiodicity in pathological voice. Journal of Acoustic Society of America. Vol. 117, p. 2201-2211. KREIMAN, J., B. R. GERRATT a G. S. BERKE, (1994). The multidimensional nature of pathologic vocal quality, Journal of Acoustic Society of America. Vol. 96, p. 1291-1302. KURFÜRST, Pavel, (2004). Hudební nástroje. Vyd. 1. Praha: Togga, 1168 s. ISBN 80-902-9121-X. KURTZ D. B., WHITE T. L., HAYES M (2000). The labeled dissimilarity scale: a metric of perceptual dissimilarity. Perceptual Psychophysics. Vol. 62, p. 152-61. KURTZ, Daniel B.; WHITE, Theresa L.; HAYES, (2000). Meghan. The labeled dissimilarity scale: A metric of perceptual dissimilarity. Perception & psychophysics,. Vol. 62 Issue 1, p. 152-161. LEMAITRE, G., P. SUSINI, S. WINSBERG, S. MCADAMS a B. LETINTURIER, (2007). The sound quality of car horns: a psychoacoustical study of timbre. Acta Acustica united with Acustica. Vol. 93, Iss. 3, p. 457468. MCADAMS Stephen, (1999). Perspectives on the Contribution of Timbre to Musical Structure. Computer Music Journal. Vol. 23, Iss. 3, p. 85-102. MCADAMS, Stephen a BIGAND Emmanuel (1993) Thinking in sound: the cognitive psychology of human audition. New York: Oxford University Press, , xii, p. 354 ISBN 01-985-2257-6. MCDERMOTT H. Josh a Andrew J. OXENHAM, (2008). Music Perception, Pitch, and the Auditory System, Current Opinion in Neurobiology. Vol. 18 p. 452–463. MCDERMOTT, J. H. a E. P. SIMONCELLI, (2011). Sound texture perception via statistics of the auditory periphery: evidence from sound synthesis. Neuron. Vol. 71, Iss. 5, p. 926-940. MCDERMOTT, J., (2012). Auditory Preferences and Aesthetics: Music, Voices, and Everyday Sounds. Neuroscience of Performance and Choice. 2012 MCINTIRE, M. E. a J. WOODHOUSE, (1979). On the fundamentals of bowed-string dynamics. Acta Acustica united with Acustica. Vol. 43, Iss. 2, p. 93-108. MCINTIRE, M. E. a J. WOODHOUSE, (1984). A parametric study of the bowed string: the violinist's menagerie. Journal of the Catgut Acoustical Society, , Vol. 42, p. 18-21. MCINTIRE, Michael E., R. SCHUMACHER a J. WOODHOUSE. Aperiodicity in bowed-string motion. Acta Acustica united with Acustica, 1981, Vol. 49, Iss. 1, p. 13-32. MCINTYRE, M. E., WOODHOUSE, J., (1979). On the Fundamentals of Bowed-String Dynamics, Acustica, Vol. 43, No. 2, 93-108 MEILI, R. – Rohracher, H., et al.: (1969). Uþebnice experimentální psychologie. Státní pedagogické nakladatelství, Praha.
45
MELKA, A, (2005). Základy experimentální psychoakustiky, Praha , ISBN 80-7331-043-0 MELKA, A. (1976). Výzkum metodiky subČktivního hodnocení pĜirozených akustických signálĤ, testy pro výbČr posluchaþĤ. Dílþí výzkumná zpráva úkolu SVÚ þ. C-58-334-00-002/4g. Tesla – VÚST, Praha MOORE, B. C. J., a K. OHGUSHI, (1993) Audibility of partials in inharmonic complex tones. The Journal of the Acoustical Society of America. Vol. 93, p. 452. OHM, G. S. (1844) Noch ein paar Worte über die Definition des Tones In: Annalen der Physik und Chemie : Dritte Reihe.: - 2. - Leipzig : Barth, S. 1-18 OMORI K., H. KOJIMA, R. KAKANI, D. H. SLAVIT a S. BLAUGRUND, (1997). Acoustic characteristics of rough voice: subharmonics. Journal of Voice. Vol. 11, str. 40-47 OPEN SOURCE PHYSICS. Tracker [software]. [prǿşstup 24. þervna 2013]. 'RVWXSQpz: http://www.opensourcephysics.org ORLIKOFF R. F. a J. C. KAHANE, (1991). Influence of mean sound pressure level on jitter and shimmer measures. Journal of Voice. Vol. 5, Iss. 2, s. 113-119. ORLIKOFF, R. F., , J. C. KAHANE, (1991) Influence of mean sound pressure level on jitter and shimmer measures. Journal of voice, , Vol. 5 Iss 2, p. 113-119. PARKER, Sybil P., (1988). Acoustics source book. New York: McGraw-Hill, , 333 p. ISBN 00-704-55082. PERETZ, I., M. COLTHEART, (2003). Modularity of music processing. Nature neuroscience. Vol 6, Iss. 7, p. 688-691. PRATT, R. L.; DOAK, P. E., (1976). A subjective rating scale for timbre. Journal of Sound and Vibration. Vol. 45, Iss 3, s. 317-328. PRESSNITZER, D., MCADAMS, S., WINSBERG, S., FINEBERG, J., (2000). Perception of musical tension for nontonal orchestral timbres and its relation to psychoacoustic roughness. Perception & psychophysics. Vol. 62 Issue 1, p. 66-80. RASCH, R., PLOMP, R., (1999). The Perception of Musical Tones, in: DEUTSCH, Diana. The psychology of music. Third edition. San Diego: Academic press., xvii, 765 pages. ISBN 978-012-3814-609. ROHRMANN, Brend. (2003) Verbal qualifiers for rating scales: Sociolinguistic considerations and psychometric data. Project Report. University of Melbourne.. ROSS, R. T, (1939).Optimal order in the method of paired comparisons. Journal of Experimental Psychology. Vol. 25 FIELD, Andy P. Discovering statistics using SPSS 3rd ed. Los Angeles: SAGE Publications, 2009, xxxii, 821 s. ISBN 978-1-84787-906-6. ROSS, R. T., (1939). Optimal order in the method of paired comparisons. Journal of Experimental Psychology.Vol. 25, p. 414-424. ROSSING, T., P. Wheeler a F. Moore, (2002). The science of sound. 3rd ed. San Francisco: Addison Wesley, xvi, 783 p. ISBN 08-053-8565-7. SEDLÁýEK, K., (1956). Základy audiologie. Praha: Státní zdravotnické nakladatelství, SCHOONDERWALDT, E. a M. DEMOUCRON, (2009). Extraction of bowing parameters from violin
46
performance combining motion capture and sensors. Journal of Acoustical Society of America. Vol. 126, Iss. 5, p. 2695-2708. STATSOFT. Statistica 6 [software] STEPANEK J., Z. OTCENASEK, (2004). Interpretation of Violin Spectrum Using Psychoacoustic Experiments, Proceedings of the International Symposium on Musical Acoustics. Nara, Japan. STEPANEK, J. a Z. OTCENASEK, (1999). Rustle as an attribute of timbre of stationary violin tones. Catgut Acoustical Society Journal. Vol. 3, Iss. 8, p. 32-38. STEPANEK, J. a Z. OTCENASEK, (2002). Spectral sources of selected features of violin timbre, 6 CFA. Lille, STEPANEK, J., (2002). Evaluation of timbre of violin tones according to selected verbal attributes. Acoustics Banska Stiavnica 2002, EAA Symposium. STEPANEK, J., OTCENASEK, Z. (2001). Psychoacoustic Aspects of Violin Sound Quality and its Spectral Relations. 17th ICA, Rome, CD IV – Music. STEPANEK, J., Z. OTCENASEK a A. MELKA, (1995). Physical characteristics of violin tones. In: Proceedings of the 32 Czech Conference on Acoustics. Praha. p. 147-150 STEPANEK, J., Z. OTCENASEK a A. MELKA, (1999). Comparison of five perceptual timbre spaces of violin tones of different pitches, CD-ROM of Joint Meeting 137th ASA, 2nd EAA Forum, Acusticum, 25th DAGA Berlin STEPANEK, J., Z. OTCENASEK, A. MELKA, (1997). Violin Sound Timbre: I. The Construction of a Perceptual Space from Results of Listening Tests. In: Proceedings of the 31st International, Acoustical Conference (EAA Symposium), Acoustics - High Tatras. Zvolen, p. 94-95. STEPANEK, Jan,(2006). Musical sound timbre: Verbal description and dimensions. In: Proceedings of the 9th International Conference on Digital Audio Effects (DAFx-06). p. 121-126. STEWART, L., K. KRIEGSTEIN, J. D WARREN, T. D GRIFFITHS, (2006). Music and the brain: disorders of musical listening. Brain. Vol. 129, Iss. 10, 2533-2553. STUMPF, C. (1890): Tonpsychologie I-II. S. Hirzel Verlag, Leipzig 1883 SYKA, J., VOLDěICH, L., VRABEC, (1981). Fyziologie a patofyziologie zraku a sluchu. Moderní poznatky o funkci sluchového systému. Praha:Avicenum. SYNTRILLIUM SOFTWARE. Cool Edit Pro 2 [software]. [prǿşstup 24. þervna 2013] 'RVWXSQpz: http://www.adobe.com/special/products/audition/syntrillium.html SYROVÝ, V., (2003) Hudební akustika. Praha:AMU. ISBN 80-7331-901-2 ŠTċPÁNEK Jan, OndĜej MORAVEC, (2005b). Barva hudebního zvuku a její slovní popis. Praha:AMU. ISBN 80-7331-031-7 ŠTċPÁNEK, J., OTýENÁŠEK, Z., (2003) Listener common and group perceptual dimensions in violin timbre, Proceedings of the Stockholm Music Acoustics Conference (SMAC 03), Stockholm. p. 663-666 ŠTċPÁNEK, Jan a OndĜej MORAVEC, (2005). Slovní popis barvy hudebního zvuku: I. Percepþní prostory slovních atributĤ. In: Proceedings of the 1th International Symposium Material–Acoustics–Place. p. 7782.
47
TAKAO, H., T. HASHIMOTO a S. HATANO, (1993). Quantification of Subjective Unpleasantness Using Roughness Level. SAE Technical Paper. TERHARDT, E. (1974). Pitch, consonance, and harmony. The Journal of the Acoustical Society of America. Vol. 55, p. 1061 - 1069 TERHARDT, E., (1974a) On the perception of periodic sound fluctuations (roughness). Acustica. vol. 30, p. 201–213. THURSTONE, L. L., 1947. Multiple-Factor Analysis, The University of Chicago Press, Chicago TRAMO, M. J., P. A. CARIANI, B. DELGUTTE a L. D. BRAIDA, (2001). Neurobiological Foundations for the Theory of Harmony in Western Tonal Music. The Biological Foundations of Music. p. 92-116 TSAI, C. -G., (2003b). The Chinese Membrane Flute (dizi): Physics and Perception of its Tones. Berlin, Disertaþní práce. Humboldt University Berlin. TSAI, C.G., L. C. WANG., S.F WANG, Y.W. SHAU, T.Y. HSIAO a W. AUHAGEN, (2010). Aggressiveness of the Growl-like Timbre: Acoustic Characteristics, Musical Implications and Bionechanical Mechanisms. Music Perception. Vol. 27 Iss. 3, p. 209-221. TSAI, Chen – Gia, (2006). Inharmonic sounds of bowed strings in Western music and Beijing opera. The Journal of the Acoustical Society of America. Vol. 120, p. 3119. TSAI, Chen-Gia, (2004). Auditory Grouping in the Perception of Roughness Induced by Subharmonics: Empirical Findings and a Qualitative Model. Proceedings of the International Symposium on Musical Acoustics. Nara, Japan. TVERSKY, Amos et al., (1977). Features of similarity. Psychological review. Vol. 84 Iss. 4, p. 327-352. VASSILAKIS P. N., (2005). Auditory roughness as a means of musical expression, Selected Reports in Ethnomusicology. vol. 12, p. 119-144 VASSILAKIS P.N., (2007). SRA: A Web-based Research Tool for Spectral and Roughness Analysis of Sound Signals. Proceedings of SMC'07, 4th Sound and Music Computing Conference. p. 319 - 325 VÄSTFJÄLL, D. et al., (2002). Affective evaluations of and reactions to exterior and interior vehicle auditory quality. Journal of Sound and Vibration. vol. 255, 3, p. 501-518. VOIERS, D. William, (1964). Perceptual bases of speaker identity. The Journal of the Acoustical Society of America. Vol. 36, p. 1065 – 1074. VON BÉKESY, Georg. (1960) Experiments in hearing. New York: McGraw-Hill VÝZKUMNÉ CENTRUM HUDEBNÍ AKUSTIKY. LiTEd [software]. [prǿşstup 24. þervna 2013]. 'RVWXSQpz: http://zvuk.hamu.cz/vyzkum/komercni.php WARREN, Jason, (2008). How does the brain process music?. Clinical medicine. Vol. 8 Iss. 1, p. 32-36. WINER J. A., JEFFERY A, SCHREINER C., 2010. The auditory cortex. New York: Springer. ISBN 978144-1900-739. WITTENBERG, T., M MOSER., M. TIGGES a U. EYSHOLDT, (1995). Recording, processing, and analysis of digital high-speed sequences in glottography. Machine vision and applications. Vol. 8 Iss. 6, p. 399-404.
48
WOODHOUSE, J. a P. M. GALLUZZO, (2004). The Bowed String As We Know It Today. Acta Acoustica United With Acoustica. Vol. 90, p. 579 – 589. WUYTS, F. L et al. (2000) The dysphonia severity index: an objective measure of vocal quality based on a multiparameter approach, Journal of Speech Language and Hearing Research. Vol. 43, Iss. 3, p.796-809.
49
