Traitements des données

Après avoir recueilli les données perceptives et physiques et avant de les analyser, nous avons procédé à différents traitements. Pour les mesures perceptives, il s’agissait principalement d’informatisation et d’uniformisation des données. Pour les enregistrements physiques, il s’agissait

124 plutôt de segmentation, d’annotation, d’extraction et de sélection des données. Le traitement de données est résumé dans le Tableau 35, page 129.

5.3.2.1. Perceptives

Afin de traiter les données de la même manière pour toutes les expériences de perception, nous avons considéré uniquement les items désignés comme difficiles. Cela signifie que, lorsque les participants avaient indiqué l’item le plus facile à produire dans la paire, nous devions inverser leur réponse pour repérer le moins facile. Les données obtenues correspondaient alors toutes aux items jugés les plus difficiles à produire dans les paires et se distribuaient donc en classes distinctes.

5.3.2.1.1. Expérience n°1

Pour l’expérience n°1, réalisée sur papier, nous avons entré manuellement les réponses des participants dans un tableau informatique en notant « 1 », pour le choix du premier item de la paire, ou « 2 », pour le choix du second, grâce au logiciel Excel (Microsoft, WA, Etats-Unis). Pour la moitié des participants, qui avaient reçu la consigne d’indiquer l’item le plus facile à produire dans la paire, nous avons ensuite inversé automatiquement les réponses « 1 » et « 2 ».

5.3.2.1.2. Expérience n°2

Pour l’expérience n°2, réalisée aussi sur papier, nous avons de nouveau entré manuellement les réponses des participants dans un tableau informatique en notant « 1 » pour le choix du premier item ou « 2 » pour le choix du second item de la paire, grâce au logiciel Excel (Microsoft, WA, Etats-Unis). Pour tous les participants, nous avons ensuite inversé automatiquement les réponses

« 1 » et « 2 » car ils avaient reçu la consigne d’indiquer l’item le plus facile dans chaque paire.

5.3.2.1.3. Expérience n°3

Pour l’expérience n°3, réalisée sur ordinateur, les réponses des participants se trouvaient déjà sous la forme « 1 » pour le choix du premier item de la paire ou « 2 » pour le choix du second, dans des fichiers textes. Nous avons converti ces fichiers textes en fichiers Excel (Microsoft, WA, Etats-Unis). Ici, tous les participants avaient reçu la consigne d’indiquer l’item le plus difficile à produire dans chaque paire, nous n’avons donc pas manipulé les données.

125 En ce qui concerne les stimuli utilisés, comme nous l’avons expliqué plus haut, pour chaque locuteur, nous avons découpé le signal acoustique d’une occurrence non spécifique de chaque item et nous avons concaténé les items entre eux pour former les paires. Nous avons appliqué les mesures acoustiques décrites plus bas sur les items utilisés, lorsque cela était possible. En effet, pour chacune des quatre voix enregistrées, nous avions sélectionné 48 items, dont 12 consonnes isolées, afin de créer les paires étudiées. Nous avons donc traité les données acoustiques pour les 36 items dans lesquels la consonne était associée à au moins une voyelle, chez chaque locuteur.

5.3.2.1.4. Expérience n°6

Pour l’expérience n°6, réalisée sur papier, en ce qui concerne les données perceptives, nous avons entré manuellement les réponses des patients dans un tableau informatique en notant « 1 », pour le choix du premier item de la paire, ou « 2 », pour le choix du second, grâce au logiciel Excel (Microsoft, WA, Etats-Unis). Comme les patients avaient reçu la consigne d’indiquer l’item le plus difficile à produire dans chaque paire, nous n’avons pas manipulé les données. Celles-ci se distribuaient en deux classes distinctes : consonnes voisées et consonnes non voisées.

5.3.2.2. Physiques

Afin de traiter les données de la même manière pour toutes les expériences de production, nous avons notamment converti les fichiers de données physiologiques et aérodynamiques, de l’expérience n°4, en fichiers Rawalaw, pour les segmenter, les annoter et en extraire les données, comme pour les fichiers acoustiques, grâce au logiciel Praat (Boersma & Weeknink, 2014). Dans toutes les expériences, nous avons segmenté et annoté les items phonétiquement, à partir de l’onde sonore et du spectrogramme. Un exemple de segmentation des phonèmes étudiés dans un train de syllabes de l’expérience n°4 est présenté sur la Figure 19. Toutes les mesures ont été ensuite réalisées de manière automatique grâce à des scripts informatiques.

126

Figure 19 : exemple de segmentation des phonèmes étudiés au centre d’un train de syllabes en fonction du signal sonore et du spectre acoustique et présentation des signaux aérodynamiques et physiologiques

En ce qui concerne les données acoustiques, pour les enregistrements de production en parole vocale modale, nous avons d’abord déterminé le centre de gravité des voyelles, c’est-à-dire le point où les deux premiers formants étaient les plus rapprochés. Ce centre de gravité correspond environ au milieu des voyelles. En effet, dans l’expérience n°4, il se situe en moyenne à 49 pourcents (%) de la durée des voyelles, avec un écart-type de 20%, tandis que, dans l’expérience n°5, il se situe en moyenne à 45% de la durée des voyelles, avec un écart-type de 13%. Ensuite, autour de ce point et sur une fenêtre égale à trois fois et demie la durée moyenne d’un cycle vibratoire, nous avons mesuré la fréquence fondamentale (F0) en Hertz (Hz), l’amplitude relative des deux premiers harmoniques (H1-H2) en décibels (dB) et, pour l’expérience n°4 dans laquelle la distance du microphone était calibrée, le niveau de pression sonore (SPL) en dB également. Pour la F0, nous avons ensuite transformé la valeur obtenue en Hz en demi-ton (dT) en multipliant par 12, c’est-à-dire par le nombre de demi-tons entre une fréquence et le double de cette fréquence, le logarithme de base deux appliqué au rapport entre cette valeur de F0 et une valeur de 440Hz, puis en ajoutant 69dT, valeur correspondant à la fréquence de 440Hz (12*log2[F0/440]+69).

Toujours en ce qui concerne les données acoustiques, pour les enregistrements de production en parole vocale modale, dans les voyelles pré-consonantiques, nous avons relevé la fréquence instantanée (Fi) pour les dix derniers cycles vibratoires, c’est-à-dire l’inverse de la durée entre deux

127 pulses, puis nous avons converti la valeur obtenue en Hertz (Hz) en une valeur en demi-tons (dT) et, enfin, nous avons calculé la différence de Fi, entre le premier cycle et chacun des suivants, afin de mesurer la fréquence fondamentale relative (RFF) à initiation de la consonne, selon la méthode originale (Stepp et al., 2012). Nous avons calculé la différence entre la fréquence fondamentale (F0) relevée au niveau du centre de gravité de la voyelle et la valeur moyenne de Fi pour les trois derniers cycles vibratoires afin de mesurer la RFFa, selon notre adaptation de la méthode de Stepp.

Inversement, dans les voyelles post-consonantiques, nous avons relevé la Fi pour les dix premiers cycles vibratoires, nous avons converti chaque valeur obtenue en dT et nous avons calculé la différence de Fi, entre chacun des cycles et le dernier, afin de mesurer la RFF à la terminaison de la consonne, toujours selon la méthode originale. De même, nous avons moyenné la Fi pour les trois premiers cycles vibratoires et nous avons calculé la différence entre cette valeur et la F0 relevée au niveau du centre de gravité de la voyelle, afin de mesurer la RFFa selon notre méthode adaptée. Par ailleurs, nous avons également mesuré le taux de voisement (V%) des consonnes intervocaliques de manière automatique, en fonction du nombre de pulses et de la durée segmentale.

Enfin, pour tous les enregistrements de parole, vocale et chuchotée, modale et basale pour la parole vocale, usuelle et inusuelle ou contrôlée pour la parole vocale modale, nous avons mesuré la durée des voyelles, ainsi que des consonnes intervocaliques en secondes (s), en fonction de notre segmentation manuelle réalisée à partir du signal acoustique.

5.3.2.2.1. Expérience n°4

Ici, nous avons appliqué les mesures acoustiques aux quatre consonnes centrales de chaque train de huit syllabes simples directes consonne-voyelle (CV), ainsi qu’à leurs voyelles adjacentes, c’est-à-dire de la voyelle située dans la deuxième syllabe à la voyelle située dans la sixième. La sélection des phonèmes dans un train de syllabe est illustrée par la Figure 20.

128

Figure 20 : consonnes et des voyelles sélectionnées dans chaque train de syllabes

En plus de ces mesures acoustiques, dans tous les enregistrements de l’expérience n°4, nous avons réalisé des mesures aérodynamiques. Au niveau des voyelles, nous avons mesuré la valeur minimale de pression sus-glottique ou intra-orale (IOP), en hectopascals (hPa), et le débit du flux d’air trans-articulatoire (TAF) correspondant, en litres par secondes (L/s). En divisant l’IOP par le TAF, nous avons calculé la résistance articulatoire (AR) minimale des voyelles, en hPa/L/s. Au niveau des consonnes, à l’inverse, nous avons mesuré la valeur maximale de IOP et, dans le cas des consonnes fricatives, le TAF correspondant. Pour ces consonnes fricatives, nous avons donc aussi calculé l’AR maximale. Par ailleurs, nous avons calculé la différence d’IOP entre les consonnes fricatives non voisées et voisées d’un même train de syllabes, rapportée à leur différence de TAF, afin de figurer la différence de résistance glottique (GR). Pour les consonnes occlusives, nous avons considéré que le TAF était toujours nul, donc que l’AR était totale. Nous avons alors calculé la différence d’IOP entre les consonnes occlusives non voisées et voisées d’un même train de syllabes pour figurer la différence de pression autour de la glotte (ΔGP), en supposant que la pression sous-glottique (SGP) était constante pendant la production de ce train de syllabes. Enfin, pour toutes les consonnes, nous avons mesuré les pics de TAF précédant la fermeture et suivant le relâchement. Par ailleurs, à titre d’exemple, nous avons mesuré une durée aérodynamique des consonnes, entre le pic de TAF précédant et le pic de TAF suivant leur articulation.

Dans tous les enregistrements de cette expérience, nous avons aussi réalisé une mesure physiologique. Pour la consonne, nous avons relevé le pic négatif et le pic positif sur le signal de pression mécanique de contact (MCP) au niveau de la lèvre inférieure et nous avons mesuré leur écart dans une unité arbitraire (u). Comme nous l’avons mentionné plus haut, des contraintes temporelles liées à la réalisation de cette thèse nous ont empêchés de réaliser des mesures sur le

129 signal enregistré en électroglottographie (EGG). Par ailleurs, là encore à titre d’exemple, nous avons mesuré une durée physiologique des consonnes, entre le premier et le second pic de MCP.

5.3.2.2.2. Expérience n°5

Dans l’expérience n°5, nous avons appliqué toutes les mesures acoustiques décrites plus haut sur toutes les voyelles et toutes les consonnes, dans tous les items enregistrés.

5.3.2.2.3. Expérience n°6

Dans l’expérience clinique, nous avons également appliqué les mesures acoustiques décrites plus haut sur toutes les voyelles et toutes les consonnes, dans tous les items étudiés.

Expérience

n°1 n°2 n°3 n°4 n°5 n°6

Données Perceptives Perceptives Perceptives

Physiques

automatiques Uniformisation Uniformisation –

Conversion,

Tableau 35 : récapitulatif du traitement des données pour les six expériences