Die Bedeutung geblockter Zeitfenster für die auditive Wahrnehmung und Sprachperzeption

 

 

 

 

 

 

Ein neuronales Modell der starken auditiven Theorie akustisch/sprachlicher Wahrnehmung

 

 

 

 

 

Mag.Dr.Frenkenberger Gerald

 

Salzburg, August 2006

 

 

Universität Salzburg
Fachbereich Linguistik
 

 

---

 

 

Inhalt:

 

 

 

0 Sprachverarbeitung im Zeitfenster 4

1 Sequentielle Perzeptionsverarbeitung 4

2 Neuronale Muster 8

2 Das Hören mit 20ms Blöcken 14

3 Von kleinen und großen Blöcken  in der Sprachentwicklung 26

4 Sprachliche Leistungen auditiv geblockt 40

5 Ausblicke und Einsichten 45

6 Literatur 47

 

---

0 Sprachverarbeitung im Zeitfenster

 

Abstract: Derzeit häufig zitierte Modelle und Untersuchungen zur Sprachperzeption gehen von einer seriellen Verarbeitung von Sprachschall aus. Die Erkenntnisse aus diesen Modellen führen zu dem Schluss, dass zeitlich abgesenkte Wahrnehmungsleistungen zu Beeinträchtigungen in den Sprachleistungen von Menschen führen. Zeitlich kleinere Segmente, wie z.B. VOT oder Konsonanten, könnten dann nicht mehr richtig erkannt werden, was als Ursache für solche Sprachauffälligkeiten angeführt wurde und wird. Dies postulierten unter anderem Tallal et al. mit ihren Untersuchungen, aber auch Arbeiten von Elfenbein et al., Wright et al., Witton et al., belegen zumindest teilweise Zusammenhänge zwischen verlangsamter Wahrnehmung und den schwächeren Leistungen im sprachlichen Bereich von Probanden.

Therapieprogramme, die in diese Richtung zielen und durch verschiedene Mittel die Wahrnehmungsgeschwindigkeit der Probanden zu erhöhen trachten, erzielen aber nicht den erwarteten durchschlagenden Erfolg (Suchodoletz, 2003, 136-157). Zudem zeigen Untersuchungen von Berwanger et al., 2002, bei Kindern mit einer Sprachentwicklungsstörung, einer Lese-Rechtschreibstörung und kognitiv verzögerten Kindern sowie einer unauffälligen Kontrollgruppe keinerlei signifikante Unterschiede hinsichtlich ihrer zeitlichen Verarbeitungsfähigkeiten.

In dieser Abhandlung soll auf der Grundlage neurer linguistischer und neurologischer Erkenntnisse ein frequenzbasiertes Sprachverarbeitungsmodell entworfen werden, das den Faktor Zeit weitgehend ausblendet.

---

1 Sequentielle Perzeptionsverarbeitung

 

 

Im auditiven Bereich war man lange versucht sich vorzustellen, dass einlangender Sprachschall in Phoneme oder Phonemkombinationen zerlegt wird, in denen sich physikalisch greifbare Konzepte verbergen, die einem Hörer die Perzeption von akustischen Inhalten, speziell Sprache ermöglichen sollten. Diese physikalisch detektierbaren Items im Schall würden sodann durch Hörer sequentiell abgearbeitet und würden die entsprechende auditive Wahrnehmung ermöglichen. Der psychische Aspekt des Hörers entzog sich der Beobachtung und wurde allenfalls im Fechnerschen Sinn einer psychischen Umsetzung der physikalischen Informationen in Betracht gezogen. Umrechnungen lieferten einen direkten Bezug zwischen Physik und den Sinnen des Menschen.

 

Weber-Fechnersches Gesetz: Fechner (1860, Seite 13): "... γ = k log β/b ...  Die Grösse der Empfindung (γ) steht im Verhältnisse nicht zu der absoluten Grösse des Reizes (β), sondern zu dem Logarithmus der Grösse des Reizes, wenn dieser auf seinen Schwellenwert (b), d.i. diejenige Grösse als Einheit bezogen wird, bei welcher die Empfindung entsteht und verschwindet, oder kurz, sie ist proportional dem Logarithmus des fundamentalen Reizwertes. ..."

 

Man nahm an, dass in jedem Sprachschall akustische Identitäten mitkodiert sein müssten, die ein Hörer entsprechend dekodiere. So vermutete man in den kurzen Schallsignalen der Plosivlauten enkodierte Informationen zur Art des Plosivlautes, in den längeren akustischen Signalen von Vokalen entsprechend mehr Kodierungen, die etwa Prosodie oder silbische Informationen lieferten. Eimas (1973)^[1] stellte die Hypothese eines Merkmaldetektors auf. Ein solcher Merkmalsdetektor sollte helfen, diese im akustischen Signal verschlüsselten Sprachphoneme auch über verschiedene variierende Parameter hinweg^[2] erkennen zu können. Dieser Merkmalsdetektor ist angeboren und könnte auch in Tieren zumindest rudimentär vorhanden sein. Experimente von Eimas (1971)^[3] mit Kleinstkindern zeigten u.a., dass ein solcher Detektor auch angeboren sein müsse. Diese Experimente führten ihn und andere Forscher zur Hypothese eines Merkmaldetektors. Kuhl (1979)^[4] untersuchte das Normalisationproblem und konnte belegen, dass schon Kleinkinder unter 1 Jahr über verschiedene Sprecher hinweg gleiche Vokale mittels eines solchen angeborenen Merkmaldetektors perzipieren können.

Liberman, Cooper, Shankweiler and Studdert-Kennedy, M.^[5] konstruierten aus dieser Annahme, dass diskrete akustische Einheiten Sprachlaute enkodieren, die Hypothese, dass im Hörer ein entsprechender sprachspezifischer Dekodierungsmechanismus vorhanden sein müsse, der diese Dekodierung leisten könnte. Das Modell der „Motor Theory of Speech Perception“ war geboren. Das Invarianzproblem^[6] wurde auf die motorisch-neuronale Seite verlagert – die innere akustische Wiederholung von perzipiertem Sprachschall führt zur Stimulierung passender motorischer Befehle. Dadurch gelingt es dem Hörer, die variierenden Laute im Schallfluss eindeutig zu dekodieren und phonemisch zu zuweisen.

 

Wären die einzelnen Lauteinheiten, Phoneme, nicht enkodiert, so müsste ein Hörer bei 3 bis 4 diskreten Einheiten pro Wort und 400 Wörtern pro Minute rund 30 Lauteinheiten pro Sekunde perzipieren, was unmöglich erscheint.

 

Trotz dieser Überlegungen, oder gerade deswegen, schlossen zahlreiche Forscher der letzten Jahrzehnte aufgrund eigener Diskriminations-Experimente auf ein  Zeitproblem bei Hörern/Sprechern mit Lese-Rechtschreibschwächen.

Tallal et al. schlossen aus dieser Vorstellung und eigenen Untersuchungen, dass ein Nichterkennen 40ms kurzer Sequenzen unweigerlich zu Defiziten in der Sprachwahrnehmung und in Folge auch zu Produktionsschwächen führen müsse. Schließlich sei Stimmhaftigkeit und Stimmlosigkeit eines Stopkonsonanten durch die oft geringeren Zeiten des Stimmeinsatzes nach der Explosionsöffnung bestimmt. Die VOT Erkennung könne also bei verzögerter Zeitwahrnehmung nicht funktionieren. Analog dazu wären auch die Erkennungsleistungen für andere Phoneme und Phonemkombinationen erschwert. Der Enkodierungsapparat eines Hörers ist zeitlich überfordert und kann die passenden Phoneme daher nicht dekodieren.

 

Aus diesen Denkansätzen und Experimenten entwickelte Förderprogramme führten zu Erfolgen der Lese- und Sprechleistungen, aber, wie Suchodoletz (2003)^[7] ausführt, leider nicht zu generellen Erfolgen. Ein Zusammenhang zwischen auditiver Wahrnehmungsleistung von Schallveränderungen in kleinen Zeitbereichen und den sprachlichen Leistungen lässt sich zwar aufzeigen, stellt aber keine zwingende Notwendigkeit für schlechtere sprachliche Leistungen dar.

 

Eine Änderung in der Sichtweise des akustischen Signals und der perzeptiven Verarbeitung des Signals durch einen Hörer erfolgte durch erste Experimente und Überlegungen von Ungeheuer(1972)^[8], der in einer Signalkette mit verschiedenen Modulen auch den psychischen Bereich als ein Verarbeitungsmodul einführte. Der psychische Bereich als eigener Untersuchungsgegenstand wurde aber vor allem durch die neueren Techniken, wie Magnetresonanz, vorangetrieben.

 

In der neueren perzeptiven Phonetik stehen subjektive neuronale Perzepte eines Hörers auf dem Prüfstand, die ad personam einmalige Perzepte, Empfindungen, Kategorien bilden, die erst im Output einer Person wieder intersubjektiv erfahrbar werden und sodann mit der physikalischen Welt ihre funktionale Abhängigkeit von dieser zeigen.

 

Es sei nochmals betont, dass das Wesen auditiver Perzeption nicht in der Wahrnehmung zeitlich veränderlicher Parameter, wie Frequenz und Schallstärke, liegt, sondern in der Wahrnehmung von Strukturen im psychischen Bereich.

Zeitlich verzögerte Wahrnehmung sagt uns daher etwas über die auditive Verarbeitungsgeschwindigkeit metaauditiver Art, so wie bei der Betrachtung zweier an sich identer Fotos mit minimalen Unterschieden dies auf einer metavisueller Ebene geschieht.

---

 

2 Neuronale Muster

 

 

Die akustische Schallwahrnehmung unseres Gehörs umfasst Frequenzbereiche von rund 16 Hz bis 16 kHz. Wir sind in der Lage weniger als 1 Hz Unterschiede wahrzunehmen. Solche Diskriminationen sind aber in ihrer Art metalinguistisch und metaauditiv, vergleichbar mit der Aufforderung bei zwei fast gleichen visuellen Bildern auf Unterschiede zu achten.

 

Zwicker (1999)^[9] belegte mit den Ergebnissen aus zahlreichen Untersuchungen, dass Sprachschall in Frequenzgruppen verarbeitet wird. Dieses psychoakustische Modell verteilt unseren wahrnehmbaren Frequenzbereich auf 24 Frequenzgruppen.

 

Abbildung 1: Frequenzgruppen nach Zwicker (1999) mit Grenzfrequenzen

In der Verarbeitung von Sprachschall spielt das Erkennen von auditiven Unterschieden keine entscheidende Rolle. Die Schalleinträge beschäftigen zwar alle 3600 Haarzellen, es können auch kleinste frequenzielle Unterschiede gehört werden, sprachlich bedingter Schall wird jedoch in 24 Blöcke (Barks) aufgeteilt und in diesen Blöcken (Zeitfenster) verarbeitet. Dabei erregen jene Blöcke dahinterliegende neuronale Gruppen, die durch Schallintensität signalisieren, dass in diesem Block Frequenzanteile vorliegen, die im einlangenden Schall prominent sind. Die Prominenz dieser Einträge bleibt für den Zeitraum von 20ms relativ stabil, darüber hinaus stellen auch Veränderungen kein Hindernis für eine strukturelle Verarbeitung dar.

Die Neuronengruppen vergleichen also nicht von Millisekunde zu Millisekunde, welche Frequenzgruppe in welchem Block besonders prominent wird.

 

Die Neuronen summieren nach einem Zeitraum von rund 20ms die bei ihnen eingelangten Signale. Sie machen sich alle 20ms quasi ein diskretes Bild von den Schalleinträgen in den Blöcken.

Aufgrund dieser frequenziellen Einträge des Schallsignals in den 20ms Fenstern unserer „Antennen“, den Haarzellen der Cochlea, bilden sich synaptische Verbindungen im akustischen Kurzzeitgedächtnis. Werden durch kurz darauf einlangende ähnliche Signale wieder gleiche BARKs angesprochen und dadurch dahinterliegende gleiche synaptische Verbindungen angeregt, so werden die einmal geschlossenen synaptischen Verbindungen schließlich in einem genetisch veranlassten Prozess des Zellkerns durch chemische Einträge gestärkt. Die nun chemisch gesetzten Verbindungen zwischen den einzelnen Neuronen bedeuten eine Verankerung der Blockinhalte im Langzeitgedächtnis durch dauerhafte synaptische Verknüpfungen. (Spektrum der Wissenschaft, 09_2005)

 

Diese im akustischen Langzeitgedächtnis gespeicherten Inhalte stehen nun aber keinesfalls für sich allein. Sie sind in einem dynamischen Kerngefüge, dem thalamo-kortikalen System (Edelman 2000, 245) verknüpft. Zur Unterscheidung der Speicherinhalte benötigt man außer tonalen Neuronen andere neuronale Gruppen. Wenn Vokale mit ihren integrierten Hauptkomponenten, den Frequenzformanten F1 und F2, das einzige wären in einem neuronalen Raum, so gäbe es keine Möglichkeit zu unterscheiden, was ein Vokal ist und was nicht (eben alles andere). Die Unterscheidung benötigt andere und weitere (neuronale) Dimensionen, die eine Eingrenzung und Verknüpfung zu tonalen, visuellen und anderen Dimensionen ermöglicht.

 

Die pro BARK enthaltenen Informationen werden also zu einem einzigen Wert integriert. Diese neuronalen Werte zusammen ergeben ein tonales Muster, das durch Verknüpfung mit vielen anderen neuronalen Gruppen (visuell, taktil, sensorisch...) tonalen (einzelner Laut), tonal-semantischen (eine Silbe, eine Lautkombination) oder semantischen Sinn (Wort) dieses neuronal digitalisierten Wertes ergibt. Diese neuronalen Muster dienen andererseits wieder als Schablonenmuster zum Abgleich mit neu einlangenden Schallwerten, die aus den Schallsignalen in den einzelnen Zeitfenstern gewonnen wurden.

 

Abbildung 2: Schema einer neuronalen Schallabtastung in Zeitfenstern

---

2 Das Hören mit 20ms Blöcken

 

Wie aus zahlreichen Untersuchungen hervorgeht, ist die Analyse von Schalleindrücken in 20ms Fenstern elementar und wird von Mensch und Tier verwendet. (Rosner & Pickering, 1994) Sie ist noch nichts sprachspezifisches, wenngleich durch entsprechende Verknüpfung ein Hund seine neuronalen [i] - Einträge von [o] - Analysen unterscheiden kann, er versteht ein {sitz} und ein {hol} des Herrls und bei entsprechender multidimensionaler Verknüpfung wird er den akustischen Befehl des prominenten [i] - Eintrags vom [o] - Eintrag unterscheiden lernen und mit von ihm dabei verlangten Aktionen verknüpfen.

Auf die Frage, ob es einen speziellen perzeptiven Verarbeitungsmechanismus gibt und dadurch die perzeptive Konstituierung von Sprachlauten gelingt, gibt es nach Ergebnissen aus experimentellen Untersuchungen von Piroth(2005)^[10] eindeutige Hinweise darauf, dass der Sprachwahrnehmungsprozess zwar vielfältig verläuft, es aber zwei grundsätzliche Verarbeitungsmechanismen gibt.  Es gelingt eine schnellere Diskrimination auf der Ebene kategorialer Repräsentationen, sowie einen langsameren Mechanismus.

 

Piroth (2005): „Mit Blick auf die Experimente … kann jedoch als gesichert gelten, dass ein solcher sprachtypischer –wenn vielleicht auch nicht auf sprachliche Wahrnehmung beschränkter – Mechanismus auch parallel oder alternativ zu auditorischen Verarbeitungsprozessen ablaufen kann, die auf einer subkategorialen Ebene arbeiten.“

 

Rosner und Pickering(1994)^[11] schlossen 1994 ebenfalls auf der Sichtung älterer linguistisch – phonetischer Experimente auf das Vorhandensein von 2 Mechanismen auditiver Verarbeitung – sie nannten es Analysefenster und unterschieden ein kürzeres mit 20ms von einem längeren, das sie vor allem der sprachlichen Verarbeitung zuschrieben. In meiner Dissertation^[12] konnte ich in Experimenten mit CI-Hörern diese Verarbeitungsstrategien ebenfalls belegen. Ich belegte diese 2 Verarbeitungsstrategien mit den Namen Zeitfenster1 und Zeitfenster2. Diese aus heutiger Sicht unglückliche Wortwahl ließ und lässt bei nur oberflächlicher Betrachtung meiner Arbeit eine sequentiell behaftete Analyse einlangender Sprachsignale vermuten. In den Zeitfenstern werden Strukturen festgelegt, die neuronal präsent sind.

Weitere Hinweise auf die Stimmigkeit der Annahme einer zweigleisigen parallel ablaufenden Verarbeitungsstrategie für Schallsignale durch Hörer zeigen die Ergebnisse aus Untersuchungen von Dogil et.al.^[13] In den Ergebnissen stellte sich heraus, dass entgegen der Annahme, dass bei komplexen phonetisch/phonologischen Experimenten das Ausmaß global-neuronaler Vernetzung steigen sollte, das Gegenteil der Fall war. Komplexere Aufgaben wurden fokusiert verarbeitet.

 

Zur begrifflichen Klärung ist es notwendig die in den zitierten Arbeiten verwendeten Begriffe abzugleichen. Zeitfenster1 nach Frenkenberger meint dabei das kürzere 20ms Fenster nach Rosner, ist synonym mit dem generellen auditorischen Mechanismus nach Piroth und mit der breit gefächerten neuronalen Netzwerkverarbeitungstrategie nach Dogil.

Auf den zweiten Mechanismus soll weiter unten eingegangen werden.

 

Nun soll der Ablauf neuronaler Transformation des akustischen Schallsignals auf der individuell perzeptiven Ebene eines Hörers skizziert werden.

Das Wort {baum}, phonetisch [baUm], zerfällt bei einer Blockanalyse mit 20ms Fenstern bzw. akustischen Fotos, wie weiter oben ausgeführt, in hier postulierte 15 neuronale Blöcke.

 

Abbildung 3: Modell der Verknüpfung mit 20ms Block-Analysen

Die Weiterleitung der Aktionspotentiale der anfangs erregten Neuronengruppen führt zu einer integrierten neuronalen Endverknüpfung, hier in der letzten Spalte durch Symbole dargestellt.      

                

 

Wie im auditiven, so entstehen auch im visuellen Bereich zahlreiche neuronale Endverknüpfungen, deren synaptische Verbindungen durch Einträge aus dem Sehsinn entstanden sind. Die visuellen Dimensionen Farbe, Form, Schattierungen, Linien und Strukturen eines Baumes werden im gesamten dynamischen Kerngefüge des Gehirns ebenfalls wieder integriert mit anderen Bereichen, so auch mit den angeführten akustischen Einträgen.

 

Da wir über eine differenzierte Möglichkeit des Farbensehens verfügen, ist anzunehmen, dass sich verschiedene neuronale Gruppen um die unterschiedlichen Farben kümmern. Ebenso werden Formen, Linien und Strukturen in verschiedenen Arealen bearbeitet, sodass auch im Bereich der visuellen Verarbeitung mit einer Vielzahl an End- und Speicherpunkten für den visuellen Eindruck Blatt zu rechnen ist. Diese visuellen Neuronengruppen werden mit tonalen und anderen Dimensionen verwebt.

 

Erst dieses komplexe neuronale Muster erlaubt uns die Einordnung der tonalen Dimensionen.  In diesem hier vorgestellten Modell  werden somit 15 auditiv-neuronale Endspeicherpunkte synaptisch mit einer Vielzahl an visuellen Analyseeinträgen, aber auch anderen neuronalen Bereichen, die hier nicht berücksichtigt wurden, des erblickten Baumes verknüpft und im Langzeitgedächtnis schließlich integriert. (Hebb, ....)

 

Abbildung 4: Tonale und visuelle Strukturen verknüpft

Das tonale Muster {baum} wird mit dem visuellen Muster {baum} in vielfältigster Weise verknüpft.

 

 

Die Verarbeitung, Vernetzung, Erkennung tonaler Einträge durch unser Gehirn funktioniert somit über eine blockweise gestaltete Muster und Mustererkennung.

 

Das tonale Muster {baum} wird mit dem visuellen Muster {baum} in vielfältigster Weise verknüpft. Obwohl, oder gerade weil, die tonalen Muster in 20ms Fensterschritten aufgebaut werden, können bereits vor dem Einlangen der letzten BARK-Einträge Wörter „gehört“ bzw. aus den Vernetzungen erkannt werden. Dieses Voraushören bzw. Überhören von Lücken oder verrauschten Sprachsignalpassagen ist in vielen linguistischen Experimenten gut dokumentiert und findet seine Erklärung in den tonalen Mustereinträgen.

 

Wäre eine sequentielle Analyse mit einem Vorher/Nachher Vergleich Grundlage akustischer Perzeption, so müsste die Rekonstruktion verrauschter Wörter misslingen, da dort vorausgehende und nachfolgende Vergleichsparameter fehlten.

 

Auch die in Experimenten gut dokumentierte kategorisierte Wahrnehmung von Konsonanten und Vokalen ist bei Annahme einer akustischen Musterwahrnehmung von Schall einfacher zu erklären. Dies sei nochmals an unserem modellhaften neuronalen Sternchenmuster anhand des Kategorienwechsels von [b] nach [d] verdeutlicht. Fließende Übergänge bei nach unten oder oben gleitenden F2 Werten können nicht gehört werden.

 

Ab bestimmten Grenzwerten werden andere neuronale Verbindungen aufgerufen oder geknüpft, wie ein Vergleich der beiden folgenden Tabellen zeigen soll. Unser Gehirn entscheidet demnach entweder [b] oder [d], das Hören eines Zwischenzustands ist aufgrund unserer neuronalen Struktur- und Verarbeitungsweise nicht möglich.

Daher sei nochmals betont:

Hören als eine sequenzielle Analyse des sequenziell eintreffenden Schallsignals zu begreifen, führt zu falschen Schlussfolgerungen, wenn auf eine zeitlich eingeschränkte Schallwahrnehmungsfähigkeit geschlossen wird und dies als Ursache für verminderte sprachliche Leistungen gelten soll. Dem ist aber nicht so, wie unsere Überlegungen plausibel zu machen versuchten.

Zeitfenster1 nach Frenkenberger meint dabei das kürzere 20ms Fenster nach Rosner, ist synonym mit dem generellen auditorischen Mechanismus nach Piroth und mit der breit gefächerten neuronalen Netzwerkverarbeitungstrategie nach Dogil.

Dieser grundlegende Verarbeitungsmechanismus erzeugt Endmuster mit zahlreichen neuronalen Verknüpfungen.

 

Diskriminationsaufgaben, die das Erkennen von tonalen Unterschieden im Rahmen zeitlicher Veränderungen ansprechen, gehen somit am Wesen tonaler Sprachperzeption vorbei. Die neuronalen End-Einträge aus den einzelnen BARK-Fenstern ergeben ein vernetztes Muster, welches für eine bewusste Perzeption des tonalen Ereignisses völlig ausreicht.

Viele Diskriminationsaufgaben, wie das Erkennen von Lücken in tonalen Folgen, das Diskriminieren lautlich tonaler Unterschiede und ähnliche Experimente verlangen von den Probanden aber das Erkennen von Veränderungen in der Zeit. Solche Vorher/Nachher-Vergleiche metalinguistischer Art sind für die Perzeption sprachlicher Laute nicht notwendig. Es werden durch solche Aufgaben daher andere auditive Fähigkeiten getestet.

Auch Maskierungsexperimente im 20ms Bereich beeinträchtigen maximal einen BARK-Block. Unsere Mustervernetzung ist aber derart redundant (vergl. Abb.3), dass nicht verwundert, wenn auch bei solchen Experimenten kein eindeutiger Zusammenhang mit minderen sprachlichen Leistungen auftritt. Modulationsdiskriminationsexperimente testen ebenfalls nichtsprachliche Parameter, der zugrunde liegende Musteraufbau eines Schallsignals wird auch hier nicht abgefragt und berührt.

Durch diese falsche Einschätzung der Zeitkomponente im Sprachschall konnten in Therapieprogrammen durch Zeitwahrnehmungstraining auch nur vereinzelt Erfolge erzielt werden. (Suchodoletz,....) Nur in wenigen Fällen konnten tatsächlich sprachliche Verbesserungen aufgezeigt werden, deren Ursachen von Suchodoletz aber auf viele andere Faktoren, wie größere Zuwendung, häufigere Übungssequenzen und anderes zurückgeführt werden.

Die Ursache für diese geringen Trainingserfolge liegt also in der Vernachlässigung des in dieser Arbeit aufgezeigten Modells neuronaler Verarbeitung der tonalen Einträge durch unser Gehirn. Wie aus unserem Modell von Schallverarbeitung hervorgeht, müssen die neuronalen Endwerte der 20ms Zeitfensteranalysen mit anderen thalamo-cortikalen Neuronennetzen verknüpft werden, um als tonales Ereignis bestimmter Art erkannt zu werden. Diese Verknüpfungen sind im Langzeitgedächtnis beständig  integriert und gespeichert. Gelangt eine bestimmte Kombination von Endwerten in unseren thalamo-cortikalen Kreis, so werden bestehende Langzeitverknüpfungen angesprochen und entsprechende semantische, tonale u.a. Vorstellungen bei uns angeregt und uns bewusst.

 

Für diese tonalen oder tonal- semantischen Bewusstheiten ist der Hörer auf keine zeitlich bedingten Vorher/Nachher-Unterscheidungen angewiesen!

 

In unserem sprachlichen Umfeld sind die frequenziellen Endwerte ausreichend stabil, da sie von einer beschränkten Menge uns bekannter Sprecher stammen. Uns unbekannte Sprecher, bei denen die neuronalen Endwerte stark von unseren neuronalen Mustern abweichen, müssen durch Ablegen veränderter Muster korrigiert werden. Das benötigt eine bestimmte Zeit, bevor uns wieder eine erfolgreiche thalamo-cortikale Verknüpfung verschiedener neuronaler Systeme gelingt. Diese Einhörzeit für Sprecher  mit Akzent, bei Mickey Mouse Stimmen und anderen von unseren Hörnormen abweichenden Stimmen ist uns als Hörer wohl bekannt. Wir benötigen mehrere Sätze und Minuten Einhörzeit, bis wir dem uns fremden Sprecher mit den abweichenden tonalen Endwerten inhaltlich folgen können. In dieser kurzzeitig verlängerten Verarbeitungszeit legt unser neuronales System die neuen Muster an, oder zieht die vorhandenen Muster an die einlangenden Zeitfenstereinträge und integriert diese neuronalen Strukturen, sodass tonales Erkennen und semantische Verarbeitung gelingen.

 

Abschließend soll nun noch der Versuch unternommen werden, die visuelle Verarbeitung mit der tonalen in ihren Wesenszügen zu vergleichen, dabei beschränken wir uns auf die beiden Informationen Farbe und Form:

Nehmen wir also mehrere Baumblätter, einige Äste und mehrere Blüten, die wir hintereinander, wie die Koffer am Flughafen, auf ein Förderband legen. Das Förderband kommt aus der Wand, wir wissen daher nicht welche Pflanzenteile die nächsten sein werden.

Stellen wir uns nun die Aufgabe, die Blätter unter den aufgelegten Baumbestandteilen zu  diskriminieren. Wird ein Blatt präsentiert, so werden wir nicht auf den nächsten nachfolgenden Baumteil warten müssen, bis wir das Blatt als Baumblatt erkennen.  Wir haben in unserem Gehirn genügend global-neuronale Verknüpfungen aus der Analyse von Form und Farbe eines Gegenstandes angelegt, um auf das Blatt schließen zu können. Wir brauchen dazu keine Diskrimination nachfolgender oder vorausgegangener Gegenstände.

So auch in der Sprachperzeption: Die Farben sind hier die unterschiedlichen frequenziellen Muster, die einzelnen Sprachlauten zu Eigen sind, die Form ergibt sich aus der Anzahl der 20ms Endwerte, die zu einer integrierten Verknüpfung im Langzeitgedächtnis führen. Kein Hörer vergleicht Vorher/Nachher Sequenzen, so wie kein Seher die verschiedenen Grüntöne eines Blattes nacheinander Abtasten muss, damit Perzeption gelingt. Stimmt die Farbe zur Form gelingt die Perzeption ad hoc. Weicht das Blatt in Farbe und Form von unseren visuellen Schablonen stark ab, so benötigen wir eine längere Verarbeitungszeit. Dabei vergleichen wir mit unseren intern vorhandenen und gespeicherten Blattmustern und ziehen bei Bedarf die Schablonen zu den abweichenden visuellen Eindrücken, sodass z.B. auch ein blaues Blatt als Baumblatt akzeptiert werden kann. Vorhandene Blattformen und Farben müssen an die neuen Eindrücke angeglichen werden, das Einordnen und Erkennen gelingt nach mehrmaligem Auftreten dieser Blattsorte. Dieser Vorgang ist mit der oben beschriebenen verlängerten Einhörzeit für unbekannte Akzente und Stimmen vergleichbar.

Diskrimination von Veränderungen in der Raumzeit interpretiert das Gehirn als Bewegung, sowohl in der auditiven als auch in der visuellen Wahrnehmung. Im visuellen Bereich müssen diese Positionsänderungen mindestens 12 Mal pro Sekunde erfolgen, um Bewegung wahrzunehmen. Einzelbilder müssen also weniger als 0,08s oder 80ms an einer Position verharren, um als bewegt perzipiert zu werden. Positionsveränderungen spielen auch im auditiven Bereich eine Rolle: Richtungshören lebt von Positionsveränderungen. Für Positionsveränderungen sind Diskriminationsexperimente, die ein zeitliches Vorher/Nachher testen, gerechtfertigt. 

Übrigens gibt es auch hiezu eine auditive Parallele:

Einsilbige Wörter der Form CV, CVC oder CCV, die ein Länge von 80 bis 100ms nicht übersteigen, werden als unveränderliche Einheit wahrgenommen, Bewegungen im Sinne eines länger Verweilens mit Vorher/Nachher Erkenntnissen sind bei solchen Silben grundsätzlich nicht zu erkennen. Sprechen wir uns die Worte {geh} vs. {gehsteig} laut vor, so wird das eben Gesagte erlebbar. 

Erst ein nachträgliches Reflektieren ermöglicht die Sequenzierung und das Erkennen von phonetischen Einzelheiten. Dies leisten Kinder zum ersten Mal im Vorschulalter, die Psychologie spricht von phonologischem Stadium. Gelingt Kindern diese Sequenzierung nicht, so können Leseschwächen die Folge sein.

Die Arbeit mit 20ms Blöcken ist, wie oben bereits ausgeführt, grundlegende auditive neuronale Arbeit. Sie wird von  allen menschlichen Hörern verwendet und spielt besonders in der Sprachentwicklung eine Rolle.

Kinder bis ca. 4 bis 5 Jahren arbeiten mit diesem tonalen Verarbeitungsschema. Dieses wird erst in der weiteren Sprachentwicklung zwischen 5 bis 15 Jahren aufgebrochen. Es erfolgt eine neuronale Umstrukturierung im sprachlichen Bereich. Diese Unterschiede zu kindlichem bzw. tierischem Hören werden im nächsten Abschnitt aufgezeigt.

 

 

 

---

3 Von kleinen und großen Blöcken  in der Sprachentwicklung

 

 

20ms ist die allen Menschen und Tieren gemeinsame Dauer für die Analyse eines Schallsignals. Mehrere dieser neuronalen Zeitfenster zusammen ergeben neuronale Muster, die mit weiteren thalamo-cortikalen Bereichen des Gehirns verknüpft werden und auditive Perzeption ermöglichen. Diese 20ms Blöcke Endwerte ergaben in unserer modellhaften Darstellung für das Wort {Baum} 16 neuronale Einträge. Entsprechend vielfältig und aufwendig fallen die thalamo-cortikalen Verknüpfungen untereinander und mit anderen Systemen aus. Dies kann beim Hören fremder Idiome zu langen Verarbeitungszeiten führen.

Die sprachliche Kommunikation mit Kleinkindern wird durch Motherese erleichtert. In fast allen Sprachen der Welt ist Motherese als besondere Sprachform von Erwachsenen mit Kleinkindern dokumentiert.

 

Ein Kennzeichen von Motherese ist langsames und deutliches Artikulieren, Kleinkinder können ihren engeren Bezugspersonen dann am leichtesten folgen.

Jugendliche und Erwachsene Hörer scheinen weitere Mechanismen zu verwenden, da diese in der auditiven Perzeption flexibler und schneller reagieren können als Kleinkinder. Dieser weitere Mechanismus wird im Folgenden aufgezeigt werden.

 

Rosner und Pickering (1994) postulierten aufgrund zahlreicher linguistischer Experimente, dass unsere auditive Wahrnehmung zwei akustische Analyseschritte beherrschen müsse. Koartikulativ bedingte Veränderungen von tonalen Ereignissen, das heißt die Veränderung von Konsonanten und Vokalen durch nachfolgende oder vorausgehende Items könne durch größere Analysefenster bessere Ergebnisse in der akustischen Perzeption bringen. 

 

Hier sei nochmals auf die Ergebnisse der experimentellen Untersuchungen von Piroth (2005), sowie Dogil et. al.(2000), die ebenfalls 2 Mechanismen in der Schallverarbeitung aufzeigen konnten.  Zur begrifflichen Klärung des zweiten auditiven Verarbeitungsmechanismus möchte ich an dieser Stelle wieder die in den zitierten Arbeiten verwendeten Begriffe abgleichen. Zeitfenster2 nach Frenkenberger(2001) meint dabei jenes längere Analysefenster, das  nach Rosner unter anderem für phonologische Verarbeitung Verwendung findet. Dies ist synonym mit dem schnellen Detektionsprozess nach Piroth, der auf der ebene kategorialer Repräsentationen stattfindet. Bei Dogil wird dafür der Begriff lokal fokusierter neuronaler Areale verwendet.

 

Frenkenberger (2001) konnte in Identifikationsaufgaben nachweisen, dass Kinder zwischen dem 5. und (individuell +/- 3 Jahre) dem 17. Lebensjahr ihre 20ms Muster tatsächlich zu größeren Einheiten zusammen fassen. In diesem Experiment wurden [e] Vokale präsentiert. Die Kinder hatten die Aufgabe zu beurteilen, ab welcher Länge das [e] kein [e] mehr sei. Vokale mussten eine Länge über 20ms aufweisen, um als Vertreter ihrer Art durch die kindlichen Hörer akzeptiert zu werden. Zumeist wurden Längen über 50ms von den jugendlichen Hörern angegeben. In der folgenden Abbildung sind die im Diagramm  rot eingezeichneten Werte der NORM Hörer den grün markierten CI-Hörern gegenübergestellt. Deutlich fällt bei den NORM Hörern auf, dass die Urteile über das Hören eines guten /e/ Vokals einer Veränderung über die Lebensjahre unterliegen.

Abbildung 7: Die rot eingezeichnete Kontrollgruppe von Hörern zeigt ebenso wie die CI-Hörer angehobene Werte zwischen dem 5. und 18. Lebensjahr bzw. Höralter der CI-Hörer.

 

Aufgrund der erhobenen Zeitfenster1 Längen, der 20ms Abschnitte, lassen sich Hörer demnach in folgende fünf Gruppen einteilen:

 

GruppeI (bis 0;6): 20ms  Zeitfenster1 dienen der spektralen Analyse und ergeben Diskriminationswerte für kategoriale Wahrnehmung. Mit solchen Diskriminationswerten unterscheiden Kleinkinder in den ersten Lebensmonaten ihre akustische Umwelt. Tiere beherrschen diese spektrale Analyse ebenfalls. Normalisation gelingt damit. Zeitfenster2 spielt keine Bedeutung.

           

GruppeII: Der heranwachsende Hörer (0;6-5) verlässt seine spektralen Fenster1 immer öfter. Ob die Zeit der spektralen Analysen abrupt endet oder ob der Übergang zur Verwendung der Zeitfenster2 fließend ist, kann aufgrund meiner Datenlage nicht entschieden werden. Spekulativ möchte ich jedoch behaupten, dass dieser Übergang fließend ist. Das erste vom Kleinkind verstandene Wort ist ein Indiz dafür, dass zeitliche Analyse im Zeitfenster2 zur Ablage entsprechender Prototypen führte, sodass das Kind in der Lage ist, akustischen Input mit diesen Prototypen zu vergleichen und zu verstehen.

Diese Aussage ist hypothetisch, da NORM Hörer bis 5 Jahren von mir nicht getestet wurden, allerdings zeigen die CI Hörer mit weniger Hörerfahrung noch durchwegs kleine Zeitfenster1. CI Hörer mit weniger als 5 Jahren Hörerfahrung verwenden in bestimmten Hörsituationen (Zeitfenstertest1) in meiner Untersuchung aussschließlich ihre spektralen Zeitfenster1.

           

GruppeIII (5 - 13): Die stets über 20ms liegenden Zeitfenster1 Werte der NORM Gruppe mit Hörern zwischen 5 und 13 Jahren belegen die Tatsache (Frenkenberger, 2001), dass die Mehrheit der Hörer das spektrale Zeitfenster1 mit dieser Hörerfahrungsdauer nicht mehr verwendet. In dieser GruppeIII setzt eine zeitliche verlängerte Analyse ein, der Verzicht auf spektrale kurze Urteile ist fließend und bestimmt das Hörverhalten von NORM Hörern in der Altersgruppe mit 5 bis 13 Jahre Hörerfahrung. Das verlängerte Analysefenster, das Zeitfenster2 wird fast ausschließlich verwendet. Die Ergebniswerte aus diesem Zeitfenster2, dienen nun dem Anlegen von Prototypen vor allem als wichtige Voraussetzung dafür, die koartikulatorischen Einflüsse auf die einzelnen Items in gesprochener Sprache zu erfassen und mit anderen Eindrücken zu vernetzen. CI Hörer mit einer entsprechenden individuellen Hörerfahrung  verhalten sich ebenso.

 

GruppeIV: Nach dem erfolgreichen Anlegen von Prototypen aus lautlichen Ereignissen in gesprochener Sprache kehren die Hörer ab etwa 13 Jahren Perzeption zum Teil wieder zu ihren Zeitfenstern1 zurück. Der nun schon erfahrene Hörer verwendet je nach Hörsituation auch die Ergebnisse aus der spektralen Analyse (Zeitfenster1). Die Werte für Jugendliche sinken in der NORM Gruppe im Alter zwischen 13 und 18 Jahren auf 30ms.

Leider fehlen Daten aus dem Bereich CI. Keiner der von mir untersuchten CI Hörer befand sich in diesem Hörerfahrungsalter.

 

GruppeV: NORM Hörer über 19 Jahren urteilen für isolierte Vokale wieder mit ihren spektralen Zeitfenstern1, der Durchschnittswert dieser Hörergruppe beträgt 18 ms in den Daten meiner Untersuchung. Auch drei von fünf CI Hörern mit dieser Hörerfahrung verhalten sich entsprechend. Die Rückkehr zu kleinen spektralen Fenstern1 bei ausreichenden Prototypen ist jedoch nicht unumkehrbar. L2 Hörer meiner NORM Gruppe verwenden gelängte Fenster2 ohne Fenster1 Analysen. Die Rückkehr zur Zeitfenster2 Analyse erlaubt das Meistern ungewohnter Hörsituationen, wie sie in dialektalen Umgebungen, bei ungewohnten Stimmen (Mickey Mouse...) oder fremdsprachlichem Input entstehen können. Der Konsonantenkontextvorteil kann dann greifen. Die Verwendung der zeitlichen Analyse erlaubt das erfolgreiche Anlegen von passenden Prototypen in diesen neuen Hörsituationen. Auf Koartikulationserscheinungen wird dadurch Rücksicht genommen.

 

Schematisch lassen sich die Gruppen wie folgt darstellen:

 

Abbildung 8: Hörer beginnen mit spektralen Analysen, die sie mit zunehmender Hörerfahrung verlassen. Die spektralen Analysen aus Zeitfenster1 werden nach mehr als 18 Jahren Hörerfahrung wieder aufgenommen. Die bis dahin mit Hilfe von Zeitfenster2 angelegten Prototypen reichen sodann aus, dass auch mit den kurzen spektralen Fenstern Vergleiche zwischen akustischem Input und den abgelegten Prototypen gelingen können.

 

Interessant ist in diesem Zusammenhang das Zurückkehren erwachsener Hörer auf die zugrunde liegenden Blockweiten von 20ms, Erwachsene akzeptierten Vokale mit Längen um 20ms als Vertreter eines bestimmten Vokals. Offensichtlich ist das neuronale Netz der größeren Analyseeinheiten in der Entwicklungszeit vom 5. bis zum 18. Lebensjahr  sodann erfolgreich gewebt, sodass auf die kleineren 20ms Endwerte wieder zurückgegriffen wird.

Gleichzeitig ist der Erwerb einer L2 aber dann erschwert. Die integrierten Muster lassen sich nicht mehr so leicht verändern, wenn die L1 Spracherwerbsphase zu Ende ist.

 

Sprachliche Schallverarbeitung erfolgt daher in folgenden Schritten:

Zunächst legt unser Gehirn neuronale Muster für eintreffende Worte in 20ms Einheiten an, die entsprechend mit anderen thalamo-cortikalen Systemen verknüpft, Perzeption ermöglicht. Probleme ergeben sich für Kleinkinder, wenn die einzelnen analysierten 20ms Endwerte stark von den gewohnten Mustern abweichen, etwa, weil der Sprachschall von ungewohnten Sprechern stammt. Den Kleinkindern ungewohnte koartikulierte Lautkombinationen müssen scheinbar mühsam durch ständiges Nachfragen eingeübt werden. Ab dem 5. Lebensjahr ändert sich die Strategie: Ab jetzt baut sich unsere neuronale Struktur um, die kleineren 20ms Einheiten werden zusätzlich einer größeren Analyse unterzogen, sie werden zu Blöcken mit ca. 100ms integriert.

 

Abbildung 9: 100ms Fenster erleichtern die neuronale Arbeit unseres Gehirns.

 20ms Verknüpfungen mit Pfeilen in schwarz, 100ms Verknüpfungen mit Pfeilen in grün gekennzeichnet.

 

Rosner und Pickering (1994) berichten über Experimente, die zeigen, dass Vokale einer gewichteten Gesamtanalyse unterzogen werden. Das heißt, dass die Anfangs- und Endwerte  besondere Berücksichtigung finden. Da Vokale zeitlich die längsten Strukturen aufweisen, kommt ihnen für sprachliche Perzeption auch besondere Bedeutung zu.

 

Onset und Offset sind in den 100ms Blöcken in Vokalen integriert, die kurzen Werte der Konsonanten beeinflussen die Vokalwerte und damit die Lage der neuronalen Verknüpfungen.

Die kleineren neuronalen Einheiten mit 20ms Inhalten werden also zusätzlich zu größeren Blöcken verknüpft, die Integration dieser Werte in weiteren neuronalen Gruppen bringt Vorteile für die Perzeption von koartikulierten Lauten, Silben – und Worteinheiten, für das Erlernen fremder Sprachen, für das Verstehen unbekannter Sprecher.

 

Die reichere Vernetzung im thalamo-cortikalen System eines ausgereiften erwachsenen Hörers bringt auditive Vorteile und Nachteile, betrachten wir die tonalen Analysen an einem Beispiel:

 

 

Das untere neuronale Muster, das aus einer Erweiterung des Analysefensters auf 100ms entstanden ist, enthält nur mehr drei Endwerte, in die die 20ms Einheiten integriert worden sind. Dies erleichtert in einem bekannten sprachlichen Umfeld die sprachliche Perzeption, weniger neuronale Verknüpfungen in andere neuronale Systeme sind dadurch notwendig, die Perzeptionsgeschwindigkeit steigt.

 

iii) Dieses 200ms Muster versagt, wenn koartikulative Neuheiten, z.B. eine veränderte Aussprache für das Wort {baum}, etwa [ba:m] durch unbekannte Sprecher auftreten:

           

                                   

 

Die 20ms Analysen ergeben ein verändertes 100ms Muster, das nur mehr teilweise zu den vorhandenen Strukturen passt!

iv) Die neuronalen Verknüpfungen müssen restrukturiert werden. Zusätzliche 20ms und 100ms Muster werden bei starkem Abweichen von vorhandenen Schablonen angelegt. Dabei sind aber viele thalamo-cortikale Systeme mit betroffen, das Schaffen von neuen visuellen, taktilen, sensorischen Neuronenverknüpfungen wird notwendig. Solche Neu- und Umstrukturierungen brauchen Zeit und gelingen im Erwachsenenalter nur mehr bedingt. Kindern und Jugendlichen im Spracherwerb gelingt diese Aufgabe besser, da entwicklungsbedingt die Anlage von 100ms Neuronen-Mustern ständig erfolgt und erfolgen muss.

 

Weniger neuronale Gruppen – schnellere Perzeption!

 

Um die Fensterlängen der größeren Blöcke zu klären, wurden von Frenkenberger 2001 in einem weiteren Experiment 4 Vokale gleicher Länge ohne Pause zusammengefügt. Getestet wurden CI-Hörer und eine Kontrollgruppe, im folgenden als NORM Hörer bezeichnet. Innerhalb eines solchen Stimulus befand sich ein abweichender Vokal [i] unter drei [e] Vokalen. Die Gesamtlänge der einzelnen Stimuli wurde durch gleichmäßiges Verlängern der einzelnen Vokale erhöht. Aufgabe war, den abweichenden Vokal zu perzipieren. Dabei zeigte sich bei Kindern über 5Jahre und Erwachsenen kein ausgeprägtes Entwicklungsmuster. Die Identifikationszeiten lagen stets zwischen 70ms und 100ms.

 

Das Zeitfenster2 verkleinert sich bei jedoch längerer Hörerfahrung. Dies trifft auf die NORM Hörer und CI-Hörer zu.^[14] 

Die Zeitfenster2 Längen sind je nach Sprechsituation (Dialektumgebung, L2 Lerner/Hörer, ungewohnte Stimmen...) kürzer oder länger, fallen aber tendenziell mit längerer Hörerfahrung auf Werte um 100ms bei den CI Hörern. NORM Hörer verwenden Zeitfenster2 Längen, die  zwischen 40ms bis 100ms liegen.

 Abbildung 10:  Die Zäsuren zwischen den Balken markieren Altersgruppen. Hörer 1 bis 5: unter 13 Jahre; Hörer 6 bis 9: 14 bis 18 Jahre; ab Hörer 10 über 18 Jahre alt. Wieder zeigt sich deutlich, dass erst Hörer über 18 Jahren wieder 20ms Fenster verwenden. Die längeren Analysefenster zeigen keine eindeutige Tendenz.

Die Ergebnisse der CI-Hörer zeigt das nächste Diagramm.

 

 

Abbildung 11: Die mit * bezeichneten Probanden tragen ihr CI Gerät erst weniger als 5 Monaten. Die Zäsuren zwischen den Balken markieren Gruppen mit folgender Hörerfahrung: CI Hörer 18* bis 5: unter 5 Jahre; CI Hörer 13* bis 9: 6 bis 13 Jahre; CI Hörer 12 bis 16: über 18 Jahre. Hörer 14 scheint zweimal auf, der zweite Eintrag Nr.14 im Diagramm sind Werte, die mit einem neuen HdO Gerät gewonnen wurden.

 

 

Schematisch betrachtet lässt sich aus den Ergebnissen der Untersuchungen von NORM Gruppe und CI Gruppe daher folgende Entwicklung für Fenster2 skizzieren:

 

Abbildung 12: Die gezackten Pfeile sollen andeuten, dass eine Erhöhung und Erniedrigung der Zeitfenster2 Werte zu jedem Alter und bei unterschiedlichster Hörerfahrung möglich ist. Tendenziell ist aber eine Abnahme der Zeitfenster2 Werte bei den NORM Hörern und bei den CI Hörern in den Daten meiner Untersuchung zu erkennen.

Das Dehnen und Verwenden der vergrößerten Zeitfenster2 soll dem Hörer einen Konsonantenkontextvorteil bringen, dies gelingt allerdings nur, wenn der Hörer gleichzeitig seine spektralen Urteile aus Zeitfenster1 verlässt und/oder seine angelegten größeren Analyseblöcke und Kategorien verwendet bzw. auf diese zugreifen kann..

 

Piroth 2005 unterscheidet in seinen Untersuchungsergebnissen zwischen schlechten und guten Kategorisierern. Gute Kategorisierer greifen auf Musterschablonen zurück und können daher schneller diskriminieren. Zeitfenster2 entsprechen solchen Sprachlautkategorien bzw. Musterschablonen. Sind solche angelegt, so gelingen Identifikationsaufgaben besser und Urteile über [e] oder Nicht- [e] lassen sich schnell aus den Kategorienmustern ablesen. 

 

 

 

---

4 Sprachliche Leistungen auditiv geblockt

 

 

 

 

In einer weiteren, nicht veröffentlichten Studie mit 19 Schülern aus dem Hauptschulbereich korrelierten gute und schlechte Deutsch-Leistungen mit Werten im Testverfahren für die Identifikation von /e/. Erhoben wurden dabei Werte für die  kleinen 20ms Blöcke. Getestet wurden 19 Schüler, 14 Knaben, 5 Mädchen. Alle Schüler waren zum Zeitpunkt der Untersuchung zwischen 13 und 14 Jahre alt.

 

Für die Werte von ZF1 und ZF2 wurden Korrelationsrechnungen mit den Deutsch-Leistungen der Schüler durchgeführt. Die Werte von ZF2 korrelierten mit den Leistungen der Schüler nicht, hingegen fand sich ein starker Zusammenhang zwischen den Angaben in ZF1 mit den Leistungsgruppen-Notenwerten.

 

Leistungsgruppe und Note wurden zu einer erweiterten Notenskala (die zweistelligen Zahlen auf der X-Achse) kombiniert und mit den Analysewerten korreliert. ^[15]

Abbildung 13: Auffallend die  angehobenen Werte der 20ms Blockanalysen (ZF1) bei LG1 Schülern. 40 ist ein ausländischer Schüler, der noch keiner Leistungsgruppe zugeordnet ist und Deutsch nur mangelhaft beherrscht. Der zweite Schüler mit hohem ZF2 Wert erhielt sein „Gut“ aufgrund seines Fleißes, intoniert und perzipiert jedoch auffällig langsam.

 

Eine Korrelationsrechnung nach Spearman zeigt zwischen LG/Note und den Zeitfenster1 Werten signifikante Ergebnisse: Korrelationskoeffizient: 0,014; Signifikanz: 0,955.

 

Die Werte für ZF1 und ZF2 liegen in der getesteten Altersgruppe, 10 bis 14 Jahren, generell näher beisammen, als dies in späteren Lebensabschnitten der Fall ist. Dies zeigt uns auch das nächste Diagramm nach einer früheren Erhebung in Frenkenberger 2001.

Abbildung 14: Die Zäsuren zwischen den Balken markieren Altersgruppen.

 Hörer 1 bis 5: unter 14 Jahre; Hörer 6 bis 9: 14 bis 18 Jahre; ab Hörer 10 über 18 Jahre alt. Diese Untersuchung erhob keinen Zusammenhang mit den sprachlichen Leistungen der gestesteten Hörer. Es sollte lediglich der Verlauf der Aussagen über die Identifikation eines isolierten Vokals und eines Vokalverbandes festgehalten werden

Alle Abbildungen zeigen, dass Schüler mit besseren Leistungen zum einen höhere Werte für Zeitfenster1, zum anderen geringere Abstände zwischen den Werten von Zeitfenster 1 und 2 zeigten. Für die Anlage von Kategorisierungsmustern ist es von Bedeutung, dass die Urteile über ein identifiziertes [e] nicht aufgrund erster neuronaler 20ms Analysemuster erfolgen, sondern die längeren Kategorisierungsmuster um 100ms zum Tragen kommen.

 

Wird dies vom Individuum nicht geleistet, so werden entsprechende Kategorien nicht angelegt, die Gruppe der „Nichtkategorisierer“ entsteht. Es darf angenommen werden, dass bei diesen daher nur eine geringere Zahl an Mustern vorhanden ist. Sprachliche Perzeption erfolgt bei dieser Gruppe an Hörern daher oft über die zahlreichen 20ms Analyseeinträge, was die Geschwindigkeit der Perzeption verlangsamt. Dies dürfte eine Ursache für schlechtere sprachliche Leistungen dieser Gruppe von Hörern sein.

 

Nach Abschluss der Sprachentwicklung, spätestens mit 18 Jahren, ist dieser Mechanismus der basalen auditiven Verarbeitung mit 20ms Analysefenstern wieder dominant. Bis dahin nicht gebildete kategoriale Muster können nur mehr schwer bis nicht erarbeitet werden. Hinweise darauf bieten die Schwierigkeiten im Fremdspracherwerb für erwachsene Lerner.

 

Sind jedoch im Erstspracherwerb entsprechend viele kategoriale Muster gewebt worden, kann der Hörer/Sprecher auf seine individuellen 100ms Kategorien zurückgreifen, was die Geschwindigkeit neuronaler Verarbeitung und Erkennung erleichtert und beschleunigt.

 

Eine anhaltende 20ms Default Strategie durch den Hörer im Erstspracherwerb führt zu einer verringerten Zahl von Kategorisierungsmustern, was schließlich auch zu umständlichen, verzögerten Produktionsanweisungen führt, sprachliche Auffälligkeiten oder Schwächen in Aussprache und Ausdruck dürften und könnten die Folge sein.

Nach einer Untersuchung von Frenkenberger (2001), sowie einer vorsichtigen Interpretation der angeführten Untersuchung mit den Hauptschülern, könnten die folgenden Hemmnisse für einen erfolgreichen Spracherwerb postuliert werden:

 

1)      Der Lerner/Hörer bleibt bei seinen 20ms Mustern. Dadurch wird das Anlegen der 100ms Einheiten in entsprechenden neuronalen Vernetzungen behindert oder gar verhindert. Weniger Kategorisierungsmuster werden angelegt. Langsamere sprachliche Verarbeitung ist die Folge. 7 von 13 Deutschschüler der 3. und 2.Leistungsgruppe  zeigen in der angeführten Untersuchung dieses Muster.

2)      Der Lerner/Hörer verarbeitet mit zu wenig gedehnten 100ms Blöcken, seine ZF2´s sind zu klein, um entsprechende Kategorien erarbeiten zu können. 8 von 13 Schülern der 2. und 3. Leistungsgruppe verwenden 80ms und kleinere Fenster2. Entsprechende neuronale Integration kann nicht stattfinden, Passende Prototypen werden nicht erarbeitet und abgelegt. Hören wird schwieriger, braucht deutlicheren und langsameren Input. Hingegen verwenden 4 von 6 Schülern der 1.Leistungsgruppe Fenster, die größer als 80ms sind, was bessere sprachliche Leistungen zur Folge hat und sich in der Deutschbeurteilung und Einstufung ausdrückt.

 

---

5 Ausblicke und Einsichten

 

Die Analyse von Sprachschall durch unser Gehirn wurde in den letzten Jahrzehnten vorwiegend sequentiell interpretiert. Dem zeitlichen Vorher/Nachher von spektralen Änderungen wurde größte Bedeutung beigemessen. Zahlreiche Untersuchungen versuchten daher aufzuzeigen, welchen erstickenden Einfluss verschiedene akustische Vorher/Nachher Parameter auf die Wahrnehmung haben können. Modulationswahrnehmung, Maskierungseffekte, Lückenerkennung und Längendeterminationen erheben alle prinzipiell in eine Richtung: Diskrimination  von Unterschieden, in jedem Fall eine metaauditive Aufgabe, die vom Hörer verlangt, das er zwei akustische Eindrücke im zeitlichen Ablauf vergleicht. Visuell vergleichbar mit der Aufgabe, in einer Abfolge von fast identen Bildern kleinste Unterschiede in Farbe und Form zu diskriminieren. Aber Bild und Sprachschall hinterlegt unser Gehirn in neuronalen Mustern, die entsprechend thalamus-cortikal verknüpft zur semantischen Wahrheit heranreifen.

Sprachschall wird „by default“ in Abständen von 20ms spektral „fotografiert“, die Inhalte dieser Fenster1 werden spektral abgelegt und weiter verknüpft, bzw. geblockt verarbeitet. In der Sprachentwicklung sollen diese kleineren Default Fensterinhalte zu „Panoramafotos“ werden. Größere 100ms Analyse-Einheiten (Blöcke) werden aus den 20ms Fenstern gewoben. Diese größeren „Panoramafotos“ erlauben eine einfachere neuronale Verknüpfungsstruktur und eine schnellere sprachliche Perzeption und Weiterverarbeitung. Dieser Umbau kann für manchen Spracherwerber zum Verhängnis werden, sprachliche Schwächen können durch unflexibles Verhalten, etwa Beharren auf Default Strategien, die Folge sein. Es ist davon auszugehen, dass herkömmliche Testverfahren mit zeitlichen Diskriminationaufgaben zufällig auf Hörer stießen, die metaauditiv und sprachschallanalytisch Defizite aufwiesen.

 

Es wird Aufgabe der Zukunft sein, entsprechende Testverfahren und Materialien zu ersinnen, die in der Lage sind, die sprachlichen Analysebilder in ihren beiden Ausprägungen (kleines und großes Analysefenster) zu erfassen. Mit den von mir entwickelten E-Tests ist ein erster unzureichender Schritt erfolgt, der die Existenz von zwei Sprachschallblöcken belegt und eine auditive Sprachentwicklung aufzeigt, die die Entwicklung der 20ms „Default“ Fenster verfolgen hilft. Außerdem konnten sprachliche Defizite damit in Zusammenhang gebracht werden.

Sprechtempo, Prosodie und Klangfarbe einer Stimme werden nach diesen Modellvorstellungen in unserem Gehirn einer gesonderten Analyse unterzogen.

 

---

 

6 Literatur

 

Andruski, J.E., T.M.Nearey. On the sufficiency of compound target specification of isolated

vowels and vowels in /bVb/ syllables. Journal of Acoustical Society of America, 91, 390-410, 1992

Assman, P., T.Nearey., J.Hogan. Vowel Identifikation: Orthographic, perceptual, and acoustic aspects.  
             Journal of the Acoustic Society of America, 71, 975-989, 1982

Breckow, J., R.Greinert. Biophysik. Eine Einführung.Berlin/New York: Walter de Gruyter, 1994

Baru, A.V. Discrimination of synthesized vowels [a] and [i] with varying parameters (fundamental frequency,

intensity, duration and number of formants) in dog. In: G.Fant., M.A.A.Tatham. (Hg.).Auditory analysis

and perception of speech. London: Academic Press., 91-101, 1975

Burdick, C.K., J.D.Miller. Speech perception by the chinchilla: discrimination of sustained /a/ and /i/.

                Journal of Acoustical Society of America, 56, 971-984, 1975

Dogil G. et.al. The speaking brain. In Dogil, G. et.al (HG). Research papers from the Phonetic

 Lab.Arbeitspapiere. Universität Stuttgart, 2000.

Edelman G.M.. G.Tononi. Gehirn und Geist. Wie aus Materie Bewusstsein entsteht. München: dtv, 2004

Eimas, P. Speech perception in early infancy. in: L.Cohen., P.Salapatek. (Hg.). Infant Perception.

New York: Academic Press, 1975.

Eimas, P. Selective Adaptation of linguistic feature detectors. Perception and Psychophysics, 13, 247-252, 1973

Eimas, P., Siqueland,E.,Jusczyk, P. Vigorito,J. Speech perception in infants. Science, 171, 303-306. 1971

Elfenbein,J.L., A.M.Small., J.M.Davis. Developmental Patterns of Duration Discrimination.

                Journal of Speech and Hearing Research, 36, 842-849, August 1993

Johnson, K. Acoustic & Auditory Phonetics. Cambridge: Blackwell Publisher Inc., 1997

Piroth, H.G. Linguistik. Impulse und Tendenzen. Zur Sprachlautkonstituierung im

                phonetischen Wahrnehmungsprozess. Hg. Günthner S. et.al. de Gruyther: Berlin, 2005

Zwicker, E., E.Terhardt. Analytical expressions for critical-band rate and critical bandwith

 as a function of frequency. Journal of the Acoustical Society of America, 68, 1523-1525, 1980

Zwicker, E., H.Fastl. Psychoacoustics. Facts and Models. 2^nd Ed. Heidelberg: Springer, 1999

Kuhl, P. The perception of speech in early infancy. In: N.J.Lass (Hg.) Speech and Language: Advances in Basic

                Research and Practise (Vol X). New York: Academic Press, 1979

Liberman, a:M., Cooper, F.S., Shankweiler, D.P., Studdert-Kennedy, M. Perception of the speech code. Psychological Review, 74, 431-461. 1967

 

Rosner, B.S.,  J.B.Pickering. Vowel Perception and Production. Oxford psychology series 23.

                Oxford. New York. Tokyo: Oxford University Press, 1994

Suchodoletz, W.v. (Hg.)Therapie der Lese-Rechtschreibstörung. (LRS). Traditionelle und alternative

 Behandlungsmethoden im Überblick. Stuttgart: Kohlhammer Verlag, 2003

Terhardt, E. Akustische Kommunikation. Grundlagen mit Hörbeispielen.

                               Berlin, Heidelberg: Springer, 1998

Ungeheuer, G. Sprache und Kommunikation. IPK-Forschungberichte 13. 2.Aufl. 1972

Tallal, P., M.M.Merzenich., S.Miller., W.Jenkins. Language learning impairments: integrating

basic science, technology, and remediation. Experimental Brain Research, 123/1-2, 210-219, 1998