Pensamiento y lenguaje Andrea Sanz Zamora

3. Modelos de comprensión y
producción
Percepción del habla
La percepción del habla está liga a la audición. El sonido son ondas de presión que surgen ante la
variación de la presión como consecuencia del choque y el
desplazamiento de moléculas.

Parámetros:
- Amplitud de onda: es la presión que se ejerce sobre el
nivel de presión atmosférica. La percepción subjetiva de
estos cambios de presión es lo que llamamos volumen y se
mide en Db.
- Frecuencia: es el número de ciclos por unidad de tiempo. Es
el tono y se mide en Hz. La composición de frecuencias da
lugar al timbre.
Cuánta mayor frecuencia (más ciclos por unidad de
tiempo), más agudo es el sonido.
Cuánta menor frecuencia (menos ciclos por unidad de
tiempo), más grave es el sonido.
El ser humano tiene una amplitud de entre 0 y 140dB y en una conversación se oscila entre amplitudes
de 40dB y 69dB. La frecuencia media de las mujer se encuentra entre 130Hz y 270Hz, mientras que en
el caso de los hombres está entre 70Hz y 170Hz; por tanto, podemos saber el sexo del hablante si nos
jamos en los Hz en el especotagrama.
- Sonda sinusoidal: simpli cación de la onda de sonido (como la imagen arriba derecha).

El espectrograma es una representación visual que permite identi car las diferentes variaciones de la
frecuencias y la intensidad del sonido a lo largo de un periodo de tiempo. Este análisis de las frecuencias
es esencial en el estudio del lenguaje.

Propiedades de la percepción del habla

1. Rapidez
- El habla es 10 veces más veloz que cualquier otro código acústico
- Podemos identi car por separado entre 7 (una músico bien entrenado, puede detectar menos unidades)
y 9 (a partir de 9 unidades, lo que percibimos es ruido) unidades por segunda de cualquier sonido.
- Cuando ese sonido es el habla, podemos identi car entre 20 y 30 fonemas por segundo (ej.:
retransmisión de un partido de fútbol)

18
fi
fi
fi
fi
fi
Pensamiento y lenguaje Andrea Sanz Zamora

2. Robustez: es muy resistente al ruido a la degradación de la señal; somos capaces de entender el

mensaje incluso cuando hay deformaciones en el sonido (ej.: una conversación de teléfono en las que a
veces no se escucha muy bien al otro porque hay poca cobertura).
3. Complejidad: es un proceso complejo y al mismo tiempo, automático (sin apenas esfuerzo ni
participación de la conciencia)
4. Automática: explicado en el punto anterior.
5. Diferente: El habla además tiene una característica diferente a otros estímulos sensoriales. Cuando
percibimos colores somos buenos discriminando pero no identi cando (distinguir azul cielo de azul
celeste, pero no reconocer el azul celeste cuando lo tenemos delante). Cuando percibimos el habla,
somos buenos identi cando pero no tanto discriminando. Los fallos de discriminación que pudiésemos
cometer pueden ser resueltos por el “efecto de restauración fonémica”.

Efecto de la restauración fonémica:

Este es un ejemplo sobre la “diferencia” como propiedad del habla. El efecto de la restauración fonémica
dice que el contexto tiene efecto sobre la percepción del lenguaje.

En el año 1970, Warren y Warren realizaron un experimento en el que ponían varias frases que
empezaban igual, tenían una palabra en el medio que era difícil de entender para los oyentes (se ponía
una distracción sobre sonido: una tos) y nalmente acababan cada una diferente de la otra:
• It was found that the *eel was on the orange
• It was found that the *eel was on the axle
• It was found that the *eel was on the shoe
• It was found that the *eel was on the table
Los oyentes escucharon respectivamente:
- Peel
- Wheel
- Heel
- Meal
Los oyentes a rmaban que en cada caso habían oído la palabra completa; había sujetos que no habían
oído la tos y otros que la habían oído pero no recordaban donde: en cualquier caso, habían completado
la frase correctamente, pese a la distracción.

6. Ausencia de la invariannza (o lo que es lo mismo decir = constancia): es muy difícil encontrar una
propiedad que no varíe.
- Las vocales y las consonantes se perciben de forma diferente:
Las vocales tienen invariancia o constancia. Esto signi ca que podemos oír la /a/ con voces
agudas, graves, masculinas, nasales... y oímos algo común a todas ellas que nos hace reconocer el
fonema concreto y diferenciarlo de los demás. Esto no ocurre igual con las consonantes
- Algunas consonantes presentan el “problema de la ausencia de invarianza del estímulo del habla”

Percepción de vocales
Estamos percibiendo el sonido “a” de forma invariable, pese a
que vemos que hay variación en las frecuencias de este
espectrograma. Aún cuando existe cierta variabilidad en las
frecuencias, podemos ver que también existe periodicidad, tal y
como se señala en el primer espectrograma de la imagen de la
izquierda.

19
fi
fi
fi
fi
fi
Pensamiento y lenguaje Andrea Sanz Zamora

EL TRIÁNGULO DE HELLWAG:

Al decir “i” y “a” podemos observar como la lengua sube y baja.

Al decir “e” y “o” podemos notar como la lengua va de adelante a atrás.

Todas las lengua del mundo tienen menos fonemas vocálicos que consonánticos. La media de vocales es de
5. Cada vocal puede ser anterior/media/posterior y baja/media/alta según la posición de la lengua en
horizontal y vertical, respectivamente.

Para poder profundizar en este contexto, tenemos que hablar

de “FORMANTES”. Los formantes son las resonancias
naturales del tracto vocal. Corresponden a las frecuencias
que surgen como consecuencia de la forma que adopta el
tubo vocal en cada momento. En los espectrogramas
aparecen como franjas oscuras horizontales.

Cada vocal tiene 5 formantes. Los F1 (relacionado con la

posición de la lengua) y F2 (relacionado con la longitud del
tubo buco-faringeo) los usamos para reconocer la palabra
(inteligibilidad) y se re eren a la posición de la lengua (alta/
baja; anterior/posterior). Los F3, F4 y F5 con eren el timbre
de voz (sexo, edad) (naturalidad). Son los difíciles de conseguir en sintetizadores de voz (“que la voz
robótica parezca humana”). Esto no ocurre así en las consonantes.

La relación entre el F1 y la posición alta o baja de la

lengua es inversa; es decir, mientras más alta esté la
lengua, más bajo será el primer formante, y a la inversa.
Mirad cómo en la articulación de la vocal central (lengua
en posición baja) F1 tiene la mayor altura en cambio en
las vocales cerradas (lengua en posición alta) el valor en
Hz es el menor.

El F2 se relaciona directamente con la posición anterior-

posterior de la lengua. En la gura siguiente, (esquema
de F2) se observa cómo el F2 baja la frecuencia en la
medida en que la lengua retrocede.

20
fi
fi
fi
Pensamiento y lenguaje Andrea Sanz Zamora

La relación entre F1 y F2 (vocales)

La relación entre estos formante va a ser constante.

Variabilidad de las formantes:

La misma vocal articulada por distintos hablante da lugar a muchos
valores formánticos distintos.

Las áreas vocálicas están solapadas entre hablantes con frecuencias

naturales distintas (niño vs adultos o mujer vs hombre), tal y como
vemos en los dos grá cos de la derecha.

¿Cómo identi camos entonces las vocales independientemente de los valores absolutos de las formantes?
Mediante la normalización de la vocales.

La normalización se de ne como la transformación de los valores absolutos a una escala común que pueda
compararse. Se apoya en la teoría de la razón entre formantes, la cual explica razonablemente bien, salvo
para algunas vocales distinta, con la misma razón de formantes (ae/ /u/ /U/). Hipótesis adicionales:
- Modelos de normalización intrínseca: cuando escuchamos una vocal, el cerebro opera con F1 y F2. Este
supuesto dice que, además se tienen en cuenta F0 y F3. Decimos que es intrínseco porque la
información está contenida en la propia señal.
- Modelos de normalización externa: la percepción de la vocal depende del contexto verbal; por las
palabras y la frase previa podemos inferir qué vocal está sonando.
Teniendo en cuenta que se han llevado a cabo experimentos desde ambos modelos y se han obtenido en
ambos casos resultados que con rman la hipótesis, algunos autores consideran que es más probable que el
cerebro esté trabajando con ambos modelos.

Percepción continua de las vocales

Variaciones continuas en las formantes se perciben como variaciones graduales en la articulación de las
vocales (vocales intermedias: /i/ - /e/). Sabemos que esto es así porque se percibe el cambio en la señal
y somos capaces de percibir la diferencia; somos capaces de percibir el cambio de la señal desde e hacia i
(no hay un corte como ocurre con las consonantes).
21
fi
fi
fi
fi
Pensamiento y lenguaje Andrea Sanz Zamora

Esto también es así, porque tal y como vimos en la diapositiva 11 (p. 19), la señal de las vocales es
periódica.

Percepción de las consonantes

- Las constantes no pueden formar el núcleo d una sílaba.
- Se producen por gestos articulatorios rápidos (impuestos sobre los cambios lentos de las vocales).
- Hay consonantes que no pueden pronunciarse sin una vocal (/p/ /t/ /k/ /b/…)
- “Márgenes de las vocales”
- No exhiben invarianza: no hay una propiedad única para todas las consonantes.

Como ya hemos dicho, la consonantes no exhiben invarianza, por lo que no hay una propiedad única para
todas las consonantes, aunque sí hay propiedades comunes para cada subtipo de consonante. Si no
exhiben invarianza podríamos preguntarnos ¿cómo se identi can? Las consonantes tienen algunas
propiedades o pistas perceptivas:
1. Composición del ruido en fricativas /f/ /s/: estas constantes se componen de ruido
2. Formantes propios de algunas /m/ /n/
3. Transiciones de los formantes: las consonantes son articulaciones sobre las vocales, por lo que el
espectrograma de la constante con una vocal se ve así:

Sin embargo, no hay relaciones simples y cara (ausencia de invarianza), aunque nuestro sistema no se
equivoque.

Percepción categórica:
Las constantes se perciben en categorías:

22
fi
Pensamiento y lenguaje Andrea Sanz Zamora

La percepción categórica ha sido estudia a partir de tareas de discriminación (comparación entre

estímulos), mediante dos tipos de tareas diferentes:
- AX: E1 y E2 ¿son iguales?
- ABX: E1, E2 (máscara) y E3 ¿E1 y E3 son iguales?
La conclusión es que con las tareas de tipo AX hay menos capacidad de discriminación que en la tareas de
tipo ABX.

También realizaron tareas de identi cación: cuando la percepción es categórica, la identi cación es
constante dentro de cada categoría (2ª imagen p.22)

La conclusión a la que se llegó con este estudio es que la discriminación y la identi cación están
relacionadas; dentro de la misma categoría, la discriminación roza el nivel del azar; entre categorías, es
perfecta [opuesto a la percepción continua (tonos, colores…)]

Contraste sordo-sonoro:
Movimiento en la articulación de consonantes:
- Movimiento 1: oclusión/ interrupción completa;
cerrar el tracto bucal
- Movimiento 2: liberación de aire
- Movimiento 3: vibración de las cuerdas vocales.

La diferencia entre las consonantes sordas y las sonoras está en el orden de movimientos. En el caso de
las consonantes sordas, primero se libera el aire y después se produce la vibración de la cuerdas vocales.
En el caso de la consonantes sonoras, primero se produce la vibración de la cuerdas vocales y después se
libera el aire. Para que produzca esta diferente, se requiere de un ajuste muy no de una gran cantidad
de músculos que están involucrados en el habla; la diferencia entre MOV2 y MOV3 es de ms.

ESTUDIO DEL VOT (diferencia entre movimientos 2 y 3)

Esto es en Castellano; en otros idiomas la

diferencia puede variar. En Castellano el la
distancia temporal (MOV2-MOV3) entre las
vocales oclusiva es VOT= 25 ms.

Teoría motora (Liberman, Cooper y Delattre, 1950s.)

Los oyentes disponen de un decodifciador que incorpora información completa sobre las características
anatómicas y siológicas del tracto vocal y también sobre las consecuencias acústicas y articulatorias de
los gestos lingüísticamente signi cativos.

En otras palabras: El ser humano tienen que estar dotado de una sistema de decodi cación especializado
en el lenguaje, este sistema apunta a entender los movimientos musculares del hablante (por tanto, incluye

23
fi
fi
fi
fi
fi
fi
fi
 Pensamiento y lenguaje Andrea Sanz Zamora

a la percepción visual); el oyente reconoce lo que el otro está diciendo al comparar sus movimiento
musculares con los míos.

Cómo ‘escuchamos’ sin sonido al leer los labios

Un estudio realizado por el centro de investigación vasco BCBL concluye que, cuando miramos a una
persona hablar, nuestra actividad cerebral se sincroniza con la voz del hablante a través de la lectura
de los labios, y que esto ocurre incluso cuando no percibimos las ondas sonoras.
Una investigación del Basque Center on Cognition, Brain and Language (BCBL) de San Sebastián ha dado
un paso más allá y muestra cómo el cerebro no solo se activa, sino que se sincroniza con las ondas
sonoras del habla a través de la lectura de los labios, incluso sin sonido audible.
Este descubrimiento abre paso a otras muchas incógnitas que el equipo pretende investigar en los
próximos años. Para empezar, este estudio con rma cómo las regiones auditivas son sensibles a mucha
más información, pero se desconoce en qué medida afectan los diferentes parámetros a la actividad
cerebral.
“La información verbal no solo va por el canal auditivo; es también sensible a la información visual. La
comunicación verbal es, en de nitiva, una comunicación multimodal mucho más rica”, señala Molinaro.
“En este caso se ha analizado solo el movimiento de las bocas pero para los autores hay mucha más
información visual, como pueden ser los gestos, los movimientos de las manos, los parpadeos, el
movimiento de la cabeza, etc.”, concluye el experto.

EL EFECTO MCGURK
Teniendo el mismo sonido /ba/, pero cambiando
imágenes; se obtiene una percepción distinta del
sonido /ba/ y
/fa/. Por tanto, se in ere que la percepción visual
y in uye sobre la auditiva, teniendo más peso la
visual que la aditiva en la captación del sonido.

Los oyentes combinan información visual sobre la

producción del habla con información auditiva.

Teoría auditiva general

Se hace una crítica a la teoría motora: Hay animales no humanos, como las chinchillas, que perciben de
forma categórica sílabas diferentes. Por ejemplo, si son entrenadas a que escuchar /da/ trae consigo una
descarga eléctrica y escuchar /ta/ trae consigo agua, discriminan a la perfección estos sonidos. Y sin
embargo, no los pueden articular como nosotros. Es decir, no tienen ese decodi cador del que hablaba la
teoría motora.

Los pájaros, que al tener pico y siringe tienen un sistema de producción del habla completamente
diferente al nuestro, también podían diferenciar /di/ y /du/

Conclusión: no es posible que el descodi cador especializado solo lo encontremos en humanos, ya que
otras especies del reino animal son capaces de realizar operaciones similares.

Por tanto, Los sonidos del lenguaje se perciben y dependen del sistema general de audición. Es decir, la
percepción del lenguaje no se basa en la percepción de los gestos articuladores. Las ondas de sonido que
produce el lenguaje son más fácilmente detectables por el cerebro humano que otros sonidos. Esto ocurre

24
fl
fi
fi
fi
fi
fi
Pensamiento y lenguaje Andrea Sanz Zamora

porque estamos expuestos continuamente a esa misma frecuencia de sonido desde que nacemos, por lo que
nuestro oído se acostumbra y se sobreentrena a distinguir esos fonemas en particular.

25