📚 Glossary / المعجم

Side-by-side bilingual reference. Copy/paste examples are in code blocks.

Data & columns

CSV: Comma-Separated Values table. One row = one token; columns = variables.

speaker,vowel,F1,F2 spk1,i,300,2400 spk1,a,800,1400

F1, F2: First/second formant frequencies (Hz). F1 ↘︎ with vowel height; F2 ↗︎ with frontness.

vowel: Category label (e.g., i, a, u).

speaker: Token producer (e.g., spk1).

sex: Speaker sex/gender.

Dialect / Corpus label: Title context (e.g., Najdi Arabic).

Units & psychoacoustic scales

Hz: Physical frequency unit.

Bark, Mel: Perceptual scales; compress high frequencies. F2=2400 Hz ≈ 20 Bark ≈ 1000 Mel.

Normalization / pooling speakers

Normalization: Rescale per speaker for fair pooling.

  • Lobanov: z-score per speaker (mean-center / divide by SD).
  • Nearey: log-mean scaling vs. geometric mean.
  • raw: Unnormalized Hz (within-speaker analyses).
  • NaNs: Missing/undefined values.

Plotting controls & conventions

  • Plot F1 × F2: Standard vowel plot (invert F1, invert F2).
  • Color by: vowel or speaker.
  • Facet by: Small multiples by speaker/sex.
  • Flip F2 (traditional): High F2 on left (/i/).
  • 1σ ellipses: One-SD dispersion per category.
  • Axis ranges: F1 min,max / F2 min,max; Research axis ranges for comparability.
  • Vowel space: 2D acoustic space (F1×F2).

Modeling & evaluation

  • Train a small model: Fit a classifier on formants.
  • Target: vowel or speaker.
  • Model: Logistic Regression (linear) / Random Forest (non-linear).
  • Evaluation: auto / holdout / cross-validation (k-fold).
  • CV folds (k): number of partitions.
  • accuracy = correct / total.
  • confusion matrix: colorized; darker = higher count.

Prediction

Predict on new CSV: Input F1,F2 CSV + saved model → adds pred column.

File formats & exports

.joblib: Serialized model file. TextGrid: Praat annotations. DPI: use ≥300 for print.

البيانات والأعمدة

ملف CSV: جدول مفصول بفواصل؛ السطر = توكن واحد، والأعمدة = متغيّرات.

speaker,vowel,F1,F2 spk1,i,300,2400 spk1,a,800,1400

F1 و F2: ترددات formants (هرتز (Hz)). F1 يرتبط عكسيًا بارتفاع الحركة، وF2 يرتبط بتقدُّمها.

الحركة (vowel): فئة مثل i، a، u.

المتحدث (speaker): منتِج التوكن (مثل spk1).

النوع (sex): ذكر/أنثى…

وسم اللهجة/المتن (Dialect / Corpus label): يظهر في العنوان (مثلاً: Najdi Arabic).

الوحدات والمقاييس الإدراكية

الهرتز (Hz): وحدة تردّد فيزيائية.

بارك (Bark) وميل (Mel): مقاييس إدراكية تضغط الترددات العالية. مثال: F2=2400 Hz ≈ 20 Bark ≈ 1000 Mel.

التطبيع / تجميع المتحدثين

التطبيع (Normalization): إعادة تحجيم القيم لكل متحدث للمقارنة العادلة.

  • لوبانوف (Lobanov): z-score لكل متحدث.
  • نيري (Nearey): تحويل قائم على المتوسط الهندسي.
  • خام (raw): قيم هرتز دون تطبيع (مفيد داخل المتحدث).
  • NaNs: قيم غير عددية/مفقودة.

التحكّم في الرسم والاصطلاحات

  • رسم F1 × F2: اقلب F1 رأسيًا وF2 أفقيًا.
  • التلوين حسب (Color by): الحركة أو المتحدث.
  • التجزئة (Facet by): لوحات صغيرة بحسب المتحدث/النوع.
  • قلب F2 (تقليدي): القيمة العالية يسارًا (/i/).
  • إهليج 1σ: تشتت درجة واحدة معيارية لكل فئة.
  • نطاقات المحور: حدود F1/F2؛ وResearch axis ranges للمقارنة بين الرسوم.
  • الفضاء الصائتي (Vowel space): فضاء F1×F2 ثنائي الأبعاد.

النمذجة والتقييم

  • تدريب نموذج صغير: تعلّم مصنِّف من الفورمنتات.
  • الهدف (Target): الحركة أو المتحدث.
  • النموذج (Model): Logistic Regression (خطي) / Random Forest (غير خطي).
  • التقييم: auto / holdout / cross-validation (k-fold).
  • الطيات (CV folds, k): عدد القِسمات.
  • الدقة (accuracy): الصحيح ÷ الإجمالي.
  • مصفوفة الالتباس (confusion matrix): الأغمق = عدد أعلى.

التنبؤ

التنبؤ على CSV جديد: أدخل F1,F2 + نموذج محفوظ → عمود pred.

الصيغ والتصدير

.joblib: نموذج محفوظ. TextGrid: ترميز Praat. DPI: استخدم ≥300 للطباعة.

اطلب بيانات عربية خدمات ðˤData.ai خدماتنا