Speech Entrainment, Language Proficiency, and Imitation in Second Language Interactions

Il sincronismo vocale, il processo attraverso il quale gli interlocutori adattano i loro schemi di linguaggio per allinearsi tra loro, è un meccanismo chiave per facilitare una comunicazione efficace e un buon rapporto sociale. Questa tesi esplora il fenomeno del sincronismo vocale nelle interazioni in una seconda lingua (L2), concentrandosi sulle implicazioni per la competenza linguistica e il comportamento imitativo. Un nuovo dataset, il Corpus del Alternating Reading Task(ART), cattura il parlato inglese di parlanti con accenti francesi, italiani e slovacchi in varie condizioni (lettura solitaria, lettura alternata e imitazione), consentendo uno studio sistematico del sincronismo in un ambiente controllato. Metodi computazionali avanzati, in particolare le Siamese Recurrent Neural Network (RNN), sono progettati per analizzare il Corpus ART e quantificare il sincronismo e l'imitazione. L'efficacia del modello Siamese RNN viene confrontata con il tradizionale Gaussian Mixture Model-Universal Background Model (GMM-UBM), contribuendo al perfezionamento e alla standardizzazione delle metodologie di misurazione del sincronismo vocale. Inoltre, viene esplorata la relazione tra la competenza linguistica e il sincronismo esaminando come i parlanti con diversi livelli di competenza adattano il loro tono (frequenza fondamentale o F0) durante le interazioni. Questa analisi rivela un'interazione sfumata tra competenza e sincronismo, con i parlanti di livello più alto che dimostrano meno sincronismo individuale ma un sincronismo interazionale più forte. Questa tesi contribuisce significativamente alla comprensione del sincronismo vocale nella L2. Il Corpus ART e i modelli di RNN Siamese presentano metodologie innovative, mentre l'esplorazione della competenza e del sincronismo F0 avanza le conoscenze teoriche sul ruolo del sincronismo nell'acquisizione della L2. Questi risultati hanno implicazioni per le pratiche pedagogiche e lo sviluppo della tecnologia del parlato.

Speech entrainment, the process by which interlocutors adapt their speech patterns to align with each other, is a key mechanism in facilitating effective communication and social rapport. This thesis explores the phenomenon of speech entrainment in second language (L2) interactions, focusing on the implications for language proficiency and imitation behaviour. A novel dataset, the Alternating Reading Task (ART) Corpus, captures English speech from speakers with French, Italian, and Slovak accents under various conditions (solo reading, alternating reading, and imitation), enabling a systematic study of entrainment in a controlled setting. Advanced computational methods, specifically Siamese Recurrent Neural Networks (RNNs), are designed to analyse the ART Corpus and quantify entrainment and imitation. The effectiveness of the RNN model is compared to the traditional Gaussian Mixture Model-Universal Background Model (GMM-UBM), contributing to the refinement and standardisation of measurement methodologies for speech entrainment. Furthermore, the relationship between language proficiency and entrainment is explored by examining how speakers with varying proficiency levels adapt their pitch (fundamental frequency or F0) during interactions. This analysis reveals a nuanced interplay between proficiency and entrainment, with higher proficiency speakers demonstrating less individual entrainment but stronger interactional entrainment. This thesis contributes significantly to the understanding of L2 speech entrainment. The ART Corpus and Siamese RNN models present novel methodologies, while the exploration of proficiency and F0 entrainment advances theoretical knowledge on the role of entrainment in L2 acquisition. These findings have implications for pedagogical practices and speech technology development.