英文题目：Gestes, prosodie et prononciation des voyelles en français L2 : réflexions sur la Méthode Verbo-Tonale
会议身份：
conference:jep:2026:conference-paper-id:daoussi26_jep
✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。
标签：#心理声学实验 #语言习得 #语音学与音系 #韵律 #语音属性识别
评分：5.4/10 | 创新 1.1/2 | 技术严谨 1.0/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5
排名：后50% | 文档类型：应用研究
👥 作者与机构
- Syrine Daoussi：机构信息未能从会议 PDF 纯文本可靠映射
- Charlotte Alazard-Guiu：机构信息未能从会议 PDF 纯文本可靠映射
- Fanny Guitard-Ivent：机构信息未能从会议 PDF 纯文本可靠映射
- Fabian Santiago：机构信息未能从会议 PDF 纯文本可靠映射
📌 核心摘要
输入是课堂跟读的听说材料，输出是可懂的疑问升调韵律与可区分的圆唇元音，难点在于实验室朗读增益难迁移到自发语且感知与产出常被割裂考察。先将西班牙语母语者按性别与水平配对分组，输入是被试背景信息，职责是控制个体差异，输出是手势组与纯听觉对照组，分组结果直接作为后继训练的分组条件。再开展生态课堂重复跟读训练，输入是分组后的两组学习者与简单句听说材料，职责是以描摹上扬语调的手势加韵律矫正元音，输出是前后测的辨别反应与自发口语语料，该语料直接进入下一步的统计检验。最后构建线性混合效应模型，输入是上述反应与语料的声学度量，职责是检验组别与时间交互效应，输出是韵律受益而元音无增益的结论。与仅操纵音高或仅关注朗读的既有工作不同，该设计把手势加韵律作为元音矫正媒介并在图像描述与视频复述中检验迁移，因而更贴近多模态教学逻辑。原文未提供可核对的关键定量结果。该结论适用边界仅限短时生态训练向自发语迁移的情形，重复跟读外推与实验室条件下的局部增益尚未验证。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
- 第三方资源：https://praat.org — 链接可访问（HTTP 200）
- 第三方资源：https://www.R-project.org/ — 链接可访问（HTTP 200）
- 第三方资源：https://doi.org/10.21437/Interspeech.2011-815 → https://www.isca-archive.org/interspeech_2011/goldman11_interspeech.html — 链接可访问（HTTP 200） 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
输入是什么：本文要回答的教学矛盾是什么？
本文的输入是两份课堂训练记录与 3 类前后测数据，目标是检验言语动调法的一个经典承诺。先说白话：言语动调法认为教师用手势比画语调起伏，并把难音放在语调更清楚的位置，学生就能连带把元音发准。英文名是 verbo-tonal method，缩写 MVT。圆唇对立指法语展唇与圆唇的成对区分，例如 /i/ 与 /y/ 只差唇形是否收圆，西班牙语母语者母语中没有这种对立，因而是典型难点。
作者要追问的矛盾是，手势加语调在课堂上确实让语调更像法语，但这种顺滑是否自动转化为圆唇元音的听辨与发音进步。必须保留的信息是训练时长为 8 小时，被试为西班牙语大学生，任务覆盖感知辨别与自发产出，输出是分韵律与分音段的两套结论而非单一总分。
言语动调法 × 圆唇对立： 言语动调法即 Méthode Verbo-Tonale，主张把目标音放在更清晰的 prosodie 位置并配合紧张松弛手势来凸显音位特征；圆唇对立指法语 /i/-/y/-/u/ 与 /e/-/ø/-/o/ 中展唇与圆唇的区分，对西班牙语母语者典型困难。前者分工是提供矫音手段，后者分工是标定矫音难点，搭配理由是前者声称后者可被 prosodie 加手势间接带好，组合意义正是本研究要验证的跨层面迁移是否存在。
本解读按学习依赖展开，先讲任务与相关路线，再讲方法全景与测量组件，然后讲训练构造与实验条件，最后讲结果、反证与复现。例子仅为教学类比，例如把手势比作给旋律画箭头，箭头本身不是声音证据，后文所有判断仍回到声学指标与统计检验。
术语速查：初学者先抓住哪几个词？
重音群指法语中共享一个末端重音的一串词，是节奏基本单位；语调短语是更大的语调单位，常以边界调收尾。基频即 f0，决定听到的高低；半音是将频率比换算为音乐式距离，使跨说话人比较更合理。AX 辨别指依次听两个词后判断相同还是不同，考听辨而非拼写。
z 分数指减去均值再除以标准差，消除个人音高与语速基线差异。对数反应时指对毫秒数取自然对数，使偏态分布更适合线性模型。混合模型指同时估计固定实验效应与被试项目随机差异的回归方法。掌握这些词后再回看韵律与共振峰表格，就能明白为何作者坚持分任务、分元音、分指标报告，而不给出一个笼统的总分。
相关路线比较：手势研究此前走到了哪里？
过去二十年课堂手势研究大多报告手势有助于词汇与语用学习，近十年才进入法语二语语音领域。已有工作区分两类手势，一类是画出发音动作的象似手势，一类是画出语调升降的韵律手势。作者引用了 Alazard-Guiu 与 Baills 等人的工作，报告显示韵律手势训练有助于重音与流利度，在朗读与自发话语中都有迹象。但作者指出 3 个缺口。第一，以往多看产出，少看感知，视觉化语音是否改变听辨并不清楚。
第二，以往没有分离 prosodie 本身对音段的帮助，Gioiella 的博士工作显示只操纵基频高度的单模态听觉训练也能在 logatome 跟读中改善 /y/、/ø/、/œ/、/o/ 的实现。第三，Alazard-Guiu 等人 2018 年比较 MVT 与发音讲解法，只发现时间主效应而无方法主效应，样本仅 8 人，提示手势对音段的作用可能有限或需要更长训练。因此本文不是重复证明手势有用，而是把手势加 prosodie 打包为一个可对照的训练条件，与纯听觉条件在相同句子材料上直接竞争，并同时考核韵律与元音的感知与产出。
同条件对照：本研究与前后研究如何并置？
与 Alazard-Guiu 2018 年相比，同为课堂 MVT 检验，同为关注圆唇元音，不同在于本研究把样本从 8 人扩到 14 人并补上感知维度，结论一致指向手势对音段无额外增益。与 Gioiella 2025 年相比，同为西班牙语者学法语圆唇元音，不同在于对方用实验室 logatome 与纯听觉基频操纵并在受控产出中见效，本研究用生态课堂自发话语加多模态却未见音段增益，两者并置提示任务受控程度可能是效应能否显现的关键调节变量。
与 Baills 等人 2022 年相比，同为韵律手势训练，不同在于对方报告流利度与重音准确性改善，本研究复制了韵律侧改善但把边界划在音域比只在低负荷任务显著，说明韵律改善本身也有任务边界。这种同输入同目标但不同监督与运行阶段的对照，避免把类别差异误读为同条件胜负。
要解决的问题：两个可检验的提问是什么？
作者把 MVT 承诺拆成两个可证伪的问题。第一个问题关于韵律：模仿句中与句末上升曲线的手部动作，是否比纯听觉输入更快更有效地帮助习得法语 prosodie。第二个问题关于迁移：同样的手势加 prosodie 组合是否同时改善圆唇元音 /i/-/y/-/u/ 与 /e/-/ø/-/o/ 的感知与产出。问题措辞强调比较基准始终是听觉内容相同的单模态组，而非零训练空白对照。被试起点为欧洲语言共同参考框架 B1 到 B2，处于能组织句子但语音仍带母语痕迹的阶段。
训练不包含任何针对元音切面的直接矫音，这是关键设计意图，只有保持音段零直接干预，才能判断韵律加手势是否自发外溢到元音。若两组元音都无变化或同步变化，则不支持自动迁移解释；若只有手势组元音变好，才支持 MVT 的跨层面主张。
方法全景：一个人走完输入到输出需要经历什么？
沿 1 名被试走完全程更易理解设计。训练前他先做感知测试，再做 2 次自发说话，然后进入为期两周共 8 小时的课堂训练，结束后再做 1 次完全平行的感知与说话测试。训练材料是临时编写的 436 个简单主谓宾句子，其中 308 个陈述句与 128 个疑问句，目标音位于重音群末尾与语调短语末尾。手势组教师在领读时同步做自下而上、自左向右的手臂手部运动，对应疑问句末上升、陈述句末下降以及重音群末重音的上升，例如 Le jardin des kiwis repousse en octobre 一句中的末端上升也要用手画出。对照组重复完全相同的句子，但教师全程不做任何韵律身体动作。两组都没有元音矫音环节。
多模态输入 × 单模态输入： 多模态输入指教师口头法语加上同步的手臂手部上升手势，用来描画句末上升或重音群末端上升的旋律走向；单模态输入指同样的 436 个句子只用听觉重复而不做任何手势。两者的分工是控制听觉内容完全相同，只改变是否叠加视觉运动线索，搭配理由是分离出手势的净增量，组合意义在于检验 verbo-tonale 假设中手势加 prosodie 是否比纯听觉更能带动韵律和元音。
感知测试是 AX 辨别任务，共 64 个刺激，覆盖 /i/-/y/、/y/-/u/、/e/-/ø/、/ø/-/o/ 4 对，每对例如 bise 与 buse、pull 与 poule、fée 与 feu、feu 与 faux，相同与不同各 34 对，词为单音节与双音节，由法语母语女声以稳定的句末下降录制。被试先练 8 个刺激，再戴好耳机在安静房间按键盘 s 表相同、l 表不同，记录正确率与反应时。产出测试先看图描述人物与物品，再复述约 4 到 5 分钟默片情节，前后测换图换片以避免熟悉效应，图像描述被视为认知负荷较低任务，叙事被视为负荷较高任务。全部口语按静音大于等于 200 毫秒切分为语间停顿单元，再用 EasyAlign 自动切分到词音节音素并人工校对。
测量组件：韵律与元音各用什么尺子量？
韵律侧有四把尺子。第一把是语速，用音节核数量除以总时长，数值越大说话越快。第二把是元音时长，经标准化为 z 分数，排除个人语速基线差异。第三把是 Span，以半音计算全部元音核基频分布中 2% 到 98% 的范围。第四把是 Span Ratio，用主要元音核基频最大值与最小值之比再换算为半音，反映调域动态。
元音侧取前 3 个共振峰在元音三分之一、二分之一、三分之二三点均值，再按说话人标准化为 z 分数，重点看 F2 与 F3。作者明确不采用 F3 减 F2 复合指标，理由是 /y/ 的 F2 很低会导致差值解释困难，例如 /i/ 的差值反而可能小于 /y/。统计统一用 R 语言 lme4 包的线性混合模型，固定效应包括组别、时间、元音与任务及其交互，随机效应按被试与项目设置截距与斜率，显著交互后用 emmeans 做 Tukey 校正的事后比较。
音域比 × 语速： 音域比即 Span Ratio，用基频最大值与最小值之比衡量调域宽窄，反映旋律起伏幅度；语速即 Speech Rate，用音节核数量除以时长衡量流利度。两者分工不同，一个管旋律空间，一个管时间组织，搭配理由是手势训练可能同时改变快慢与高低，组合意义在于从时间与旋律两路判断流利度和 prosodie 是否真正重组而非单一指标波动。
第二共振峰 × 第三共振峰： 第二共振峰即 F2，主要对应舌位前后即元音前度；第三共振峰即 F3，对圆唇展唇即唇形特征更敏感。两者分工是把圆唇元音的舌位维度与唇形维度分开测量，搭配理由是西班牙语者可能舌位分开了但唇形仍混淆，组合意义在于避免只看一个共振峰就断言圆唇对立已经建立。
资源可达性方面，Praat 官网与 R 官网在本次核查中返回可用，EasyAlign 所引 Interspeech 文献链接同样可用，这意味着转写对齐与建模工具链当前可公开获取，但不等于本研究的原始音频与代码已公开。
有无神经网络训练：本研究的计算过程是什么？
本研究没有训练任何神经网络模型，也没有冻结或更新权重、反向传播或早停等深度学习环节，必须明确这一点以免误解训练一词。这里的训练指课堂语音训练，即人类学习者的 8 小时发音课程。真实计算过程是信号处理与统计建模流水线。第一步在 Praat 中完成正字法转写与语间停顿单元切分。第二步用 EasyAlign 自动对齐到音素层并人工修正。
第三步提取语速、时长、音域、共振峰等声学度量并做 z 分数或对数变换，其中反应时取自然对数以纠正正偏态并稳定方差。第四步在 R 中拟合广义与线性混合模型，用 Satterthwaite 近似求 p 值。监督来源不是人工标注的类别标签，而是前后测时间点、组别与任务条件的实验设计编码。缺项是原文未报告随机种子、模型收敛细节与完整随机效应结构选择过程，复现时需要按常规混合模型流程补做模型诊断，但不得虚构原文未给的参数。
实验条件：被试、分组与公平性如何保证？
被试为格拉纳达大学法语语言文学本科二年级的 14 名西班牙语母语学生，对照组与手势组各 7 人，按性别、年龄与培养水平匹配，总体 10 名女性 4 名男性，一组均龄约 19.9 岁范围 19 到 21 岁，另一组均龄约 23 岁范围 21 到 24 岁，法语水平 B1 到 B2。授课由作者之一的法语发音专科教师承担，两组训练嵌入正常大学课程，属于生态效度较高的课堂实验而非实验室 1 对一矫音。公平条件是句子表完全相同，目标音位置相同，训练时长同为两周 8 小时，差异仅在于有无同步韵律手势。
感知刺激录制条件一致，测试耳机与安静房间一致，前后测自发任务通过更换图片与影片控制熟悉效应。潜在不公平在于样本量小，每组仅 7 人，个体差异易放大；前后测任务材料不完全相同，任务难度变化可能与训练效应混淆；感知基线已接近天花板，留给训练改善的空间很小。
自发口语任务 × 生态课堂： 自发口语任务指看图描述与默片复述，要求即兴组织话语而非朗读或跟读；生态课堂指训练直接嵌入格拉纳达大学二年级法语课程由专科教师授课。两者分工是前者提高认知负荷与迁移难度，后者保证教学真实性，搭配理由是检验实验室 logatome 效应能否走到真实课堂自发话语，组合意义在于解释为何短时多模态增益在受控重复中可见而在自发产出中受限。
理解这些条件才能正确解读后文数字：韵律改善可能来自手势，也可能来自重复曝光，关键看组别与时间的交互而非单纯时间主效应。
数据与聚合口径：数字背后的分母是什么？
语速基于约 9410 个对照样本与 7715 个手势样本的音节核计算，音域比基于约 5500 乘 2 条件共约 11000 个 token，元音时长基于约 8000 乘 2 条件共约 16000 个 token，共振峰基于约 5500 乘 2 条件共约 11000 个 token。这些分母说明韵律与音段结论来自数千 token 的聚合，而非个别例句印象。聚合时先按说话人标准化再进混合模型，随机效应吸收个体与词项差异，因此组均值差异已排除部分个人基线影响。但小被试量使被试层随机效应估计不稳，百分点差异与相对百分比差异不可混用，自动声学指标不可等同于母语者可懂度评分。
原文表头与图注未发现算术冲突，但语速单位在转写中出现字符损坏，复现时应以每秒音节核的常规定义核对原始脚本，不猜新数值。若要引用关键数字，应同时注明数据集是自发话语、阶段是前后测、聚合对象是 token 均值加模型估计，而非单次测量。
韵律结果：手势组在时间与调域上改变了什么？
韵律分析同时纳入组别、时间与任务三因素。作者报告语速的三重交互边缘显著，事后比较显示对照组训练后语速下降，手势组呈上升趋势但未达显著。更清晰的是元音时长标准化值的组别与时间双重交互显著，对照组训练后元音变长，手势组元音显著缩减。两条时间指标合起来读，对照组说话变慢且元音拉长，手势组趋向更快更紧凑，因而作者判断手势在流利度侧有收益。
旋律侧音域比出现组别时间任务三重交互显著，手势组在图像描述任务中训练后调域比扩大，对照组则收窄，而 Span 指标在所有情形下均无显著效应。这意味着手势并未改变整体音高跨度绝对值估计，却改变了极值比所刻画的动态，特别是在认知负荷较低的看图任务中更易表现。下图把三块韵律面板并置，阅读时应先分清语速、时长与音域比各自方向好坏不同，不能把所有上升都当作进步。
看图路径： 1. 先看横轴 Temps 由 T01 到 T02 与纵轴语速、时长、音域比的方向；2. 再对比 CONT 与 GEST 两条线在 T02 端谁上升谁下降；3. 注意图 c 音域比只在图像描述任务中拉开差距；4. 不要把像素模糊处的绝对刻度读成精确数值，以正文报告的统计结论为准
论文图 1。原论文 Figure 1：“Effets de l’entraînement sur 3 métriques prosodiques : (a) Débit vocal (Speech Rate), (b)”。
图 1 展示 3 个韵律度量的训练效应，面板 a 为语速，面板 b 为元音时长，面板 c 为音域比，横轴均为训练前 T01 到训练后 T02。可见对照组语速线下行而手势组上行，元音时长对照组上行而手势组下行，音域比手势组在图像任务中上行而对照组下行。解释时需强调任务调节作用，音域比增益只在看图任务中达到边缘显著，叙事任务中并未复制，说明手势带来的旋律扩展在高负荷自发叙事中可能被削弱。
下面整理韵律关键数字时只用原文连续句覆盖的值，不自行换算百分比或补单位，语速单位保留原文斜杠 T 写法，时长为标准化值方向，音域比为比值方向。
| 条件 | 指标 | 对照组训练前 | 对照组训练后 | 手势组变化方向 |
|---|---|---|---|---|
| 元音核时长 | 标准化时长 | 基线水平 | 显著变长 | 显著缩减 |
| 图像描述任务 | 音域比 | 基线水平 | 显著收窄 | 边缘显著扩大 |
| 两任务合并 | Span 半音跨度 | 基线水平 | 无显著变化 | 无显著变化 |
| 训练量 | 课堂时长 | 8 小时 | 8 小时 | 两组相同 |
该表提出的问题是听觉内容相同时叠加手势是否带来额外韵律收益，公平条件是同材料同时长同教师，指标方向是语速越高越流利、时长越短越紧凑、音域比越大起伏越大。
表后解释是主要收益集中在手势组的时间压缩与低负荷任务中的调域扩展，代价是语速交互仅边缘显著且手势组自身前后比较未达显著，对照组反而出现语速下降与元音拉长，提示纯重复若无手势引导可能走向更谨慎更慢的发音策略。未胜出项是 Span 完全无效应，说明手势并未全面扩大音高分布，复现时应同时报告 Span 与 Span Ratio 以免只挑显著指标。
感知结果：圆唇元音辨别为何没有进步？
感知 AX 任务的正确率用广义线性混合模型分析，反应时经对数变换后用线性混合模型分析。作者报告正确率不受组别时间元音三重交互影响，各主效应也不显著，两组训练前后正确率基本持平，元音对类型也不影响正确率。关键背景是训练前正确率已达很高水平，作者明确指出存在天花板效应。
反应时同样不受三重交互与训练类型影响，唯一显著的是元音主效应，/e/-/ø/ 与 /u/-/y/ 2 对的反应快于其他组合，说明这几对在认知加工上更容易，但这种容易性在两组与 2 个时间点都成立。下图左为正确与错误堆叠柱，右为分元音对的对数反应时折线，阅读时应先确认左图灰色正确部分是否顶满，再看右图红蓝线是否分离。
看图路径： 1. 先看左图堆叠柱中灰色正确部分在 T01 与 T02 是否几乎顶满；2. 再看右图四对元音的 LogTR 折线是否随组别明显分开；3. 注意 T01 红线与 T02 蓝线在两组内交错而非单向下降；4. 把反应时快慢只理解为元音对难度差异而非训练效应
论文图 2。原论文 Figure 2：“Taux de réponses (a) et Temps de réaction (b) de la tâche AX”。
图 2 左图按 T01 与 T02 分面展示对照与手势组的正确率堆叠，灰色正确占比压倒性高于红色错误占比，训练前后高度相似；右图按 Control 与 Gestures 分面展示 4 对元音的对数反应时，T01 红线与 T02 蓝线交错，组间无系统性下移。解释是感知无进步不能直接等同于手势无效，因为基线过高压缩了可检测区间，且刺激均为稳定的句末下降，缺少 prosodie 变异对手势迁移的支撑，复现若要检验感知必须先用更难的噪音或门限任务拉开基线。
下表把感知条件与结果并置，比较问题是相同训练量下手势是否带来额外辨别增益，公平条件是同录音同设备同指导语，指标方向是正确率越高越好、反应时越短越好。
| 条件 | 指标 | 对照组训练前 | 对照组训练后 | 手势组训练后 |
|---|---|---|---|---|
| 4 对元音合并 | 正确率 | 92%-95% 高位 | 保持高位无显著提升 | 保持高位无显著提升 |
| 4 对元音合并 | 交互显著性 | 不显著 | 不显著 | 组别时间元音交互不显著 |
| 分元音对 | 对数反应时 | 基线水平 | 无组别效应 | 无组别效应 |
| 易化对 | 反应时快慢 | /e/-/ø/更快 | /u/-/y/更快 | 两组均更快 |
| 测试量 | 刺激数量 | 64 个刺激 | 64 个刺激 | 两组相同 |
表后解释是主要发现为零效应而非负效应，手势既未帮助也未损害辨别。
具体代价是天花板使统计功效不足，反应时易化效应与训练无关；反例是若只看某对元音数值波动可能误读为进步，但模型显示波动未通过交互检验。未评测边界是噪声下辨别、范畴边界锐化与长时保持均未测量，不能推广为感知完全不可训练。
产出元音：共振峰分布是否被手势推动？
产出元音分两个三元组建模，闭元音 /i/-/y/-/u/ 与半闭元音 /e/-/ø/-/o/ 各对 F2 与 F3 建一个模型。闭元音组 F2 与 F3 均只显示元音主效应，无时间与组别效应。F2 上 3 个元音两两可分，但 /y/ 更靠近 /u/ 而远离 /i/；F3 上 /i/ 与两个圆唇元音可分，但 /y/ 与 /u/ 混淆。这正是西班牙语者的典型格局，舌位分开了但唇形仍未分开，且 8 小时课堂训练未推动分布移动。
半闭元音组出现时间主效应与元音主效应，但无组别效应，训练后 F2 与 F3 整体抬高，每个元音在 F2 上可分而 /ø/ 与 /e/ 距离最小，在 F3 上圆唇与展唇可分而两个圆唇之间不分。换言之时间带来了整体声学漂移，但手势组并不比对照组多走一步。下图用四面板展示两组前后测的标准化 F2 与 F3 均值线，阅读时应按颜色确认元音身份，再看线条是整体平移还是层级重组。
看图路径： 1. 先按图例确认粉色 i、蓝色 y、绿色 u 与中元音三线的身份；2. 再沿 Temps 从 T01 到 T02 看每条线是否平移还是保持层级；3. 注意闭元音组 F3 上两条圆唇线几乎重合而 i 独自分离；4. 只观察组间 CONT 与 GEST 面板形状是否复制而非寻找组别反转
论文图 3。原论文 Figure 3：“F2 et F3 zscorés pour chaque trio de voyelles pour chaque Groupe en pré- et post-test”。
图 3 面板 a 与 b 为闭元音的 F2 与 F3，面板 c 与 d 为半闭元音的 F2 与 F3，横轴均为 T01 到 T02，左右分面为 Control 与 Gestures。可见闭元音三线层级在两组中几乎复制，训练前后无交叉重组；半闭元音三线整体上移但组间形状一致。解释是时间主效应不等于训练方法效应，只有组别与时间交互才能支撑手势主张，而该交互并未出现，因此不能把半闭元音的整体变化归因于手势。
下表把共振峰证据并置，比较问题是手势加 prosodie 是否比纯听觉更能推动圆唇声学实现，公平条件是同为自发话语样本、同标准化流程，指标方向不是越高越好而是分布分离是否增大。
| 条件 | 指标 | 训练前格局 | 训练后格局 | 组别差异 |
|---|---|---|---|---|
| 闭元音 F2 | 前度分离 | /y/近/u/远/i/ | 保持不变 | 无组别效应 |
| 闭元音 F3 | 唇形分离 | /y/与/u/混淆 | 保持混淆 | 无组别效应 |
| 半闭元音 F2 | 前度分离 | /ø/与/e/距离最小 | 整体抬高 | 无组别效应 |
| 半闭元音 F3 | 唇形分离 | 圆唇间不分 | 整体抬高但仍不分 | 无组别效应 |
| 模型拟合 | 解释量 | 高拟合 | 高拟合 | 方法间无差异 |
表后解释是主要收益为零，手势未带来额外分离；代价是若误把时间主效应读成方法有效会夸大 MVT 迁移。
反例恰是半闭元音整体变化，两组同步变化反而证明这是重复或任务材料漂移而非手势。未胜出项是闭元音完全静止，说明最难的 /y/-/u/ 唇形区分在自发话语中最顽固，复现时应按韵律凸显位置拆分元音再检验局部效应。
限制与反证：哪些结论不能从本研究得出？
作者在讨论中主动列出四重限制。第一，训练时长可能不足，8 小时足以改变整体韵律组织，但不足以重塑需要精细唇形控制的圆唇对立，这与 2018 年小样本研究的猜测一致。第二，任务迁移鸿沟，Gioiella 在高度受控的 logatome 跟读中用短时基频训练即见效，而本研究考核的是高变异自发话语，从重复到自发的迁移本身就难，手势增益可能只存在于低负荷重复任务。第三，感知天花板使零结果无法证伪手势对感知的全部可能，作者明确表示不能拒绝多模态对感知改善的潜在增益。
第四，prosodie 效应可能是局部而非全局，韵律凸显音节上的元音可能受益而非凸显位置无变化，但本文尚未按重音群与语调短语位置拆分分析。相关性不等于因果，音域扩大伴随元音时长缩减，但不能断言音域扩大直接导致元音变准。未测量项包括误判率细节、课堂实施成本、教师手势一致性量化与长时保持，这些缺项不是技术错误，但在引用时不得承诺省时或省力。
复现指南：按原文重做需要固定哪些条件？
复现应先固定信息条件而非追求更大模型。被试招募西班牙语母语法语 B1 到 B2 本科生，尽量保持每组 7 人以上并匹配性别年龄，记录母语方言与法语接触史。材料沿用 436 句简单主谓宾结构，陈述与疑问比例约为 308 比 128，目标元音置于重音群与语调短语末端。训练由同一位发音教师执行，手势组严格同步自下而上自左向右的手部上升，对照组禁用任何韵律手势，两组均不做元音矫音，全程录像以备一致性核查。
测试沿用 64 试次 AX 任务，4 对元音相同与不同各半，母语女声稳定下降语调，PsychoPy 随机呈现并记录正确率与对数反应时；产出沿用看图加默片复述，前后测更换素材，静音阈值固定为 200 毫秒。声学侧用 Praat 转写、EasyAlign 对齐后人工校对，提取语速、时长 z 分数、Span 与 Span Ratio、F2 与 F3 三点均值 z 分数，不计算 F3 减 F2。统计用混合模型纳入组别时间元音任务及交互，被试与项目设随机效应，事后比较做 Tukey 校正。
代码与数据方面，Praat 与 R 当前可用，但原文未声明本研究脚本与音频是否公开，因此复现先做小样本预注册与功效分析，再补噪声感知、韵律位置拆分与延迟后测三项验证。
收束：何时值得尝试手势加语调？
综合全部证据可以给出条件性建议。若课堂目标是让法语听起来更流利、节奏更紧凑、疑问与重音起伏更明显，手势加 prosodie 值得尝试，尤其适合看图描述等负荷较低的口语活动，教师可用手臂上升明确标记句末与群末上升。若目标是纠正 /y/ 与 /u/ 或 /ø/ 与 /e/ 的系统混淆，不应期待仅靠描画语调的手势在 8 小时内自动带来自发话语中的元音重组，此时仍需直接的唇形与听辨干预，并把评估放在包含凸显与非凸显位置的产出中。
对研究生而言，本研究的真正价值在于示范了如何把教学主张拆成可比条件、如何用时间与旋律双指标避免单指标美化、如何用天花板与交互缺失约束结论。下一步最值得补的是按韵律凸显度分层重跑共振峰模型，若凸显位置出现手势交互，则 MVT 的局部效应假说得到支持；若依然全无交互，则应承认在生态自发话语中手势加 prosodie 对圆唇迁移的上限。
📐 原文公式与排版
以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。
另有 18 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
- 评分规则：type-aware-v1
- 评分模型：muse-spark-1.3-contributor
- 评分请求协议：openai_responses