Comparación forense de voces mediante el análisis multidimensional de las pausas llenas

• Jordi Cicres ^[1]
  1. [1] Universitat de Girona

     Universitat de Girona

     Gerona, España

     
• Localización: Revista signos: estudios de lingüística, ISSN-e 0718-0934, ISSN 0035-0451, Nº. 86, 2014, págs. 365-384
• Idioma: español
• Títulos paralelos:
  • Forensic voice comparison by means of the multidimensional analysis of filled pauses
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 4 Citas
• Resumen
  • español

    En fonética forense, uno de los parámetros utilizados habitualmente en las comparaciones forenses de voces son las pausas llenas (sonidos dubitativos). El objetivo de este estudio es evaluar su potencial discriminante y, en consecuencia, su utilidad en la comparación forense de voces con el fin de lograr identificaciones de voz robustas.

    Para ello, se han analizado variables relacionadas con la estructura de formantes y la cualidad de voz de esta clase de pausas. Los resultados muestran que las variables referentes a la cualidad de voz son más discriminantes que las variables referentes a su estructura de formantes. Además, el estudio conjunto de todas las variables logra mejores resultados que cuando las variables se analizan independientemente. En el caso de utilizar un corpus indubitado de tipo cerrado se logra un 90% de clasificaciones correctas

  • English

    In forensic phonetics, one parameter commonly used in forensic voice comparisons is filled pauses (hesitant sounds). The aim of this study is to evaluate their discriminatory potential and, consequently, their usefulness in forensic voice comparisons so as to obtain reliable and robust voice identifications. In order to carry out this assessment, several variables related to the voice quality and the formant structure of these pauses are analyzed. The results show that the variables linked to the voice quality are more discriminatory than the variables related to the formant structure. Furthermore, the joint consideration of all the variables has achieved even better results than when those variables are considered separately. When a closed type known corpus is used, an average of 90% of correct classifications are obtained