|
교신저자：임덕환, 110-744 서울 종로구 연건동 28번지
전화) (02) 760-2445 · 전송) (02) 745-2387 · E-mail：wavelet@plaza.snu.ac.kr
서
론
일반적으로 언어와 관련된 행동들은 분석하기가 어려운 것으로 알려져 있다. 이는 언어라는 구조의 시공간적인 복잡성과 언어형성에 필요한 critical period가 비교적 길기 때문이기도 하다. 언어의 발달과정이라는 일련의 과정은 분석자에게 상당한 시간의 경과를 필요로 한다. 그리고, 선택된 언어 자체에서 여러 형태로 나타나는 방언의 복잡함이 분석 과정에 어려움을 더하고 있다.3) 비슷한 이유에서 언어와 관련된 행동들에 관한 비교적 간단한 동물 모델이 언어 관련 현상들을 분석하는데 중요함에도 불구하고 체계적으로 정리된 모델이 없다. 따라서 효과적인 언어 모델의 기본조건으로 언어자체가 일정한 규칙을 보여주어야 하고, 그 규칙이 너무 복잡하지 않아야 한다. 이러한 조건에서, 그 대상은 극히 한정될 수 밖에 없다. 본 연구에서는 금화조(Poephila
guttata)의 mating call이 언어 모델의 대상으로 선정되었다. 이 금화조(zebra finch)는 생물학적으로 언어가 중요한 역할을 하는 것이 알려져 있으며, 그 언어의 형태가 비교적 간단하다.2)7)
이 중에서 mating call을 동물 언어모델로 사용하고자 한다. 이 call은 특이하고 방언이 적은 것으로 알려져 왔으나 구체적으로 언어와 관련된 동물모델로 사용 시에, call 음향구조의 consistency에 관해서는 체계적으로 보고된 자료가 없다. 본 연구에서는 금화조의 mating call을 구성하는 성분들이 유용한 언어모델이 될 수 있는지를 call consistency index를 이용하여 정량적으로 분석하고자 하였다.
Fig. 1은 본 실험에서 기록된 금화조의 대표적인 mating call 스펙트럼을 나타낸 것이다. 여기서 나타난 구성 성분들을 보면 복합음 형태를 보이는 언어에서 자주 관찰되는 성분인 순음, harmonics, 백색잡음성분, 주파수 sweep등이 포함되어 있음을 볼 수가 있다. 본 연구에서는 언어적으로 성숙된 금화조 그룹에서 이 대표적인 복합음 특징의 consistency를 정량적으로 분석하였다.
재료 및 방법
전문 사육자를 통해서 구입한 성숙한 male 금화조 11마리를 대상으로 하였다. 실험에 이용된 금화조는 모두 부화 후 90일 이상인 경우만을 선택하였다. 이들은 각각 소리가 통제된 청력 검사실에서 mating call이 녹음되었다. 자체 제작된 triggering circuit을 이용하여 발성이 이루어지는 시점에서의 call들이 자동적으로 테이프에 기록 되었다.5)
이 결과는 GW-AD/DA board에 의하여 디지털 신호로 변환되었으며, 시공간 영역에서 최소자승오차법(least square error approximation)에 의하여 time series로 변환되었다.1)
이 자료에서 4가지 전형적인 복합음의 구성요소가 분석이 되었다. 이 구성 요소는 순음성분, harmonics, 백색잡음, frequency sweep으로 분류되었다. 모든 call 성분들에 대하여 장 시간 기록된 평균값들이 최종 시계열자료에 사용되었다. 이러한 기본 구성 성분에서 call 모델이 형성되는 과정이 Fig. 2에 요약되었다.
이 과정에서 call의 기본 구성 성분들에 대한 normalized index로 표시되는 consistency 지표를 계산하였다.1) 이 지표는 0과 1사이의 값을 취하게 되며, 0인 경우에는 consistency가 전혀 관찰되지 않는 독립적인 경우이고 unit값일 때는 동일한 형태임을 의미하게 된다. 이 결과를 이용하여 실험대상 그룹에 대하여, call 구성 성분별로 consistency가 평가되었다.
결 과
부화 후 90일 이상 된 male 금화조 11마리에서 각각 mating call에서 구성 성분들의 음향적 consistency와 repetition이 분석되었다. Consistency 분석에 사용된 음향성분은 순음, harmonics, 백색잡음, frequency sweep로 한정되었다.
순음에 대한 항상성(Tonal consistency)
기록된 대상 전체에서 순음에 대한 성분들이 확인되었다. Fig. 3에서 보이는 것처럼 순음이 consistency는 비교적 높은 값들을 보여주었다.
이 순음 구조들은 그 주파수 특성이 대략 2~4 kHz부근에 집중되어 있었다. 종축의 normalized index 는 모두 0에서 1까지 정규화 되었고, 평균지수는 0.53이었다(N=11). 특히 이 순음 구조에 대한 결과는 단일 순음에 대한 청각 신경계의 선택도와 직접 비교가 가능한 변수였으며, 다른 실험에서 얻어진 자료와 비교했을 때, 두 결과가 일치되지는 않았다.
잡음 항상성(Noise consistency)
본 실험 그룹에서 기록된 call의 잡음 특성을 보면 백색잡음과 유사한 형태를 나타냈다. 이 call에 포함된 잡음 성분들은 그 주파수성분이 주로
1~6 kHz 대역 범위에 분포되어 있었다.
Fig. 4에서 나타난 평균 지수는 0.36(N=11)이었으며, 사용된 정규화 지수의 범위는 모두 0에서 1까지의 값을 취하였다.
Harmonics 항상성(Harmonic consistency)
금화조의 mating call에서 특이하게 관찰되는 구성성분 중의 하나가 harmonics이며 기록된 음들은 구성 성분의 주파수 간격이 약
400~1800 Hz정도의 범위에 분포하였다. 정규화 된 평균 항상성 지수는 0.71(N=11)로 가장 높은 값을 보여주었다.
이 harmonics 성분은 음소간의 시간공간의 동시적인 상호작용을 결정하는 성분으로 언어 모델에서 모음의 역할과 밀접한 관계가 있었으며, phonotaxis 자료와의 관계에 대한 추가 분석이 필요하였다.
Frequency sweep 항상성(Frequency sweep consistency)
금화조의 mating call에서 정리된 frequency sweep은 그 주파수 변화율이 약
0.5~10 kHz/sec의 분포를 나타냈다. 이 성분은 언어모델에서 시공간상에서 순차적인 성분의 상호작용을 이해하는데 사용될 수 있을 것으로 결론된다.
Fig. 6에서 나타난 평균 정규화 지수는 0.46(N=11)으로 시공간상의 동시적인 상호작용에 관계하는 harmonics의 경우보다는 낮은 수치를 보여주었다.
고 찰
개별적인 mating call의 consistency index는 순음, harmonics, 백색잡음, frequency sweep 모두 비교적 높은 수치들을 보여주었다. 특히 시공간상의 동시적인 상호작용 분석에 사용될 수 있는 harmonics의 경우가 가장 높은 항상성을 나타냈다. 본 실험 그룹자료에서 나타난 구성성분들은 언어 모델로서, 언어와 관련된 행동반응 분석에 효과적일 것으로 판단된다. 이러한 call 언어모델을 응용한 예로, 기본 순음의 항상성에 관한 분석결과에서 청신경계의 주파수 선택도와 call의 단일 주파수 분포의 관계가 비교되었다. 순음의 경우에는 병행하여 수행된 다른 실험연구에서 얻어진 대뇌 금화조 대뇌 청신경자료와 비교하여 볼 때 그 에너지 범위와 청신경계의 선택도 간에 직접적인 일치를 보이지는 않고 있다.6) 따라서 이러한 결과는 청신경 정보처리경로와 비선형적인 청각 정보 처리 과정들이 포함된 것으로 추정된다.4)
그리고, 이런 변화가 일어나는 과정에 대한 추가 연구가 언어청각 현상의 신경생리학적 이해에 중요할 것으로 판단된다.
요약 및 결론
Male 금화조의 mating call은 그 기본적인 구성 성분별로 항상성이 분석되었다. 이 Call은 다른 언어에서도 흔히 관찰되는 순음, harmonics, 백색잡음, frequency sweep 성분들이 포함되었으며, 모두 비교적 항상성이 높은 것으로 나타났으며, 이들은 언어 모델에 사용되는 변수로 사용하기에 적합할 것으로 결론된다. 또한, 언어의 발달과정에 따른 이러한 변수들의 변화에 대한 연구가 언어와 관련된 현상들을 이해하고, 모델화하는데 도움을 주리라고 판단된다.
REFERENCES
-
Branham RL. Scientific Data Analysis: an introduction to overdetermined systems. Springer-Verlag, New York, 1990.
-
Doupe AJ. A neural circuit specialized for vocal learning. Curr Opion Neurobiol 1993;3:104-11.
-
Gentner TQ, Hulse SH, Bently GE, Ball GF. Individual vocal recognition and the effects of partial lesions to HVc on discrimination, learning, and categorization of conspecific song in adult songbirds. J Neurobiol 2000;42:117-33.
-
Heil P, Scheich H. Functional organization of the avian auditory cortex analogue. Brain Res 1991;539:110-20.
-
Lim D. Digital stimulus synthesis system for audiological evaluation, Korean J Otolaryngol 1999;42:816-19.
-
Lim D, Oh S, Chang S, Kim C. Auditory responses of field L to electrical stimulation. Adv Otorhinolaryngol 2000;57:15-7.
-
Nottebohm F, Stokes TM, Leonard CM. Central control of song in the canary, Serinus cannarius. J Comp Neurol 1976;165:457-86.
|
PDF Links
Full text via DOI
Download Citation
