INTRODUÇÃO

Os segmentos oclusivos compõem o sistema fônico do Português Brasileiro (PB). Essas consoantes podem ser categorizadas quanto ao contraste de vozeamento (vozeadas ou não vozeadas, conforme o fechamento ou a abertura do gesto glótico), grau de constrição (grau fechado, característico dos gestos articulatórios dos sons oclusivos do PB) e, também, quanto ao local da constrição dos gestos articulatórios (labiais /p/ e /b/, alveolares /t/ e /d/ e velares /k/ e /g/⁽¹⁾.

A aquisição dessa classe de sons ocorre precocemente no desenvolvimento infantil. Aos três anos de idade todas as consoantes oclusivas já se encontram adquiridas no sistema de sons das crianças⁽²⁾.

Uma pesquisa⁽³⁾ com crianças com desenvolvimento típico de fala (DTF), falantes do PB, revelou, com o estudo acústico de oclusivas e fricativas, a existência de um período de “refinamento articulatório”, ou seja, mesmo após o “término” da aquisição fonológica, parece ocorrer um aprimoramento das habilidades motoras de produção de fala, período em que os gestos articulatórios tornam-se gradativamente mais estáveis, tanto em sua organização temporal, como em sua magnitude.

A noção de estados gradientes durante o processo de aquisição do sistema fônico está relacionada com a perspectiva teórica da Fonologia Gestual^(4,5). Essa teoria trata os eventos de fala como uma tarefa dinâmica e preconiza a adoção de análises instrumentais para a investigação dos gestos articulatórios envolvidos na produção dos contrastes fônicos.

Quanto às oclusivas, segmentos alvo do presente estudo, essas vêm sendo investigadas por meio de parâmetros acústicos^(3,6-13) e, em menor número, por parâmetros articulatórios, como os parâmetros obtidos por meio de imagens de ultrassonografia do movimento de língua, entre outros^(13-22).

No que se refere à imagem de ultrassonografia de língua durante a produção de /t/, /d/, /k/ e /g/, em razão de ser uma técnica ainda pouco explorada no meio científico, diferentemente da análise acústica, não há um consenso na literatura acerca da metodologia de coleta dos dados, tampouco sobre o tipo de medidas articulatórias a serem adotadas. Até o momento, as consoantes oclusivas foram descritas quanto às constrições das curvas de línguas durante a produção das diferentes oclusivas^{(16,19,21,22)} e, também, em relação a complexos parâmetros articulatórios^(13,18,23).

Para o PB, língua-alvo deste estudo, a ultrassonografia de língua ainda carece de maiores investigações. Até o momento, esse instrumento de análise de fala foi utilizado para a pesquisa de consoantes líquidas^(24,25), oclusivas^(19,22) e fricativas⁽²⁶⁾.

A partir do exposto, a presente pesquisa tem como tema a caracterização acústica e articulatória do contraste típico entre oclusivas alveolares e velares do PB. Para tanto, foram formuladas as seguintes hipóteses de pesquisa:

(i) Ao comparar os dados acústicos e articulatórios das oclusivas, tanto na fala adulta como na fala de crianças com DTF, espera-se encontrar particularidades referentes à produção de constrições alveolares e velares.

(ii) Ao comparar as produções de adultos e de crianças com DTF, espera-se observar diferenças entre os grupos, resgatadas por meio de ambos os instrumentos de análise de fala (análise acústica e articulatória).

Desse modo, este artigo tem como objetivo principal caracterizar acústica e articulatoriamente o contraste entre oclusivas alveolares e velares em dados típicos de fala, além de comparar os parâmetros (acústicos e articulatórios) de adultos e de crianças com DTF.

MÉTODO

Este é um estudo transversal, quantitativo/descritivo. Seus dados pertencem a um projeto de pesquisa aprovado pelo Comitê de Ética em Pesquisa da Universidade Federal de Santa Maria, sob o registro 14973013.8.0000.5346. Todos os indivíduos incluídos nesta pesquisa assinaram o Termo de Consentimento Livre e Esclarecido, ou tiveram o termo assinado por seus responsáveis, no caso de crianças. Além disso, também foi respeitado o assentimento da criança acerca da sua participação no estudo.

A amostra foi constituída por:

(i) Vinte indivíduos adultos, dez do gênero feminino e dez do gênero masculino, com idades entre 19 e 38 anos (M= 24 anos; DP= 5,9 anos – coleta de análise acústica; e M= 24 anos; DP= 6,1 anos – coleta de análise articulatória). Três indivíduos do gênero feminino, incluídos na amostra submetida à análise acústica, tiveram de ser excluídos da análise articulatória, em razão de apresentarem imagem de baixa qualidade durante a produção de oclusivas velares em seu ponto de máxima elevação de língua. Para tanto, foram incluídos três novos indivíduos, do mesmo gênero e idades semelhantes, para o experimento com o ultrassom.

(ii) Quinze crianças com DTF, seis do gênero feminino e nove do gênero masculino, com idades entre quatro anos e sete meses e sete anos e cinco meses (M= 5,7 anos; DP= 10,9 meses).

A seleção da amostra foi composta por entrevista inicial e triagem fonoaudiológica (avaliações miofuncional orofacial, de linguagem, voz e audição).

Foram considerados os seguintes critérios para a inclusão dos indivíduos:

(i) não apresentar omissões e/ou substituições de segmentos identificadas por meio de análise perceptivo-auditiva;

(ii) ter idade entre 19 e 44 anos para o grupo de adultos e entre quatro e oito anos para o grupo de crianças com DTF. Segundo os Descritores em Ciências da Saúde (DECs), considera-se adulto o indivíduo que se encontra na faixa etária considerada. Para o grupo com DTF, definiu-se a idade mínima de quatro anos em função de nessa faixa etária as oclusivas se encontrarem frequentemente adquiridas no sistema fônico das crianças. Como este trabalho compõe um estudo maior e analisa também os dados da fala de crianças com desvio fonológico, o limite máximo de idade do grupo de crianças com DTF foi definido a partir do mesmo critério adotado para o grupo com alteração da fala. Isso acontece, pois a literatura aponta que, a partir dos nove anos de idade, o desvio fonológico, normalmente, já foi superado e, a partir dessa idade, as trocas de sons configurar-se-iam como erros residuais de fala. Além disso, houve também uma preocupação de se evitar influências da maturação de estruturas neuromotoras com o avançar da idade;

(iii) não ter realizado ou estar realizando terapia fonoaudiológica; e

(iv) ser falante monolíngue do PB, conforme informações levantadas na entrevista inicial (locais de residência; período e duração do contato com uma segunda língua).

Os critérios de exclusão adotados foram: (i) a presença de alterações vocais, auditivas e/ou de linguagem; (ii) de prejuízos evidentes nos aspectos neurológico, cognitivo, psicológico e/ou emocional; e (iii) de alterações de origem miofuncional orofacial que justificassem alguma interferência na produção correta dos sons da fala.

Para o procedimento de gravação dos dados, foram empregados os seguintes equipamentos: microfone unidirecional (Shure – SM48); pedestal; transdutor endocavitário (65C10EA – 5 MHz) acoplado a um ultrassom portátil (Mindray – DP6600); computador; caixa de som; cabine acústica; estabilizador de cabeça; unidade SyncBrightUp de sincronização de áudio e vídeo e Software Articulate Assistant Advanced – AAA (os três últimos da Articulate Instruments Ltd).

O corpus utilizado em ambas as análises foi composto por quatro palavras do PB, todas dissílabas, paroxítonas, com as consoantes oclusivas em onset inicial e no contexto vocálico de /a/ (/’kap«/, /‘tap«/, /‘galo/ e /‘daɾ«/). Essas palavras foram extraídas ou embasadas pelos critérios de seleção de palavras apresentados no Instrumento de Avaliação de Fala para Análise Acústica (IAFAC)⁽²⁷⁾.

As palavras-alvo foram representadas por figuras e apresentadas por meio da tela do computador para a nomeação. O indivíduo foi instruído a incluir a palavra-alvo na frase-veículo “Fala ____ de novo”, repetida por seis vezes, em padrão vocal habitual (intensidade, frequência e velocidade).

Durante a gravação, os indivíduos permaneceram sentados, com postura ereta, no interior de uma cabine acústica. O transdutor do ultrassom foi posicionado na região submandibular de modo fixo, preso ao estabilizador de cabeça. Para auxiliar na aquisição das imagens com o ultrassom, foi utilizado um gel para o contato do transdutor com a pele dos indivíduos. Quando crianças eram avaliadas, a gravação era supervisionada pela primeira autora deste artigo, que também permaneceu no interior da cabine. O tempo de coleta variou de 15 a 20 minutos, sendo realizada em uma única sessão.

Para o presente trabalho, foram consideradas três repetições da palavra-alvo para o estudo acústico (4 palavras x 3 repetições x 35 indivíduos = 420 segmentos oclusivos analisados) e cinco repetições para o estudo articulatório (4 palavras x 5 repetições x 35 indivíduos = 700 segmentos oclusivos analisados).

Algumas produções das palavras-alvo foram excluídas da análise acústica devido à nomeação incorreta da palavra-alvo ou da frase-veículo, pausa longa entre as palavras da sentença, ruído externo interveniente e/ou registro acústico indiferenciado do burst.

Em virtude da exclusão de alguns segmentos e do design estatístico selecionado, foi necessário selecionar o mesmo número de repetições das oclusivas entre os parâmetros acústicos e entre os grupos. Portanto, foram selecionadas três repetições de cada consoante para o experimento acústico. No caso da análise das imagens de ultrassom, foram mantidas cinco repetições de cada consoante, sendo excluídos os dados em que a obtenção da imagem de língua no ponto de máxima constrição estivesse prejudicada e, também, em que tivesse ocorrido a nomeação incorreta da palavra-alvo ou da frase-veículo. Foram priorizadas as primeiras repetições de cada indivíduo para serem incluídas nas análises. Caso uma repetição fosse excluída, era considerada a repetição seguinte, até que se completasse o número total de repetições previsto.

A captação de áudio e de imagens de língua foi realizada com o uso do Software AAA. Para a análise das imagens de ultrassom, foram utilizados os recursos ofertados por esse software, já os sinais de áudio foram analisados por meio do Software Praat.

Com a análise acústica, os sons-alvo foram analisados por meio dos seguintes parâmetros: voice onset time (VOT); pico espectral e momentos espectrais relativos ao burst (centroide, variância, assimetria e curtose); transição consoante-vogal (CV) e medidas de duração relativa da oclusão e do burst em relação à duração total do segmento. A extração desses parâmetros foi realizada manualmente e foram seguidos os procedimentos descritos em outros trabalhos^(3,9-11).

Para a análise articulatória dos dados ultrassonográficos, foram selecionados os instantes correspondentes à produção de cada segmento analisado ([t], [k], [d] e [g]), ou seja, com base no espectrograma fornecido pelo programa, guiou-se pelo último ciclo regular relativo à segunda vogal da palavra “Fala” até o início da vogal seguinte à oclusiva a ser analisada. Posteriormente, foi realizado um traçado (spline) sobre a superfície da língua (em corte sagital), no instante correspondente ao ponto de máxima elevação da língua⁽²⁸⁾, durante a produção da oclusiva. Destaca-se que a sincronização de áudio e vídeo foi realizada por meio da unidade SyncBrightUp e a seleção do frame de máxima elevação da língua foi realizada com a inspeção visual do trecho de vídeo selecionado para cada consoante.

Depois de traçar todas as splines para cada uma das cinco repetições da consoante oclusiva, por meio de um comando do software, foi calculado um valor médio independente para cada um dos 42 eixos ou raios da fan e, assim, um contorno médio da língua foi desenhado com base nesses 42 pontos. Da mesma forma, foram ofertados dois desvios padrão. Posteriormente, foram comparadas duas splines médias para cada um dos contrastes investigados ([t] x [k], [t] x [g], [d] x [k] e [d] x [g]). Para isso foi aplicado um Teste t para cada eixo da fan, recurso também oferecido pelo software, com p<5%.

Com a aplicação desse teste estatístico, foi contabilizado o número total de eixos que as duas splines médias estavam cruzando, o número obtido foi dividido por dois a fim de dividir a língua em duas regiões, anterior e posterior. Quando o número total de eixos correspondia a um número ímpar, o eixo excedente foi contabilizado como pertencente à região anterior. Assim, com a determinação do número total de eixos para cada região, foi levantado o número de eixos significantes na região anterior e na região posterior. Os eixos significantes apontados pelo Teste t correspondiam, portanto, aos eixos em que as duas curvas médias de língua (oclusiva alveolar x oclusiva velar) mostravam diferenças estatisticamente significantes entre elas.

Por fim, foi realizado o cálculo da proporção de eixos significantes, com a divisão do número de eixos significantes da região anterior de língua, pelo número total de eixos dessa mesma região. O resultado foi então multiplicado por 100. O procedimento foi realizado do mesmo modo para a região posterior de língua. O cálculo da proporção de eixos significantes para cada uma das duas regiões foi realizado para cada indivíduo do estudo. Posteriormente, esses valores foram submetidos ao tratamento estatístico dos dados, como descrito adiante.

A Figura 1 ilustra a janela do software com a comparação estatística entre duas splines médias de língua e com a divisão das regiões anterior e posterior.

Legenda: 1 – Cinco splines e spline média da oclusiva [g]; 2 – Cinco splines e spline média da oclusiva [d]; 3 – Eixo “zero” da fanspline; 4 – Eixo “41” da fanspline; 5 – Fanspline; 6 – Asteriscos assinalando os eixos significantes; 7 – Região anterior da língua; 8 – Região posterior da língua

Figura 1 Janela do Software Articulate Assistant Advanced (AAA) 

O método estatístico adotado para a análise dos dados acústicos foi conduzido a partir de uma série de ANOVA de Medidas Repetidas para cada um dos parâmetros acústicos adotados. O fator intragrupo considerado foram as quatro consoantes e as três repetições e, o fator intergrupo, o período de desenvolvimento da fala dos indivíduos (adultos e crianças com DTF). O teste post hoc utilizado foi o Teste de Bonferroni. Os valores de p considerados significantes foram de p<0,05 e o software empregado foi o Statistica 7.0.

Para o tratamento das medidas obtidas com as imagens de ultrassom, inicialmente, foi empregado o Teste de Normalidade Kolmogorov-Smirnov e a distribuição foi considerada normal se p>0,05. Para a detecção de diferenças entre duas médias levando em consideração a região da língua, foi utilizado o Teste t Pareado para as amostras de distribuição normal e o Teste Não Paramétrico de Wilcoxon para as amostras de distribuição não normal. Para realizar a comparação entre os grupos com relação às variáveis estudadas, foi empregado o Teste de Mann-Whitney, uma vez que essas variáveis demonstraram-se não normais. Para essas análises, os valores de p considerados significantes também foram de p<0,05, porém o software utilizado foi o Statistical Package for Social Science 15.0 – SPSS.

Por fim, com relação à descrição das curvas de língua durante a produção das oclusivas [t], [d], [k] e [g], essa também foi realizada no ponto de máxima elevação da língua e com base nas variáveis do trato da Fonologia Gestual⁽⁴⁾ analisadas com o auxílio das imagens de ultrassom (local e grau de constrição da ponta de língua e local e grau de constrição do dorso de língua).

RESULTADOS

Análise articulatória do contraste entre oclusivas alveolares versus velares

Em relação aos parâmetros articulatórios propostos no presente estudo, foi realizada a comparação entre a proporção de eixos significantes da região anterior de língua e a proporção de eixos significantes da região posterior de língua, em cada grupo investigado (adultos e crianças com DTF).

Na Tabela 4, são apresentados os resultados para o grupo de adultos. Foi observada diferença estatisticamente significante entre as regiões anterior e posterior de língua na comparação de todos os contrastes: [t] x [k], [t] x [g], [d] x [k] e [d] x [g]. Nos quatro contrastes estudados, a maior média percentual de eixos significantes foi encontrada na região anterior de língua.

Tabela 4 Comparação entre as proporções de eixos significantes da região anterior e posterior de língua, no grupo de adultos 

Contrastes	Região da língua		p-valor
	Anterior M(DP)	Posterior M(DP)
[t] × [k]	0,8796(±0,07)	0,7067(±0,17)	0,003*
[t] × [g]	0,8695(±0,06)	0,6973(±0,21)	0,003*
[d] × [k]	0,8458(±0,08)	0,6875(±0,20)	0,011*
[d] × [g]	0,8581 (±0,07)	0,7019 (±0,18)	0,001*

^*Resultados estatisticamente significantes

Teste estatístico – Teste t pareado, com p<0,05

Legenda: M – Média; DP – desvio padrão

Para o grupo de crianças com DTF (Tabela 5), foi constatada diferença estatisticamente significante entre as regiões anterior e posterior de língua somente na comparação dos contrastes [t] x [k] e [t] x [g]. A maior média percentual de eixos significantes também foi encontrada na região anterior de língua para esses pares de consoantes.

Tabela 5 Comparação entre as proporções de eixos significantes da região anterior e posterior de língua, no grupo de crianças com desenvolvimento típico de fala 

Contrastes	Região da língua		p-valor
	Anterior M(DP)	Posterior M(DP)
[t] × [k]	0,7796 (±0,10)	0,6186 (±0,20)	0,023*
[t] × [g]	0,7564 (±0,16)	0,5999 (±0,23)	0,024*
[d] × [k]	0,7956 (±0,12)	0,7722 (±0,22)	0,735
[d] × [g]	0,7456 (±0,11)	0,6533 (±0,23)	0,149

^*Resultados estatisticamente significantes

Teste estatístico utilizado – Teste de Wilcoxon, com p<0,05

Legenda: M – Média; DP – desvio padrão

Nas Figuras 2 e 3, são ilustradas as splines de língua na comparação de cada um dos contrastes – [t] x [k], [t] x [g], [d] x [k] e [d] x [g] – para um indivíduo de cada um dos grupos investigados.

Legenda: Em pontilhado – oclusivas velares [k] e [g]; em linha contínua: – oclusivas alveolares [t] e [d]; à esquerda das imagens – região posterior de língua; à direita - região anterior de língua

Figura 2 Splines de língua referentes a cada um dos contrastes investigados, produzidas por um sujeito do grupo de adultos da pesquisa 

Legenda: Em pontilhado – oclusivas velares [k] e [g]; em linha contínua: – oclusivas alveolares [t] e [d]; à esquerda das imagens – região posterior de língua; à direita - região anterior de língua

Figura 3 Splines de língua referentes a cada um dos contrastes investigados, produzidas por um sujeito do grupo de crianças com desenvolvimento típico de fala da pesquisa 

As splines de língua expostas na Figura 2 vão ao encontro dos resultados da Tabela 4. De modo geral, ao se considerar as variáveis do trato da Fonologia Gestual, constatou-se, para as oclusivas alveolares, uma tendência de elevação e anteriorização da ponta da língua em direção à região dos alvéolos. Contrariamente, para as oclusivas velares, foi possível evidenciar uma elevação e posteriorização do dorso de língua em direção à região do véu palatino.

A Figura 3, correspondente às splines de uma criança com DTF também evidenciou as diferenças entre as contrições alveolares e velares. Os gestos articulatórios (em suas variáveis do trato – local de constrição de ponta de língua e local de constrição do corpo de língua) de crianças com DTF se mostraram semelhantes aos gestos articulatórios descritos para o grupo de adultos. No entanto, na grande maioria dos dados, observa-se menor magnitude dos gestos articulatórios para esses indivíduos, além da existência de maior variabilidade entre algumas repetições dos segmentos.

Ao comparar as proporções de eixos significantes do grupo de adultos e do grupo de crianças com DFT, em relação à região anterior de língua durante a produção de [t] x [k], foi evidenciada diferença estatisticamente significante entre os grupos. Assim, também se confirmou para os outros três pares de oclusivas contrastados – [t] x [g], [d] x [k] e [d] x [g] –, do mesmo modo, em relação à região posterior de língua. Em todas as comparações, foi constatada maior média de eixos significantes para o grupo de adultos, com exceção apenas da comparação entre as proporções de eixos significantes da região posterior de língua, durante a produção do contraste entre [d] x [k].

DISCUSSÃO

A presente pesquisa objetivou investigar acústica e articulatoriamente o contraste entre oclusivas alveolares e velares do PB. Para isso, foram pesquisados alguns parâmetros de análise acústica e de análise de imagens de ultrassonografia dos gestos de língua, em dados de falantes adultos e crianças com aquisição típica.

CONCLUSÃO

Quanto à análise acústica, verificaram-se, por meio de seus parâmetros, diversas distinções entre a produção de constrições alveolares e velares na classe das oclusivas. Os valores de VOT, centroide, assimetria, curtose e medidas de duração relativa da oclusão e do burst apresentaram diferenças entre as consoantes oclusivas independentemente do tipo de grupo pesquisado. Contrariamente, os resultados referentes aos parâmetros de pico espectral, variância e transição CV sugerem que o grupo de adultos e de crianças com DTF distinguiram as consoantes oclusivas por meio desses três parâmetros de maneira distinta entre eles.

No que se refere aos parâmetros articulatórios propostos, novamente, foram evidenciadas diferenças entre todos os pares de oclusivas alveolares e velares contrastados na fala de indivíduos adultos. Entretanto, as crianças com DTF mostraram diferenças na comparação entre as proporções de eixos significantes da região anterior e posterior de língua apenas para os pares [t] x [k] e [t] x [g]. Do mesmo modo, as curvas de língua auxiliaram na identificação dos gestos articulatórios durante a produção de constrições alveolares e velares, também nas produções dos dois grupos do estudo.

Em relação à comparação entre os grupos, as distinções apontadas por ambas as análises de fala sugerem um período de refinamento dos gestos articulatórios do grupo de crianças com DTF, mesmo após a aquisição das oclusivas, ou seja, para além dos cinco anos e sete meses, idade média das crianças incluídas nesta pesquisa.