1 Descripción del problema

Por medio del siguiente trabajo queremos determinar las variaciones en el tono de voz de niños, jóvenes y adultos, como cambia el tono dependiendo de la edad de la persona, encontrar similitudes en el tono de voz de mujeres y hombres. Elaborar una comparación del promedio del tono de los niños, jóvenes y adultos con los datos que llevamos.

2 Objetivos del experimento

  • Determinar las distintas frecuencias en el tono de voz de niños, jóvenes y adultos.
  • Estimar cómo cambia el tono de las personas dependiendo su edad.

3 Marco teórico

El tono de voz es uno de los elementos con mayor influencia sobre la comunicación de cuantos existen. El tono depende de la longitud que presenten los pliegues vocales, cuanto mayor sea, más grave será la voz. Al contrario, cuanto más cortas sean las cuerdas, las voces serán más agudas. De esta manera, según Le Huche y Allali (1993: 100), la voz de un niño cuyos pliegues miden entre cinco y doce milímetros es más aguda que la de una mujer, con pliegues entre catorce y dieciocho milímetros y, a su vez, ésta más aguda que la de un hombre, con longitudes entre dieciocho y veinticinco milímetros. https://www.researchgate.net/profile/Emma-Rodero/publication/287491072_La_voz_masculina_y_femenina_en_los_informativos_radiofonicos/links/56771bab08ae502c99d2efd6/La-voz-masculina-y-femenina-en-los-informativos-radiofonicos.pdf.

4 Hipótesis:

  • Creemos que a medida de que crecen las personas su tono de voz cambia, tanto en niños, jóvenes y adultos.
  • Suponemos que hallaremos distintas frecuencias en cada prueba y comparación que hagamos.
  • El tono de los niños y niñas será similar porque están en su etapa de desarrollo.
  • Deducimos que dos personas no pueden tener el mismo tono porque cada voz es única.
  • Creemos que podemos determinar la edad de una persona o aproximarnos mediante el tono.

5 Marco Metodológico

  • Mediremos el tono de voz de 12 personas(6 mujeres y 6 hombres, niños, jóvenes y adultos), por medio del sensor Arduino Science Journal y los grabaremos leyendo el mismo texto a cada uno.
  • Clasificaremos los tonos de los niños, jóvenes y adultos.
  • Compararemos las variaciones que presentan los tonos en cada edad.
  • Y concluiremos de acuerdo a la hipótesis planteada.

6 Variable respuesta

Nuestra variable respuesta en este caso es la voz. Con los datos que hemos obtenido por ahora que solo ha sido en jóvenes, podemos ver la diferencia de tiempo al hablar entre hombres y mujeres. También cómo cambia su voz con la edad. Con este experimento queremos evaluar, ¿podrían tener una misma frecuencia hombres y mujeres? ¿La edad influye en la velocidad en que hablan las personas? ¿Por qué los hombres tardan más en hablar que las mujeres? Esperamos aclarar estas y otras dudas con ayuda de los resultados de este experimento.

7 Variables de control

  • Haremos una comparación entre hombres y mujeres (niños, jóvenes y adultos) sobre el tiempo que se toman al hablar.

8 Resultados parciales

8.1 Datos parciales

De estos datos que hemos tomado por el momento, pudimos observar la diferencia de tiempo al hablar entre hombres y mujeres. Tenemos de primera Aylin Echavarria con un tiempo de 39s y un promedio de 233,5 y a Sara Palacio con un tiempo de 35s y un promedio de 244,7 a diferencia de los hombres que se tomaron mas tiempo en leer un pequeño parrafo que estamos usando como muestra, primero tenemos a Hernan Ferro con un tiempo de 48s y un promedio de 122,4 y a Carlos Ortiz con un tiempo de 40s y un promedio de 139,2. Apesar de que todos son jovenes se puede notar la diferencia de tiempo al hablar. Con esto investigaremos si el sexo de la persona influye en eso o no.

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