Kategorioiden voimakkuus ja termikartat

Menetelmällämme tunnistimme BCT:t erikseen mies- ja naispopulaatioille. Termikarttojen piirrokset on esitetty lisäosassa 7, kuviot S7-S97, kaikkien niiden WCS:n kielten osalta, joissa oli vähintään kahdeksan mies- ja kahdeksan naispuolista vastaajaa. Kun otetaan huomioon kaikki värisanat kaikissa WCS-kielissä, mies- ja naispuolisten alaryhmien sanankäyttö näyttää monissa tapauksissa olevan samanlaista. Olemme kuitenkin kiinnostuneita tutkimaan tapauksia, joissa miesten ja naisten nimeämiskäyttäytyminen näyttää olevan hyvin erilaista. Havainnollistamme joitakin mahdollisia yhtäläisyyksiä ja eroja urosten ja naaraiden välisessä kategorisoinnissa, aloitamme kahdella esimerkillä. Kuvassa 1 on esitetty naisten ja miesten kategoriavahvuusarvot, CSF ja CSM, vierekkäin kahdelle WCS-kielelle.

Termivahvuuden visualisointi. a esittää kielen 12 tiedot, b kielen 17 tiedot. Kussakin alakuvassa kukin kielen värisana w on piirretty sinisellä korkeudella CSM(w) ja punaisella korkeudella CSF(w). Viivat on piirretty yhdistämään mies- ja naistulokset sanan w osalta. Kunkin kuvaajan keltaiselle alueelle sijoittuvat pisteet vastaavat potentiaalisesti perustavia värisanoja; yläpuolella olevat pisteet vastaavat aina perustavia värisanoja ja alapuolella olevat pisteet vastaavat ei koskaan perustavia värisanoja

Vasemmanpuoleisessa paneelissa on esitetty kategorioiden vahvuudet Bauzin kielen (L12 WCS:n arkistossa) mies- ja naispuolisten osapopulaatioiden kohdalla. Kukin punainen (sininen) piste edustaa värisanaa, ja se on piirretty korkeudelle, joka vastaa sen naispuolisen (miespuolisen) kategorian vahvuutta, CSF (CSM) -arvoa. Samaa sanaa vastaavat pisteet on yhdistetty mustilla viivoilla. Kieli 12:n puhujien käyttämistä seitsemästä värisanasta viisi luokitellaan aina perustaviksi väritermeiksi (kahdella ei koskaan perustavalla väritermeillä on kategorian vahvuus 0), ja vaikka ne erotetaan mies- ja naispuolisiin alaryhmiin, nämä viisi sanaa ovat aina perustavia molempien alaryhmien osalta; termien kategorian vahvuuden järjestys on hyvin samanlainen miehillä ja naisilla. Mies- ja naispuolisten alaryhmien populaatiotermikartat, joita nimitämme TMw,F:ksi ja TMw,M:ksi kunkin sanaa w vastaavan kategorian osalta, esitetään lämpökarttoina kuvassa 2. Termikarttojen jokainen suorakulmainen pikseli edustaa WCS:ssä käytettyä värisirua siten, että termikarttojen pikselit ja WCS:n ruudukkosirut ovat samansuuntaisia; WCS:n koko sirusarja on viitteellisesti esitetty lisäosassa 1 olevassa kuvassa S1. Tummempi varjostus termikartoissa osoittaa, että vastaavat värit on nimetty sanalla wi suuremmalla osalla osapopulaatiosta. Valkoinen väritys termikartoissa osoittaa, että vastaavia värejä ei ole koskaan nimetty sanalla wi. Näemme, että nais- ja miespuhujien nimeämiskäyttäytyminen vastaa läheisesti kaikkia viittä relevanttia väritermiä.

Kielen 12 osapopulaation termikartat sukupuolittain erotellussa aineistossa. Kukin rivi vastaa yhtä sanaa, ja vasemmassa paneelissa on naispuolinen termikartta ja oikeassa paneelissa miespuolinen termikartta

Mies- ja naispuolisten alipopulaatioiden käyttäytyminen on erilaista cakchiquel-kielessä (L17 WCS:n arkistossa). Kuvan 1 oikeanpuoleisessa paneelissa näkyy, että termien järjestykset sukupuoleen perustuvien kategorioiden vahvuuksien mukaan ovat hyvin erilaiset. Palaamme tähän kieleen luvussa, jossa tarkastelemme konkreettisia eroja miesten ja naisten värien nimeämiskäyttäytymisessä.

Saadaksemme kokonaisvaltaisemman kuvan siitä, kuinka yleisesti ottaen samankaltaista tai erilaista miesten ja naisten nimeämiskäyttäytyminen voi olla, kvantifioimme TMw,F:n ja TMw,M:n väliset erot käyttämällä funktiota Diff (TMw,F, TMw,M) kaikissa kielissä ja kaikkien sellaisten värisanojen kohdalla, jotka ovat perussanoja ainakin yhden sukupuolen suhteen. Kuvassa 3 esitetään histogrammi kaikista näistä tiedoista. Näemme, että vaikka useimmat värisanat osoittavat samanlaista miesten ja naisten nimeämiskäyttäytymistä, on termejä, joissa ero on suhteellisen suuri; on 19 värisanaa, jotka kattavat 14 kieltä ja joiden Diff (TMw,F, TMw,M) -arvot ovat suuremmat kuin 0,25.

Todelliset ja simuloidut Diff-tiedot. a Histogrammi Diff-arvojen jakaumasta. b Histogrammi, joka osoittaa niiden tapausten lukumäärän, joissa Diff ≥ 0,25 (ei-horisontaalinen akseli), kun populaatio on jaettu satunnaisesti pseudoemänteisiin ja -emänteisiin (normalisoitu siten, että pinta-ala on yksikköä). Oranssilla korostettu häntä edustaa niiden iteraatioiden prosenttiosuutta, joissa oli 19 tai enemmän tällaisia ”mielenkiintoisia tapauksia”

Tärkeä kysymys on, ovatko tässä saadut suuret erot väriluokittelussa todella merkki naaraiden ja urosten käyttäytymisen eroista. Voi olla mahdollista, että mikä tahansa populaation satunnainen jakaminen kahteen ryhmään antaa todennäköisesti joitain eroja kategorisoinnissa (tai termikartan ulkonäössä) vain sattumalta. Tutkiaksemme kuvion 3 tulosten tilastollista merkitystä jaoimme jokaisen populaation satunnaisesti kahteen alaryhmään (pseudomale-ryhmä ja pseudofemale-ryhmä) ja sovelsimme samaa menetelmää löytääksemme kunkin kielen pseudomale- ja pseudofemale-nimikäyttäytymisen erojen globaalin jakauman. Sitten laskimme ja kirjasimme niiden termien määrän, joiden Diff-arvo oli yli 0,25. Teimme tämän 10 000 kertaa; kuvassa 3 näkyy saatu laskentajakauma, jonka pinta-ala on normalisoitu yhtä suureksi kuin 1 yksikkö.

Asettakaamme nyt seuraava nollahypoteesi: ”Kunkin populaation satunnaisella jakamisella kahteen alaryhmään voidaan saada 19 tai useampia tapauksia, joiden Diff ≥ 0,25”. Huomaa, että kun se normalisoidaan niin, että sen pinta-ala on yksikkö, kuvassa 3 oleva histogrammi voidaan tulkita todennäköisyysjakaumaksi, joka osoittaa n korkean Diff-arvon termien esiintymisen todennäköisyyden. Jos nollahypoteesi on oikea, normalisoidun histogrammin oranssilla korostetun ”hännän” pinta-ala on vähintään 0,05 (95 prosentin raja-arvoa käyttäen). Näin ei kuitenkaan ole – havaittu pinta-ala on noin 0,0191, mikä tarkoittaa, että suuri ero nimeämiskäyttäytymisessä esiintyy hyvin pienellä todennäköisyydellä, jos oletetaan, että alaryhmät muodostetaan satunnaisella jakamisella yleisestä väestöstä. Voimme siis päätellä, että miehiä ja naisia tutkimalla havaitut erot ovat tilastollisesti merkitseviä.

Analyysi 19 termistä, jotka täyttävät Diff (w) > 0,25, paljastaa, että kolme termiä on karaja-kielestä (L53 WCS:n arkistossa): ikura, iura ja idy. Kay et al. (2009) toteavat, että värinimitystietojen kerääminen oli epäsäännöllistä tämän kielen osalta – tiedot kerättiin ryhmissä eikä yksilöiltä, mikä aiheuttaa sen, että yksilö-, osapopulaatio- ja koko populaation termikartoissa on epätavallisia jakaumia. Siksi jätämme tämän kielen pois tutkimuksesta; huomaa, että jättämällä L53 pois kaikista simulaatioajoista saadaan edelleen histogrammi, jonka häntäkoko on alle 0,05, mikä tarkoittaa, että L53:n poisjättäminen ei muuta tilastollisen merkitsevyysanalyysin johtopäätöksiä.

Jos olisimme valinneet havainnoida termejä, joiden Diff (w) > 0,2, olisimme löytäneet 79 termiä WCS:n aineistosta. Tämä on liian suuri määrä termejä, jotta niitä voitaisiin tutkia tapauskohtaisesti tässä työssä, vaikka nostammekin keskusteluissa esiin joitakin erityisiä esimerkkejä tästä joukosta. Suorittamalla ylimääräisen merkitsevyysanalyysin havaitsemme, että alle 1 %:lla 10 000:sta saadaan 79 tai useampia termejä, joiden Diff (w) > 0.2, joten voimme päätellä, että myös tämän termijoukon tutkiminen on relevanttia.

Tapaustutkimukset: Suuria eroja nais- ja miespuolisten termikarttojen välillä

Kun poistamme L53:n tutkimuksesta, jäljelle jää 16 sanaa 13:sta eri kielestä; yksityiskohtaiset tiedot näistä kielistä on esitetty taulukossa 1. Seuraavassa tarkastelemme näitä 16 kiinnostavaa termiä. Kun tarkastelemme tässä luettelossa esiintyvien kielten värikarttoja, voimme tunnistaa seuraavat keskeiset ryhmät, jotka määräytyvät suurten mies- ja naissukupuolten välisten erojen mukaan:

• Yksi sukupuoli leksikalisoi kategorian tai kategoriajakauman, ja toinen sukupuoli ei (kielet 75, 81, 30, 94, 103, 67). Tämä voi johtua siitä, että toinen sukupuoli oppii/hankkii kategorian ennen toista sukupuolta, ja suurten eroavaisuuksien tapauksissamme tämä tapahtuu väriavaruuden ”vihreä/sininen/harmaa”-alueella. Konventionaalisesti ”grue” viittaa kokoelmaan värejä, jotka voidaan kuvata englanniksi joko sinisellä tai vihreällä.

• Sukupuolet leksikalisoivat samankaltaisia kategorioita, mutta niillä voi olla eri mieluisat nimet kategorialle. Tämä voi johtua natiivien värisanojen synonyymeistä (kieli 103) tai lainatuista värisanoista, jotka kilpailevat olemassa olevien natiivien värisanojen kanssa (kielet 67, 45, 17). Tapauksissa, joissa ero on suuri, tätä esiintyy väriavaruuden ”violetin” alueella ja (yksi esimerkki) ”vihreän/sinisen/harmaan” alueella.

• Muut (kielet 6, 21, 34, 46, 49).

Alhaalla tarkastelemme yksityiskohtaisemmin tapauksia, jotka viittaavat kategorian ilmaantumiseen vain yhden sukupuolen värien luokittelujärjestelmässä. Erityisesti nostamme esiin Murlen, Patepin, Coloradon, Tbolin, Walpirin, Mazahuan, Huastecin ja Cakchiquelin kielten osoittaman värien nimeämiskäyttäytymisen. Loput suuret diff-tapaukset (joita edellä kutsuttiin ”muiksi”) eivät osoita epätavallista tai mielenkiintoista käyttäytymistä, joten käsittelemme niitä täydentävässä jaksossa 2.

Tapaus 1: Murle (L75)

Murle-kielessä on yksi termi, nyapus (w11), jolla on korkea diff-arvo, ks. kuvion 4 toinen rivi. Näemme, että naispuolisen osapopulaation mukaan w11 tarkoittaa toisinaan värien ”vaaleansinistä” aluetta, kun taas miespuolinen osapopulaatio ei käytä w11:tä lainkaan. Miespuoliset puhujat käyttävät vain w1:tä harmaasävyjen nimeämiseen. Vaikka naaraat käyttävät myös w1:tä grue-värien nimeämiseen (grue-kategoria), termikartat näyttävät osoittavan, että naarasväestö käytti heikkoa ylimääräistä kategoriaa, joka kattaa ”vaaleansiniset” värit, joita miesväestö ei käytä. Huomaamme myös, että naaraiden grue-kategoria on polarisoitunut kohti vihreitä sävyjä, kun taas miesten ”grue” on suhteellisen tasapainoinen.

Valitut kategoriat kielestä 75. Tässä ja alla harmaat värikartat ilmaisevat kategorian never-basicness

Tapaus 2: Patep (L81)

Patepin kielessä on yksi termi, bilu (w8), jolla on korkea Diff-arvo, ks. kuvion 5 kolmas rivi. Näemme, että w8 kuvaa parhaiten värien ”sinistä” aluetta. Voimme kuitenkin myös nähdä miespuolisten w8-kategorian harmaasävyjen perusteella, että miespuoliset puhujat eivät käytä w8:aa riittävän usein tai johdonmukaisesti, jotta w8:aa voitaisiin pitää CSM-perusvärinä. Miespuhujat nimittäin käyttivät w2:ta ”sinisten” ja ”vihreiden” värien nimeämiseen ja satunnaisesti myös w1:tä ”vihreiden” värien nimeämiseen. Naiset erottelevat ”vihreän” ja ”sinisen” värikategoriat selvästi w2:lla ja w8:lla.

Valitut kategoriat kielestä 81

Tapaus 3: Coloradon kieli (L30)

Coloradon kielessä on yksi termi, losimban (w4), jolla on korkea Diff-arvo, ks. kuvion 6 ensimmäistä riviä. Naaraat käyttävät w6:ta merkitsemään ”sinistä” ja w4:ää merkitsemään ”vihreää”. Sitä vastoin miehet käyttävät harvoin w4:ää sekä ”vihreän” että ”sinisen” värien nimeämiseen. w6:aa käytetään miesväestössä melko harvoin, ja sitä näyttää käytettävän sellaisten värien nimeämiseen, jotka eivät kuulu mihinkään tunnettuun kategoriaan.

Valitut kategoriat kielestä 30

Tapaus 4: Tboli (L94)

Tbolin kielessä on yksi termi, gingung (w7), jolla on korkea Diff-arvo (ks. kuva 7). Naiset käyttävät w7:ää merkitsemään ”tummansinistä-violettia”, kun taas miehet käyttävät w7:ää harvoin; ”tummansinistä-violettia” väriä ei ole edustettuna missään muussa mieskategoriassa.

Valittu kategoria kielestä 94. Nais- ja miestermikartat, jotka vastaavat vastaavasti väritermiä w7

Seuraavissa tapaustutkimuksissa havaitaan kilpailevien nimien rinnakkaiselo samalle värikategorialle.

Tapaus 5: Walpiri (L103)

Walpiri-kielessä on yksi termi, wajirrkikajirrki (w12), jolla on korkea Diff-arvo, ks. kuvion 8 toinen rivi. Naisilla on kaksi kilpailevaa sanaa, jotka kuvaavat ”vihreitä” värejä: w12 ja w14. ”Mustan” ja ”sinisen” värin kattaa w7. Toisaalta urokset käyttävät harvoin w12:ta ”vihreän” nimeämiseen, mutta käyttävät w14:ää (ja hyvin harvoin w7:ää) ”vihreän” nimeämiseen. Lukuun ottamatta heikkoa läsnäoloa luokassa w7, ”siniset” värit esiintyvät ei-perusluokassa w10 sekä miehillä että naisilla (naisilla voimakkaammin). Walpiria tarkasteltiin jonkin verran yksityiskohtaisemmin Lindseyssä ja Brownissa (2009), jotka havaitsivat, että tässä kielessä on viisi värien nimeämismotiivia; näyttää siltä, että sukupuolten väliset erot värien nimeämisessä vaikuttavat osaltaan tähän monimuotoisuuteen.

Valittuja kategorioita Kielestä 103

Tapausta 6: Mahahua (L67)

Mazahuan kielessä on kaksi termiä, joilla on korkea Diff-arvo: morado ja verde. Viittaamme sanoihin vastaavasti w28 ja w47 WCS-luettelon perusteella. Miesten ja naisten termikartat w47:lle on esitetty kuvion 9 kuudennella rivillä. Näemme, että miespuoliset puhujat eivät lähes koskaan käytä w47:ää minkään värin nimeämiseen, kun taas naispuoliset puhujat käyttävät w47:ää erittäin usein ja johdonmukaisesti kuvaillessaan värejä, jotka lähentelevät englannin kategoriaa ”green”. Tämä on erityisen mielenkiintoista, kun tarkastelemme w4:n termikarttoja, jotka on esitetty kuvion 9 toisella rivillä. Naaraat käyttävät w4:ää kuvaamaan englanninkielisiä ”sinisiä” värejä, kun taas miehet käyttävät w4:ää kuvaamaan ”sinisten” ja ”vihreiden” värien yhdistelmää (”grue”). Tämä on siis esimerkki siitä, että yksi sukupuoli leksikalisoi suuren kategorian (”grue”), kun taas toinen sukupuoli jakaa sen kahteen pienempään kategoriaan (”sininen” ja ”vihreä”). Miesten ja naisten termikartat w28:lle on esitetty kuvion 9 viidennellä rivillä. Miehet ja naiset käyttävät w28:a värin ”violetin” alueen nimeämiseen. Naispuhujat käyttävät kuitenkin vain w28:a ”violetin” nimeämiseen, kun taas miespuhujat käyttävät myös w7:ää saman värijoukon nimeämiseen.

Valitut kategoriat kielestä 67

Tapaus 7: Huastec (L45)

Huastecin kielessä on kaksi termiä, morado ja muyaky (w5 ja w6), joilla on korkeat Diff-arvot (ks. kuva 10). Naiset ja miehet käyttävät molempia termejä tarkoittamaan värien ”violettia” aluetta. Naispuhujat suosivat kuitenkin w6:ta ja miespuhujat w5:tä. On mielenkiintoista, että tässä kielessä miehet käyttävät espanjasta lainattua termiä morado, kun taas naiset käyttävät (perinteistä) muyaku-termiä. Tämä osoittaa samankaltaista mallia kuin Samarina (2007) on havainnut Kaukasuksen kielissä, mikä selittyy sukupuolten välisillä eroilla elämäntyylissä. Naiset, jotka tyypillisesti osallistuvat käytäntöihin, jotka edellyttävät huomiota elintarvikkeisiin, väriaineisiin ja kasveihin, käyttävät yleensä alkuperäisiä, kuvailevia väritermejä. Miehet sen sijaan osallistuvat kaupankäyntiin ja muihin kotiympäristön ulkopuolisiin toimintoihin, mikä johtaa siihen, että he käyttävät abstraktimpia, omaksuttuja väritermejä.

Valitut kategoriat kielestä 45

Tapaus 8: Cakchiquel (L17)

Cakchiquelin kielessä on yksi termi, lila (w16), jolla on korkea Diff-arvo, ks. kuvan 11 viides rivi. Naaraat käyttävät w16:ta kuvaamaan ”vaaleaa violettia”; miehet käyttävät w16:ta harvemmin ja johdonmukaisemmin kuvatessaan samaa värivalikoimaa. Näemme kuitenkin, että kun naaraat käyttävät w10:tä ”tumman violetin” värien nimeämiseen, urokset käyttävät w10:tä kaikkien ”violetin” alueen värien nimeämiseen, mukaan lukien vaaleat ja tummat lajikkeet.

Valitut kategoriat kielestä 17

Mies- ja naispuoliset kategoriaesimerkit

Fider ym. (2017) hahmottelevat menetelmiä, joilla kategoriaesimerkkejä voidaan identifioida ja analysoida värien nimeämistehtävästä saadun aineiston mukaan. Soveltamalla näitä menetelmiä nais- ja miespuolisiin osapopulaatioihin havaitsimme, että vaikka joissakin kielissä mies- ja naispuoliset esimerkit erosivat toisistaan, tämä tulos ei ollut tilastollisesti merkitsevä siinä mielessä, että samankaltaisia malleja havaittiin simulaatioissa, joissa oli satunnaisesti valittuja pseudomale- ja pseudofemale-populaatioita. On huomattava, että algoritmi, joka paikallistaa kategorian esimerkin, riippuu värikokoelman kolmiulotteisen keskipisteen löytämisestä ja sen projisoinnista takaisin WCS-värijoukkoon. Alkuperäinen värikokoelma on peräisin WCS-värijoukosta, joka valitaan ensisijaisesti kolmiulotteisen värikokonaisuuden ”pinnalta”; massakeskipisteen laskeminen ja projisointi takaisin WCS-ruudukkoon tuo mukanaan virhemahdollisuuden, ja näennäisen satunnaiset mies- ja naispuoliset esimerkkitulokset voivat yksinkertaisesti olla seurausta tästä ongelmasta. Yksityiskohtaiset tiedot esimerkkipohjaisista menetelmistä ja tuloksista löytyvät lisäosasta 4.

.