Gathering and Analyzing Varia1on Data Judy and Sallys - PowerPoint PPT Presentation

Gathering ¡and ¡Analyzing ¡Varia1on ¡Data ¡ • Judy ¡and ¡Sally’s ¡narra1ves ¡ – Get ¡me ¡something ¡by ¡Monday, ¡10 ¡AM ¡ – Brief ¡presenta1ons ¡in ¡Monday’s ¡class ¡ • That ¡other ¡liEle ¡assignment ¡ • Gathering ¡and ¡analyzing ¡varia1on ¡data ¡ – The ¡quan1ta1ve ¡enterprise ¡ – Trea1ng ¡linguis1c ¡variables ¡ – Trea1ng ¡the ¡social ¡ • The ¡seGng, ¡or ¡“community” ¡ • Quan1fying ¡a ¡qualita1ve ¡social ¡world ¡ – GeGng ¡the ¡data ¡ – A ¡couple ¡of ¡observa1ons ¡about ¡the ¡rela1on ¡between ¡survey ¡and ¡ ethnographic ¡reasoning ¡

The ¡Varia1on ¡Enterprise ¡ • The ¡study ¡of ¡varia1on ¡is ¡inherently ¡quan1ta1ve, ¡and ¡ uses ¡quan1ta1ve ¡methods ¡to ¡find ¡rela1ons ¡between ¡ linguis1c ¡variability ¡and ¡poten1al ¡constraints ¡on ¡the ¡ produc1on ¡and ¡percep1on ¡of ¡this ¡variability. ¡ – Linguis1c ¡ – Social ¡ – Psychological ¡ • The ¡study ¡of ¡varia1on ¡works ¡with ¡sets ¡of ¡ – Variables ¡ – Variants ¡ – Linguis1c ¡environments ¡ – People ¡ • Who ¡can ¡represent ¡1me ¡as ¡well ¡as ¡social ¡categories ¡ • The ¡challenge ¡in ¡studying ¡social ¡varia1on ¡-­‑ ¡reducing ¡a ¡ qualita1ve ¡social ¡world ¡to ¡quan1fiable ¡sets. ¡ ¡

Why ¡Sets? ¡ • Constraints ¡on ¡an ¡event ¡– ¡why ¡did ¡this ¡event ¡ happen ¡and ¡not ¡some ¡other ¡possible ¡events? ¡ • What’s ¡the ¡range ¡of ¡possible ¡events? ¡ – Possible ¡variables ¡(!) ¡ – Possible ¡variants ¡of ¡a ¡variable ¡ – Linguis1c ¡constraints ¡ • Possible ¡sets ¡of ¡condi1oning ¡environments ¡ • Possible ¡environments ¡within ¡those ¡sets ¡ – Social ¡constraints ¡ • Possible ¡sets ¡of ¡social ¡constraint ¡(e.g. ¡gender, ¡class) ¡ • Possible ¡members ¡of ¡those ¡ ¡sets ¡(e.g. ¡M/F, ¡U/M/W/L) ¡

Variables ¡are ¡commonly ¡treated ¡as ¡individual ¡ events, ¡but ¡they ¡may ¡be ¡members ¡of ¡sets ¡(i.e. ¡ structurally ¡related) ¡ Casual Careful Reading Word List Casual ¡ Careful ¡ Reading ¡ Word ¡List ¡ 0 0 ¡ 5 5 ¡ Upper ¡Middle ¡Class ¡(9) ¡ 10 10 ¡ 15 15 ¡ Lower ¡Middle ¡Class ¡ (6-­‑8) ¡ 20 ¡ 20 Working ¡Class ¡(3-­‑5) ¡ 25 ¡ 25 30 ¡ 30 35 ¡ 35 40 ¡ 40 NYC ¡(aeh) ¡ NYC ¡(oh) ¡

Descrip1ve ¡Sta1s1cs ¡ • Quan1ta1ve ¡descrip1on ¡of ¡the ¡main ¡features ¡ of ¡a ¡data ¡distribu1on: ¡ – Percentages ¡ – Means ¡ – Dispersion ¡ – ... ¡ • Tests ¡of ¡significance ¡

Trea1ng ¡Variables ¡as ¡Con1nuous ¡or ¡Binary ¡ • Commonly ¡treated ¡as ¡binary ¡ – Consonant ¡dele1on, ¡stress, ¡nega1ve ¡concord... ¡ • Commonly ¡treated ¡as ¡con1nuous ¡ – Vowel ¡height/frontness, ¡F0, ¡segment ¡length... ¡ • Many ¡variables ¡can ¡be ¡treated ¡either ¡way ¡ – The ¡two ¡may ¡show ¡different ¡things ¡

Binary: ¡% ¡uvular ¡/r/ ¡ SANKOFF, ¡GILLIAN. ¡2006. ¡ Age: ¡Apparent ¡1me ¡and ¡real ¡ 1me. ¡Elsevier ¡encyclopedia ¡ of ¡language ¡and ¡linguis1cs. ¡ Oxford: ¡Elsevier. ¡ Based ¡on ¡CLERMONT, ¡J. ¡and ¡ CEDERGREN, ¡H. ¡1979. ¡Les ¡ "R" ¡de ¡ma ¡mère ¡sont ¡perdus ¡ dans ¡l'air. ¡Le ¡français ¡parlé: ¡ Etudes ¡sociolinguis1ques, ¡ ed. ¡by ¡P. ¡Thibault, ¡13-­‑28. ¡ Edmonton, ¡Alberta: ¡ Linguis1c ¡Research. ¡ ¡

Binary: ¡% ¡Nega1ve ¡Concord ¡in ¡Belten ¡ High ¡ 50 45 40 35 % Negative Concord 30 25 20 15 10 5 0 Burnout Girls Burnout Boys Jock Girls Jock Boys

Binary: ¡apical ¡-­‑ing ¡ 90 80 70 60 Lower 50 Working Lower Middle 40 Upper Middle 30 20 10 0 Casual Careful Reading

Binary: % Full Tone � ZHANG, ¡QING. ¡2005. ¡A ¡Chinese ¡yuppie ¡in ¡Beijing: ¡Phonological ¡varia1on ¡and ¡the ¡ construc1on ¡of ¡a ¡new ¡professional ¡iden1ty. ¡Language ¡in ¡society, ¡34.431-­‑66. ¡

Clearly ¡con1nuous ¡variables: ¡(ay) ¡ i ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡u ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡e ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ʌ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡o ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡a ¡

con1nuous ¡vs. ¡binary ¡ 0.3 ¡ 1 ¡ 0.9 ¡ 0.25 ¡ 0.8 ¡ 0.7 ¡ 0.2 ¡ 0.6 ¡ 0.15 ¡ 0.5 ¡ 0.4 ¡ 0.1 ¡ 0.3 ¡ 0.2 ¡ 0.05 ¡ 0.1 ¡ 0 ¡ 0 ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡w ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡x ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡mj ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡mb ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡w ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡x ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡mj ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡mb ¡ 0 ¡ 1 ¡ 2 ¡ 3 ¡ 4 ¡ 5 ¡ 0 ¡ 1 ¡ 2 ¡ 3 ¡ 4 ¡ 5 ¡ 1=[a] ¡ ¡2=[ ʌ ] ¡3=[ ¡̂ ʌ͐ ] ¡4=[o, ʊ ] ¡ % ¡4 ¡

/ay/ ¡in ¡Belten ¡High ¡ (ay) sig=.000 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 Burnout Girls Burnout Boys Jock Girls Jock Boys

ECKERT, ¡PENELOPE. ¡1988. ¡ Sound ¡change ¡and ¡adolescent ¡ social ¡structure. ¡Language ¡in ¡ Society, ¡17.183–207. ¡

Con1nuous: ¡raising ¡of ¡New ¡York ¡City ¡/aeh/ ¡ 15 ¡ 20 ¡ 25 ¡ LOWER ¡ WORKING ¡ MIDDLE ¡ 30 ¡ 35 ¡ 40 ¡ casual ¡ formal ¡ reading ¡ word ¡list ¡ Labov, W. (1966). The social stratification of English in New York City. Washington, DC, Center for Applied Linguistics.

Con1nuous: ¡/aw/,/ay/ ¡on ¡Martha’s ¡Vineyard ¡ ¡ all ¡ages ¡ 100 ¡ 90 ¡ 80 ¡ 70 ¡ 60 ¡ 50 ¡ 40 ¡ 30 ¡ 20 ¡ 10 ¡ 0 ¡ English ¡(ay) ¡ English ¡(aw) ¡ Na1ve ¡American ¡ Na1ve ¡American ¡ (ay) ¡ (aw) ¡ 140 ¡ 140 ¡ 120 ¡ 120 ¡ 100 ¡ 100 ¡ 80 ¡ 80 ¡ English ¡(ay) ¡ English ¡(aw) ¡ 60 ¡ 60 ¡ Na1ve ¡American ¡(ay) ¡ Na1ve ¡American ¡(aw) ¡ 40 ¡ 40 ¡ 20 ¡ 20 ¡ 0 ¡ 0 ¡ >60 ¡ 46-­‑60 ¡ 31-­‑45 ¡ <30 ¡ >60 ¡ 46-­‑60 ¡ 31-­‑45 ¡ <30 ¡

Con1nuous: ¡dh-­‑stopping ¡in ¡New ¡York ¡City ¡ 90 � 80 � 70 � 60 � Lower Class (0-2) � 50 � (dh) index � Working Class (3-5) � 40 � 30 � 20 � 10 � 0 � Casual Style � Interview Style � Reading style �

Height ¡as ¡a ¡con1nuum ¡ 2.5 2 height of /u/ 1.5 Males 1 Females 0.5 0 Mountain Dairy Farming Factory Work Agriculture 0=[o]...4=[u] HOLMQUIST, ¡JONATHAN. ¡1985. ¡Social ¡correlates ¡of ¡a ¡linguis1c ¡variable: ¡A ¡study ¡in ¡ a ¡Spanish ¡village. ¡Language ¡in ¡Society, ¡14.191-­‑203. ¡

PODESVA, ¡ROBERT. ¡2004. ¡On ¡construc1ng ¡social ¡meaning ¡with ¡stop ¡release ¡ bursts. ¡Paper ¡presented ¡at ¡Sociolinguis1cs ¡Symposium ¡15. ¡Newcastle ¡upon ¡ Tyne. ¡

Quan1ta1ve ¡analysis ¡ • Your ¡approach ¡to ¡quan1ta1ve ¡analysis ¡can ¡be ¡ as ¡varied ¡as ¡your ¡sta1s1cal ¡sophis1ca1on. ¡ • Even ¡if ¡you ¡don’t ¡have ¡much ¡SS, ¡there ¡are ¡ good ¡standard ¡tools ¡for ¡working ¡out ¡the ¡ constraints ¡in ¡varia1on. ¡ ¡ – Goldvarb ¡ • individual.utoronto.ca/tagliamonte/goldvarb.htm ¡ – Rbrul ¡ ¡ • hEp://www.danielezrajohnson.com/rbrul.html ¡

Regressions ¡ • Controlling ¡for ¡linguis1c ¡constraints ¡when ¡ running ¡social ¡factors ¡ • Comparing ¡the ¡effects ¡of ¡different ¡social ¡or ¡ linguis1c ¡factors ¡ • Looking ¡for ¡interac1ons ¡among ¡factors ¡ (especially ¡social ¡factors) ¡ • Regressions ¡ – Logis1c ¡(binomial) ¡ – Linear ¡(con1nuous) ¡

The ¡nasal ¡paEern ¡ stand ¡ class ¡ ECKERT, ¡PENELOPE. ¡2008. ¡Where ¡do ¡ethnolects ¡stop? ¡Interna1onal ¡ journal ¡of ¡bilingualism, ¡12.25-­‑42. ¡ ¡

The ¡Chicano ¡paEern ¡ I ¡slammed ¡him ¡into ¡-­‑ ¡ bars ¡ Candace ¡