در بسیاری از پروژههای آکوستیکی — از طراحی سالنهای اپرا گرفته تا اتاقهای کنترل، کلاسهای درس، استودیوهای پخش زنده یا حتی محیطهای Virtual Production — یک فرض پنهان وجود دارد:
اگر سیگنال به اندازه کافی بلند باشد، فهمیده میشود.
اما تجربه عملی و دادههای آزمایشگاهی نشان میدهد این فرض همیشه درست نیست.
ما اغلب در شرایطی قرار میگیریم که:
اما با این حال، درک گفتار بهشدت مختل میشود.
این پدیده، ماسکینگ اطلاعاتی (Informational Masking) نام دارد — مفهومی که درک آن برای طراحی محیطهای شنیداری مدرن ضروری است.
تصور کنید در بزرگراهی شلوغ رانندگی میکنید. همزمان یک پادکست گوش میدهید. ناگهان بوق ماشینها شروع میکنند به صحبت کردن:
در نگاه اول ایده جذابی به نظر میرسد. اطلاعات بیشتر یعنی ایمنی بیشتر… درست است؟
اما علم شنوایی پاسخ متفاوتی میدهد.
این دقیقاً جایی است که پدیدهای به نام Auditory Informational Masking وارد میشود.
« اولین و کاملترین دوره آموزشی نرم افزار اودئون ODEON برای طراحی آکوستیک »
ثبت نام دوره آموزشی نرم افزار اودئون ODEON
وقتی چند نفر همزمان صحبت میکنند، ما معمولاً میتوانیم روی یک نفر تمرکز کنیم.
اما این توانایی محدود است.
تحقیقات نشان دادهاند که در شرایط گفتار روی گفتار:
یعنی حتی وقتی سیگنال هدف از نظر انرژی «قابل شنیدن» است،
باز هم فهم آن مختل میشود.
فرض کنید در یک فضای شلوغ در حال گوش دادن به یک گوینده هستید. چند نفر دیگر نیز همزمان صحبت میکنند. شما میتوانید صدای گوینده هدف را بشنوید — اما نمیتوانید آن را پردازش کنید.
در اینجا دو نوع تداخل ممکن است رخ دهد:
زمانی رخ میدهد که انرژی طیفی یک صدا، انرژی صدای دیگر را در فیلترهای شنوایی میپوشاند.
این همان چیزی است که در نویز گوسی یا صدای موتور هواپیما رخ میدهد.
در این حالت:
دوره آموزش ماژول آکوستیک ساختمانی نرم افزار کامسول
ثبت نام دوره آموزشی نرم افزار کامسول
در این حالت:
مسئله اینجا دیگر فیزیکی نیست؛
مسئله شناختی–ادراکی است.
در آکوستیک شنوایی، ماسکینگ معمولاً به دو دسته تقسیم میشود:
وقتی یک صدا بهطور فیزیکی صدای دیگر را میپوشاند.
مثلاً صدای کامیون باعث میشود پادکست را نشنویم.
این پدیده ناشی از همپوشانی طیفی–زمانی است.
در این حالت، اطلاعات لازم برای شنیدن وجود دارد…
اما مغز نمیتواند آن را بهدرستی پردازش کند.
هیچ مشکل فیزیکی جدی در سطح گوش وجود ندارد.
مشکل در پردازش ادراکی، توجهی، شناختی و زبانی است.
در مثال بوقهای سخنگو، همه پیامها ممکن است کاملاً قابل شنیدن باشند — اما:
نتیجه؟
افزایش خطای ادراکی — حتی در سطحهای صوتی بالا.
چون:
حتی زبان ماسکر مهم است:
اگر ماسکر به زبان مادری شنونده باشد، اثر شدیدتر است.
برای جدا کردن سهم energetic و informational masking، پژوهشگران از تکنیکی به نام ITFS استفاده کردند.
ایده ساده است:
نتیجه جالب:
وقتی فقط energetic masking باقی بماند،
قابلیت فهم تقریباً کامل است.
اما وقتی ماسکر گفتاری واقعی برگردانده شود،
افت شدید درک رخ میدهد.
در برخی آزمایشها:
این اختلاف عظیم، همان informational masking است.
آزمایشهای کلاسیک نشان دادهاند که اگر گفتار هدف در نویز گوسی قرار گیرد، افت آستانه فهم معمولاً چند دسیبل است.
اما اگر همان گفتار در حضور یک یا دو گوینده دیگر قرار گیرد، افت درک میتواند تا چند ده دسیبل افزایش یابد.
چرا؟
زیرا گفتار رقیب:
نویز گوسی فقط انرژی دارد.
گفتار رقیب «معنی» دارد.
و مغز به معنی حساس است.
هرچه عدم قطعیت بیشتر باشد، ماسکینگ اطلاعاتی افزایش مییابد:
در واقع، ماسکینگ اطلاعاتی رابطه مستقیمی با بار پردازشی دارد.
یکی از مهمترین روشها برای جدا کردن سهم energetic و informational masking استفاده از تحلیل زمان–فرکانس است.
در این رویکرد:
نتیجه شگفتانگیز است:
حتی با حذف بخش زیادی از انرژی،
اگر بخشهای غالب هدف باقی بمانند،
فهم گفتار تقریباً کامل میشود.
اما وقتی ماسکر گفتاری کامل برگردانده شود،
افت شدید درک رخ میدهد.
این نشان میدهد مشکل اصلی، فقدان انرژی نیست؛
مشکل در «انتخاب منبع» است.
برخلاف ماسکینگ انرژی که نزدیک آستانه شنوایی عمل میکند،
ماسکینگ اطلاعاتی در سطوح بالا نیز باقی میماند.
حتی وقتی گفتار کاملاً بلند است،
رقابت شناختی ادامه دارد.
این موضوع در طراحی فضاهای گفتاری بسیار مهم است.
مؤثرترین راهکار:
ایجاد اختلاف مکانی بین منابع.
سیستم شنوایی از:
برای تفکیک منابع استفاده میکند.
حتی چند درجه جداسازی مکانی میتواند افت شدید درک را کاهش دهد.
این موضوع برای:
حیاتی است.
اگر دو منبع:
تفکیک آسانتر میشود.
به همین دلیل، در طراحی سیستمهای هشدار صوتی:
نباید از پیامهای گفتاری مشابه در چند منبع همزمان استفاده کرد.
همگی باعث کاهش بار شناختی میشوند.
در بسیاری از پروژههای آکوستیکی، تمرکز صرفاً بر:
است.
اما اگر محیط چندمنبعی باشد،
این شاخصها کافی نیستند.
باید پرسید:
چند منبع همزمان فعال هستند؟
شباهت آنها چقدر است؟
آیا کاربر باید بین آنها انتخاب کند؟
آیا منابع معنیدار هستند؟
این همان جایی است که آکوستیک وارد قلمرو علوم شناختی میشود.
در ارکستر بزرگ، اگر سازها بیش از حد همطیف شوند،
تفکیک شنیداری کاهش مییابد — حتی اگر انرژی کافی باشد.
در صحنههای چند دیالوگی،
موقعیت میکروفن و طراحی مانیتورینگ باید بهگونهای باشد که تفکیک فضایی حفظ شود.
سیستم هشدار نباید اطلاعات زبانی بیش از حد همزمان تولید کند.
سادگی گاهی ایمنتر از اطلاعات بیشتر است.
ماسکینگ اطلاعاتی به ما میگوید:
🔹 شنیدن ≠ فهمیدن
🔹 انرژی کافی ≠ درک کافی
🔹 مسئله فقط فیزیک صوت نیست
🔹 مغز محدودیت پردازشی دارد
در محیطهای چندمنبعی مدرن —
از شهرهای هوشمند گرفته تا استیجهای XR —
طراحی صوت باید شناختمحور باشد.
و شاید به همین دلیل است که:
بوق ماشینها هنوز فقط بوق میزنند.
مرجع:
Auditory Informational Masking – Gerald Kidd Jr. and Christopher Conroy
