A felvételek szegmentálása és címkézése szintén a 3.2.3. fejezetben leírtakkal egyezően történt. A felcímkézett magánhangzók időbeli középpontjában nyertük ki a négy nyelvszenzor vízszintes helyzetének (x-tengely) adatait (abszolút értékben, a fenti koordináta-rendszer origójához képest), majd az adatfeldolgozás során a szenzorok helyzetét normalizáltuk (Cho 2004 alapján) úgy, ahogyan azt részletesen bemutattuk a 4. fejezetben, ám itt a skála szélső értékeiként a nyúl és sír szavakat használtuk: az egyes beszélők által bemondott nyúl szó magánhangzójának időbeli középpontjában meghatároztuk a nyelvszenzorok vízszintes helyzetét, illetve a bemondott sír szó magánhangzójának időbeli középpontjában ugyancsak. Ez a két érték szolgált a továbbiakban a nyelv vízszintes helyzetének (x-tengely) megragadására szolgáló skála végpontjaiként úgy, hogy az /uː/ esetében az x értéke a 0%-nak, az /iː/ értéke pedig a 100%-nak felelt meg minden beszélő esetében. Tekintettel arra, hogy a referenciaként szolgáló sír tő antiharmonikusan toldalékolódik, a hipotézisek alapján azt várhatjuk, hogy a harmonikusan toldalékolódó nyír, de különösen a szív esetében (ahol a célmagánhangzót megelőző mássalhangzó is előrébb képződik) a nyelvszenzorok helyzete az x-tengelyen meghaladja a 100%-ot.

A normalizálás segítségével a beszélők közötti variabilitást valamilyen mértékben kontrollálni tudtuk, és mivel egységesen normalizáltuk az egyes szenzorok helyzetére mint függő változóra kapott adatokat minden beszélő esetében, ezért a vizsgálatban az összes beszélő adatait egyben kezeltük. A módszertan nem korlátozta az elemzés lehetőségeit arra, hogy a beszélőkön belül készítsünk csupán összevetéseket, adataink ennélfogva jobban általánosíthatók.

Az artikulációs adatok elemzése mellett szintén a magánhangzók időbeli középpontjában az akusztikai jelen megmértük a második formáns értékét is a Praat szoftverben (Boersma–Weenink 2018).