详细内容或原文请订阅后点击阅览
自动化语音识别系统显示了使语言测试更易于访问和可扩展的希望
在当今日益相互联系的世界中，语言学习对于教育，商业和文化交流至关重要。但是，准确衡量语言学习者的熟练程度是一个复杂的问题。一种特别有价值的方法是要求学习者听句子，然后尽可能准确地重复它们。
来源:英国物理学家网首页在当今日益相互联系的世界中，语言学习对于教育，商业和文化交流至关重要。但是，准确衡量语言学习者的熟练程度是一个复杂的问题。一种特别有价值的方法是要求学习者听句子，然后尽可能准确地重复它们。
被称为引起模仿（EI），此方法揭示的不仅仅是仅仅记忆和模仿能力。当句子超过我们的工作记忆能力（超过八到10个音节）时，成功的重复需要学习者使用其对模式和结构的内部知识来快速处理和重建语言。因此，EI可以为一个人的真实语言水平提供一个窗口。
虽然EI数十年来已经完善了，但其广泛采用受到了一个重大的实际挑战的限制：受过训练的人类评估者需要倾听和评分每个响应。尽管EI的有效性，这一耗时的过程使大规模评估变得困难。
由于基于EI的测试在2000年代初期获得了大量的吸引力，但由于制定了标准评分方法，EI的资源需求仍在继续限制其在可能是有益的教育环境中的使用。
在此背景下，由英语系，日本多什沙大学的英语学院副教授迈克尔·麦奎尔（Michael McGuire）组成的研究团队，日本多什沙大学（Doshisha University）和基塔基寿（Kitakyushu）大学的珍妮弗·拉尔森·霍尔（Jenifer Larson-Hall）博士率先开创了一种自动方法进行EI评估。
他们的最新论文发表在应用语言学研究方法上，展示了人工智能如何帮助彻底改变这一过程。
已发布 背景噪声