核心概念
幼児の言語発達を支援するためのクラスルームスピーチの分析手法を提案。
摘要
幼児は騒々しい幼稚園クラスルームで多くの時間を過ごす。音声データから話者を識別し、発話内容を転記する自動フレームワークが提案されている。結果は専門家と比較して76%の合意率があり、言葉エラー率は15%であった。教師と子供の発話特徴に関する結果は類似しており、クラスルームスピーチの分析に大きな進歩が示唆されている。将来研究では自然言語処理を使用してさらに改善が予定されている。
統計資料
合意率は76%です。
言葉エラー率は15%です。
教師と子供の平均発話長さは類似しています。
2.5秒以内に応答された発話割合も同様です。
引述
"Whisper relies on automatic speech recognition (ASR) through deep learning algorithms."
"Speech features such as the mean length of utterances in words, the proportion of teacher and child utterances that were questions, and the proportion of utterances that were responded to within 2.5 seconds were similar when calculated separately from expert and automated transcriptions."
"The results suggest substantial progress in analyzing classroom speech that may support children’s language development."