AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Teknolojia za Hotuba na Sauti

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Teknolojia za hotuba na sauti za teknolojia — familia ya mifumo ya AI ambamo njia ya mazungumzo hubeba mwingiliano: utambuzi wa hotuba wa kiotomatiki (ASR) unaonakili, kuchanganua, na kupima alama ya kile mwanafunzi anachosema; maandishi-hadi-hotuba (TTS) inayozalisha mafunzo ya kusimuliwa au ya muundo wa mazungumzo; mawakala wa sauti-ya-kwanza wanaoshikilia mazungumzo halisi ya hotuba na wanafunzi; na kunasa na kupima kwa njia ya kiotomatiki utendaji wa mdomo. Ambapo utafiti wa AI ya Mazungumzo unahusu zaidi chatbot za maandishi na Kujifunza Lugha inashughulikia mbinu za kufundisha lugha ya pili kwa ujumla, ukurasa huu unafuata sauti yenyewe — kile ambacho kiolesura cha hotuba hubadilisha kuhusu kujifunza, gharama yake, na nani anayejumuishwa au kutengwa wakati kiolesura ni sauti badala ya skrini.

Maswali ya Kutafakari

  • Maoni ya ASR yanawasaidia wanafunzi wenye nguvu zaidi kuliko wanyonge: katika utafiti mmoja wa wanafunzi 325 wa Kichina wa chuo kikuu, faida ya tabia ya kutafakari na motisha ilikuwa dhaifu na isiyo na umuhimu katika ustadi wa chini na ilikua kwa nguvu zaidi kwa kiasi kikubwa katika viwango vya wastani na vya juu. Ikiwa zana inainua wastani huku ikipanua pengo, je, ni mafanikio?
  • Usimulizi wa TTS ulilingana na sauti ya mwalimu mwenyewe katika ufahamu, umakini, na tathmini ya jumla — lakini TTS ya muundo wa mazungumzo ilishinda TTS ya msemaji mmoja katika ufahamu na mwingiliko wa kiakili huku ikionekana isio ya asili kidogo. Ungechagua upi kwa utangulizi wa kwanza wa dhana, na upi kwa mwendelezo mzito wa hatua za kiutendaji?
  • Matokeo mawili yanapingana na hisia: wanafunzi wanaosoma matokeo ya AI kwa uzito mkubwa zaidi wakati wa kazi za kutafsiri walikuwa na ufasaha dhaifu zaidi wa utoaji, na mwanafunzi aliyejibu kwa maneno mawili alipatia alama ya sahihi wakati jibu kamili la kusema liliripotiwa. Je, kiolesura cha sauti kinapima kiasi gani ufasaha wa mdomo badala ya ufahamu?
  • Mwakala wa sauti mwenye lafudhi ya Uingereza alitendewa kama zana, wakati mawakala wenye lafudhi ya Kihindi na ya Kiafrika-Marekani walipewa sifa za kibinadamu na kutendewa kama marika katika K-12 kazi za vikundi. Ikiwa lafudhi inabadilisha jinsi mwanafunzi anavyohusiana na wakala, ni nani anapaswa kuamua ni sauti ipi bidhaa ya kielimu inapaswa kutumia?
  • Mifumo ya sauti-ya-kwanza na ya nje ya mtandao ipo hasa kuwafikia wanafunzi ambao edtech ya skrini iliwatea nje — watoto vipofu, wanafunzi viziwi na wenye usikizi mgumu, wanafunzi katika warsha zisizo na muunganisho wa mtandao. Ingechukua nini ili upatikanaji uwe dhana ya msingi ya bidhaa ya hotuba badala ya marekebisho ya baadaye?
  • Karibu kila dai kwenye ukurasa huu unatokana na utafiti mmoja mfupi, wa tovuti moja, wa kujitangaza na mpangilio thabiti wa uwasilishaji. Ni madai yapi kati ya haya ungeyaamini vya kutosha kubadilisha tathmini au ubini wa somo lako kabla ya uthibitisho upya kuweko?

Utangulizi

Hotuba ni kiolesura cha kielimu cha zamani zaidi na kipya zaidi kwa AI. Mifumo inayosikiliza na kuzungumza sasa iko katika madarasa ya lugha, warsha za ufundi, na masomo ya uchunguzi ya shule ya upili. Inavutia kwa sababu ya kawaida — hotuba ni ya haraka, inafanya kazi bila mikono na bila macho, na ni njia ambamo matamshi, ufasaha, na hoja za mdomo zinaishi — na kwa sababu mpya zaidi: jibu la muda-dogo la hotuba ni vigumu kupitisha kwa kizalishaji cha maandishi, na hivyo kufanya njia ya mazungumzo kuwa mgombea wa jibu la shinikizo la Uadilifu wa Kitaaluma juu ya tathmini ya maandishi.

Utafiti hapa unagawanyika katika makundi manne: maoni ya matamshi ya ASR, mafunzo yaliyozalishwa na TTS, washirika wa mazungumzo ya hotuba ya sauti-ya-kwanza, na tathmini ya mdomo inayosaidiwa na Tathmini. Kupitia yote manne kuna swali kuhusu usawa — vilesura vya hotuba vinaondoa kizuizi kimoja (kuona, kasi ya kusoma, ujuzi wa kuandika) huku vikianzisha vingine (lafudhi, usahihi wa utambuzi, vifaa, muunganisho wa mtandao).

ASR na Maoni ya Matamshi

Ujumbe thabiti zaidi kutoka kazi ya ASR ni kwamba zana si matibabu — kubini kwa maoni ndicho. Chen et al. (2026) walichunguza wanafunzi 325 wa chuo kikuu cha mafunzo ya walimu wa Kichina na kuunda mifano ya usahihi, mara ya matumizi, ubora wa maoni, na kubini kwa kazi ya kutafakari dhidi ya tabia ya kutafakari na Motisha ya ndani, kisha dhidi ya uboreshaji wa kuzungumza. Marekebisho sahihi ya makosa na kazi zilizopangwa za kutafakari zilisukumia kuzoelekea ndani kwa Maoni na kutafakari. Matumizi ya mara nyingi yaliongeza kutafakari lakini hayakuwa na athari huru juu ya motisha. Usahihi wa utambuzi uliinua motisha, inawezekana kwa kujenga uaminifu katika zana, lakini haukusababisha mchakato wa kina peke yake — mwanafunzi anaweza kusajili kosa lililobainishwa bila kuchanganua chanzo chake. Kutafakari kulikuwa kitabiri chenye nguvu zaidi ya mapato ya kuzungumza, na ustadi ulidhibiti njia zote mbili: dhaifu na isiyo na umuhimu katika ustadi wa chini, yenye nguvu zaidi kwa kiasi kikubwa katika viwango vya wastani na vya juu. Ushauri unaofuata ni kueleza makosa kwa njia ya viungo vya matamshi badala ya kuwabainisha tu, kuongeza utata kulingana na utayari, na kuweka marekebisho kwa njia inayosaidia.

Mnyororo wa pili unauliza iwapo maoni ya kiotomatiki ya matamshi yanabadilisha mwelekeo wa wanafunzi wa kuzungumza. Lu et al. (2026) walichunguza wanafunzi 1,701 wa Kichina wa chuo kikuu wa EFL na kutumia mifano ya usawa wa kawaida inayotegemea ugawanyaji wa mabadiliko na bootstrap iliyorekebishwa upendeleo ili kupima iwapo mtazamo wa maoni ya matamshi ya Akili Bandia ya Kizazi unahusiana na utayari wa kuwasiliana, ukiwa na Uwezo Binafsi ya matamshi kama mpatanishi. Uhusiano ulikuwa chanya, na uwezo binafsi ulipatanisha kwa sehemu: njia isiyo ya moja kwa moja ilichukua 69.9% ya athari ya jumla huku athari ya moja kwa moja ikibaki. Miundo yote yalikuwa yamejitangaza katika hatua moja ya muda, hivyo utafiti unaeleza mbinu ambayo wanafunzi wanaona badala ya ile iliyodhibitiwa.

Maoni ya kiotomatiki ya matamshi yanaweza pia kujengwa bila lebo za makosa. Kawamura (2026) anaelezea Profy, ambayo inajifunza jinsi matamshi mazuri na mabaya yanavyoonekana kutoka hotuba zisizo na lebo kwa kiasi kikubwa kupitia kujifunza kwa kujisimamia, kisha inaonyesha wanafunzi ni sehemu zipi za wimbi zilisababisha uamuzi na sauti zao ziko mbali kiasi gani na mgawanyo wa wazungumzaji asili. Kwa wanafunzi 10 wa Kijapani wa Kiingereza waliopimwa na wasikilizaji 5 wa Kimarekani, ufahamu uliboreshwa, na tofauti na msingi wa kuiga-iliyotolewa, vipindi vya kujiamini kabla na baada ya mazoezi havikuwa na mvukano — sampuli ndogo, lakini inayotoa wapi na kiasi gani badala ya uamuzi wa binari.

ASR pia inahudumia darasa katika jukumu la pili — kubadilisha maingizo ya hotuba kuwa maandishi ambayo wanafunzi husoma. Stanchev (2026) aliwakilisha kifungu cha tokeni 2,692 cha kitabu cha Kiingereza cha Matibabu kuhusu protini na sauti moja ya maandishi-hadi-hotuba (15:27, mwanamke wa Kikanada) na kuwasilisha sauti ile ile kwa huduma nne za ASR za mtandaoni, kisha kupima kiwango cha makosa ya maneno (WER) na maeneo yaliyofunikwa (maneno yaliyorudiwa kama sehemu ya rejea). Huduma mbili za bila malipo zilirejesha nakala karibu kamili (87.96% na 88.34% ya maeneo yaliyofunikwa, WER 15.23% na 15.00%), wakati huduma mbili za kulipia zilitoa vipengele vya hakikisho tu (32.76% na 55.35% ya maeneo yaliyofunikwa, WER 73.21% na 48.77%). Hatua ya upimaji ni kwamba WER peke yake inachanganya maandishi yasiyopatikana na maandishi yasiyo sahihi, na ingeiweka zuio la uletaji kama kushindwa kwa unakili, hivyo maeneo yaliyofunikwa yanapaswa kuwa kando ya kiwango cha makosa. Ufutaji ulitawala kila huduma na ulikusanyika kwa alama za kimuundo kama vile rejea za michoro na namba za kurasa, lakini mabadiliko machache yanayobadilisha maana — imino → amino, cystine → cysteine, protonated → protonatid, pH → phase — kila moja ilibadilisha ukweli wa kibayokemia, ndiyo maana waandishi wanapendekeza mtiririko wa hatua tatu (zalisha maingizo, leta nakala kamili, thibitisha istilahi za kikoa) kabla ya nakala kuwafikia wanafunzi, na ndiyo maana kupitisha istilahi ni ulinzi wa bei rahisi zaidi kwa Kiingereza cha matibabu.

TTS na Mafunzo Yaliyozalishwa na Sauti

Usimulizi uliozalishwa unageuka kuwa mbadala inayoweza kutumika kwa mwalimu aliyerekodiwa, na tofauti ya kuvutia ipo ndani ya muundo badala ya kati ya binadamu na mashine. Kumoi et al. (2026) walijenga mfumo wa hatua tatu, wa binadamu-ndani-yake-mzunguko ambao Mifano Mikubwa ya Lugha (LLM) inatunga slaidi na usimulizi ulioboreshwa kwa TTS wakati mwalimu akithibitisha ukweli katika kila hatua, kisha walifanya utafiti wa wanachama wale wale na wanafunzi 245 wa mwaka wa kwanza wa shule ya upili ya mkoa wa Kijapani kwenye video ya sauti ya mwalimu, TTS ya msemaji mmoja, na TTS ya mazungumzo ya Mtaalam-×-Mgeni. Ufahamu, umakini, na tathmini ya jumla hayakutofautiana kwa kiasi cha umuhimu kati ya yote matatu (p > .14, r < 0.11), na upimaji wa usawa uliweka yote matatu ndani ya mpaka wa ±0.5: usimulizi bandia haukupunguza uzoefu. Usimulizi wa mazungumzo ulikuwa bora zaidi katika ufahamu (p = .006, r = .130), katika ufikiri wa kina ulioripotiwa (p = .019, r = .121), na katika uwezo wa kueleza maudhui kwa rafiki (p = .004, r = .152), na 66.9% walipendelea kama yenye kufurahisha zaidi. Viangalizi viwili: sauti ya mazungumzo ilipimwa kuwa isio ya asili kwa kiasi cha umuhimu (r = −.238), inayoendana na mzigo wa ziada kutoka wasemaji wengi, na kikundi cha mazungumzo kilifika na maarifa ya awali ya chini (maarifa ya awali) (66.0% wakiripoti kujua "hakuna chochote" dhidi ya 34.1%), na hivyo faida yake ni kadirio la tahadhari.

Ufuatiliaji unadai kwamba muundo unapaswa kulingana na mwanafunzi, si maudhui. Watanabe et al. (2026) waliwapa wanafunzi 222 wa mwaka wa kwanza wa shule ya upili masomo ya mazungumzo ya mwalimu–mwanafunzi (TS), mwanafunzi–mwanafunzi (SS), na mwalimu–mwalimu (TT) yaliyozalishwa na LLM na kupangwa na sauti kupitia API ya TTS, wakipanga mifano ya mabadiliko ya mseto wa mstari kupitia mtazamo wa mwingiliano wa mahusiano-ya-matibabu. TT iliinua Motisha zaidi ya TS, lakini athari ilitegemea mtindo wa kujifunza: mwingiliano na kipengele cha Uzoefu halisi kilikuwa chanya (b = 0.162, p < .001) wakati mwingiliano na kipengele cha kutafakari-na-dhana kilikuwa hasi (b = −0.238, p = .002). TT pia ilipata tathmini ya jumla ya chini kwa kiasi cha umuhimu kuliko TS (b = −0.126, p = .005), ambayo waandishi wanaisawazisha na mzigo wa ndani wa kiakili kutoka mabadilishano yenye utata ya mtaalam-kwa-mtaalam; majibu huru yanataja "ugumu wa hotuba" katika TT na "namana isiyo ya asili ya kuzungumza" katika SS. Masudio yote mawili ya TTS yanachanganya muundo na maudhui na mpangilio thabiti wa kutazama, hivyo vipimo vya athari zao ni ya awali.

Washirika wa Sauti-Ya-Kwanza na Washirika wa Mazungumzo ya Hotuba

Kinabadilika nini wakati mzungumzaji ni mashine? Scheinberg et al. (2026) waliwapa wanafunzi 78 wa chuo kikuu wa Kijerumani katika maeneo manne kazi ya kupata tofauti kwa njia ya kupanga sawa na mwenzake binadamu na mshirika halisi wa AI, kisha wakachanganua nakala za ASR zilizotengwa kwa wasemaji. Mazungumzo ya binadamu yalikuwa ya haraka na yenye usawa bora, yenye mizunguko mingi mifupi, wakati hali ya AI ilionekana kama monoloji iliyosaidiwa — mizunguko michache, mirefu, sehemu ndogo ya sakafu ya mwanafunzi, na ufasaha mkubwa wa ndani ya mzunguko. Maingizo ya AI yenye maneno mengi, ya kanuni za kisarufi zilizopangwa, yalihusiana na upokeaji mkubwa wa muda mfupi na kuchochea kwa nguvu zaidi kwa kisarufi baada ya kudhibiti kwa kiasi cha maingizo, na kuridhika kulifuatilia ufasaha wa uzalishaji wa mwanafunzi mwenyewe badala ya kiasi walichopokea.

Ubini wa sauti-ya-kwanza unageuka kuwa lazima badala ya urahisi wakati mwanafunzi hawezi kutumia skrini. Kutti AI (Fadurudeen 2026) inapindua dhana ya kuona ya edtech kuwafikia watoto vipofu wanaokadiriwa kuwa milioni 1.4 duniani: watoto wanasikia maudhui ya mtaala, wanajibu kwa sauti, na wanapata maoni ya hotuba bila utegemezi wa kuona. Chaguo tatu zinabeba ubini — injini nyepesi ya kugundua shida inayounga kuchelewa kwa majibu, hesabu za majaribio ya makosa, na ishara za kusita kwa maneno muhimu ili kuamua lini kutoa kidokezo au kurahisisha; mfumo wa kulinganisha majibu wa lugha mbalimbali ili kubadilisha msimbo na tofauti za matamshi zisidhiliwe; na njia ya ASR ya kifaa bila mtandao inayoondoa hitaji la muunganisho. Ni mchango wa mifumo bila tathmini ya matokeo ya kujifunza, hivyo madai yake ya kielimu yanabaki nadharia.

Lafudhi, wakati huo huo, ni kigezo cha kubini chenye matokeo ya kijamii. Ravi et al. (2026) walikuwa na walimu 33 wanaoingiliana na mwakala wa sauti wa GenAI katika hali za lafudhi ya Uingereza, Kihindi, na Kiafrika-Marekani katika kujifunza kwa vikundi la K-12. Mwakala mwenye lafudhi ya Uingereza alitendewa kama zana na kushirikishwa kwa njia zisizo na hisia, za matumizi, wakati mawakala wenye lafudhi ya Kihindi na Kiafrika-Marekani walipokelewa zaidi kama wanadamu na kuunganishwa kama marika, wenye uaminifu na utegemezi mkubwa zaidi kwa muda. Kubadilishana, mifumo ya kufanya maswali, na uwepo wa kijamii unaoonekana yote yalibadilika na lafudhi — sauti inayofanya mwakala kuwa rahisi kutendewa kama rasilimali ya upande mmoja inaweza kufanya iwe rahisi kupuuzwa kama mshirika.

Matumizi makubwa ya zana ya msaada ya hotuba si bora kiotomatiki. Kuang, Li na Weng (2026) waliwapa wanafunzi 22 wa mafunzo ya kutafsiri kazi za kutafsiri mfululizo zinazosaidiwa na kompyuta kwa njia mbili katika mifumo iliyojengwa juu ya ASR na tafsiri ya mashine, wakinasa mwendo wa macho, maandishi ya kalamu, na matokeo ya sauti. Wasifu wanne wa mwingiliano walitokea — Wanaoshiriki Kwa Nguvu, Wachanganuzi wa Haraka, Wastadi, na Wabadilishaji wa Mara kwa Mara — na 58.3% ya uchunguzi wa ngazi ya hatua ulibadilisha wasifu kati ya kuelewa chanzo na kuzalisha lengo. Mifumo ya hatua ya ufahamu peke yake ilitabiri ubora wa bidhaa, na kundi lililokuwa na AI zaidi lilipata alama ya chini zaidi katika ufasaha wa utoaji (5.46 dhidi ya 6.17–6.46) na ubora wa lugha lengwa (5.70 dhidi ya 6.35–6.67). Umakini unaotumika kusoma nakala ya AI ni umakini usiotumika kujenga uwakilishi wa mwanafunzi mwenyewe; waandishi wanapendekeza kufundisha wanafunzi kutafakari mkakati wao wenyewe badala ya kuweka mmoja, kwa kuwa mfumo haionekani isipokuwa ikitolewa.

Jaribio la uwanja la nasibu lililowekwa mapema linapima njia ya hotuba dhidi ya maandishi ya kuandikwa katika mwalimu yule yule, na inapata kuwa kujifunza kipo katika kufundisha badala ya sauti. Yang, Van Alstyne na Dellarocas (2026) walibadilisha kwa nasibu wanafunzi 86 katika moduli ya fedha ya kampuni ya MBA mtandaoni kati ya mwalimu mzima aliyejengwa juu ya nyenzo za kozi na kikundi cha kudhibiti, kisha wakabadilisha njia ya kila mwanafunzi aliyeelimishwa kila wiki kati ya sauti na maandishi ili kulinganisha kutambulike ndani ya kila mwanafunzi: ustadi wa kila wiki ulitofautiana kwa pointi -0.01 ya 11 (p = .98), na vipimo viwili vya upande mmoja vilikataa tofauti yoyote ya kweli kubwa zaidi ya ±0.3 SD. Sauti ilibadilisha mchakato badala yake — mizunguko ya mazungumzo 1.34 kwa dakika dhidi ya 0.75 katika wiki za maandishi, na maswali 11.3 dhidi ya 4.6 — wakati pause ya kufikiri ilipungua kwa kiasi kikubwa (mpangilio wa wastani wa muda wa kujibu wa mwalimu hadi mwanafunzi wa sekunde 27 katika sauti dhidi ya 54 katika maandishi, ambapo mizunguko ya kuandika ilitumia sekunde 25.9 kabla ya kibofya cha kwanza plus sekunde 13.9 za kuandika) na njia ya hotuba iligharimu 2.8× zaidi kutoa, kwa $0.22 kwa dakika ya sauti dhidi ya $0.0165 kwa ujumbe wa maandishi ($413.46 sauti na $149.13 maandishi kwa wiki tano kwa viti 52). Kwa ushahidi huu sauti ni kigezo cha kupitisha na mwingiliko, si cha kusimbia — ambayo ni hasa biashara ambayo taasisi yoyote inayoongeza njia ya hotuba inapaswa kupima.

AI katika Tathmini ya Mdomo na Hotuba

Tathmini ya mdomo imekuwa na nguvu ya kielimu na ghali ya kiutendaji, na teknolojia ya hotuba sasa inashambulia upande wa gharama. Pentland, Lowenthal na Krier (2026) wanaelezea tathmini za mdomo za asynchrono (AOA): viashiria vinavyotolewa kwa wakati, majibu mafupi ya muda-mfupi ya kamera ya mtandao ambayo hayawezi kurudiwa, na kupima alama dhidi ya rubriki zilizojumuishwa na nakala zilizozalishwa kiotomatiki. Katika kozi mbili zilizofundishwa na mwalimu mmoja bila vizuizi vya kupanga, wanafunzi walipata alama za juu katika AOA kuliko kwenye mitihani ya uchaguzi-wengi wa ana kwa ana — kwa kiasi cha umuhimu katika Utafiti 2 (wastani wa kati wa midterm 92.5 dhidi ya 70, p < .001; final 94.2 dhidi ya 86.4, p = .002) na kwa mwelekeo katika Utafiti 1, na mahusiano ya wastani ya kati ya kuvuka-muundo (τ = .44; τ = .25, yasiyo na umuhimu). Wanafunzi walibadilika kwenye maandalizi ya kazi zaidi, 90.91% waliona muundo kuwa karibu zaidi na mawasiliano ya mahali pa kazi kuliko mitihani ya maandishi, na 81.82% waliripoti kushiriki zaidi kikamilifu na maudhui. Waandishi ni waangalifu kuwa haya ni tofauti za alama za muundo, si ushahidi wa mapato ya kujifunza, na kuwa faida ya uadilifu inatabiriwa badala ya kupimwa; ukaguzi wa kupima-alama-tena na LLM ulipata alama za mwalimu kuwa za juu kwa mfumo na makubaliano ya wastani-hadi-nzuri (ICC 0.73 na 0.60), yaliyotolewa kama ukaguzi wa uaminifu badala ya kupitisha upimaji wa kiotomatiki.

Fenton (2025) anatoa mantiki katika muundo wa mapitio: kwa sababu mitihani ya mdomo ni ya wakati halisi na ya mwingiliano, wanafunzi hawawezi kuzalisha majibu mapema na kuyakariri, na muundo unachunguza hoja katika viwango vya juu zaidi ya taksonomia ya Bloom badala ya kukariri. Faida zake — ubinafsishaji, uhalisi, utayari wa kazi, maarifa ya kina — zinakuja na gharama zilizotajwa: kupanga na utendaji, hofu ya mwanafunzi, na hatari ya upendeleo kuhusu jinsia, kabila, lugha, kasi ya kujibu, na kuweka alama bila utambulisho, ingawa ushahidi unaonyesha mitihani ya mdomo inaweza kuwa jumuishi kama mitihani ya maandishi kwa wanafunzi fulani, ikijumuisha wale wenye dyslexia.

Miandamano miwili inaonyesha kile teknolojia inaongeza. AkoVoice (Adams 2026) ilitathmini wanafunzi 33 katika madarasa manne ya Kiingereza ya Gari la Level 3 na darasa moja ya Uhandisi la Level 3 huko New Zealand, kwa simu za wanafunzi dhidi ya laptopi moja ya wastani inayoendesha mifano ya uzito-wazi — Mistral 7B kupitia Ollama, faster-whisper kwa maandishi-hadi-hotuba, Chatterbox kwa TTS — huku wanafunzi hadi 12 wakitathminiwa kwa wakati mmoja na bila muunganisho wa mtandao katika hatua yoyote. AI iliwekwa kama inayoleta ushahidi badala ya hakimu, na kuacha uamuzi wa mtathmini ukiwa kamili. Mwitikio wa mwanafunzi ulikuwa chanya: 21 kati ya 33 (64%) walisema kazi ilikuwa halisi, na hakuna hata mmoja wa 33 aliyekataa kuwa kuzungumza kwa wakati halisi kulihisi sahihi ikilinganishwa na faili ya kazi. Data ya utendaji ni ya kuvutia zaidi. Hesabu za maneno kwa maswali yale yale zilitofautiana mara tano hadi nane kati ya wanafunzi katika kila kundi (93–523, 92–796, 309–811), lakini maneno mengi hayakutabiri usahihi kwenye maswali yaliyofungwa; wanafunzi tisa walijibu kwa maneno 2 hadi 13 na wote walipata alama ya sahihi, mfupi zaidi akiwa "3500 kgs", wakati jibu kamili "the safe working load is three tons" liliripotiwa dhidi ya mwongozo wa kuweka alama wa tani 3.5. Majaribio ya karibu ya Horticulture (wanafunzi 14) na Dairy (wanafunzi 11) yalipata 95% ya kulingana kati ya alama ya awali ya wakala na alama ya mwalimu wa binadamu. Kwa upande wa kipengele, Aryadoust na Wong (2026) walilinganisha uhandisi wa kurudia wa ilani dhidi ya kuboresha kwa mafunzo kwa vipengele vya kusikiliza vya L2, wakitengeneza mitihani 40 na vipengele 240 vya uchaguzi-wengi: uboreshaji wa ilani uliboresha ubora lakini ulikwama, wakati kuboresha GPT-4.1 kwa ilani iliyoboreshwa na ubini wa ilani ulioshikiliwa kuwa thabiti uliboresha uzalishaji zaidi. Tathmini ya hotuba pia ina hatari ya kupima kitu kibaya — Morphew et al. (2026) wanafuatilia ishara pamoja na hotuba iliyonakiliwa na wanadai kuwa kutathmini hotuba tu kunapoteza ushahidi wa umbo wa ufahamu, ili ufasaha uweze kuchukuliwa kama maarifa ya dhana.

Upatikanaji na Usawa katika Njia ya Mdomo

Rekodi ya upatikanaji ya teknolojia ya hotuba ni mchanganyiko: njia ile ile inayoondoa kizuizi kimoja inaweza kusakinisha kingine. Wanafunzi viziwi na wenye usikizi mgumu ni kutokulingana wazi zaidi. Chen et al. (2026) walibuni mfumo wa uzalishaji wa maswali wa LLM kwa wanafunzi wa DHH wanaotazama video, wakitegemea Nadharia ya Ukosefu wa Lugha kueleza kwa nini kuweka ilani kwa msingi wa maandishi halingani vizuri na lugha za kwanza za ishara. Waliongeza Maswali ya Kuona (alama za muda ambapo taarifa ya kuona ina uwezekano wa kusomwa vibaya — mwendo wa haraka, manukuo yasiyo na mpangilio, maandishi mengi kwenye skrini) na Maswali ya Hisia (alama za muda ambapo wanafunzi wa awali wa DHH waliripoti kukasirika au kuchanganyikiwa), wakiboresha benki ya mwisho ya maswali 30 na wanafunzi na walimu. Kwa watumiaji 16, mfano uliboresha Uwezo Binafsi (M = 5.70, SD = 1.12 katika kipimo cha pointi 7), na washiriki Viziwi walichagua maswali ya kuona zaidi kuliko washiriki wenye usikizi mgumu, ambao waliripoti kusoma manukuo kwa kasi ya kutosha bila kuwahitaji. Upatikanaji hapa ulikuwa lazima kujengwa ndani ya uzalishaji, si kuunganishwa baadaye.

AkoVoice inaongeza mawazo mawili ya usawa ambayo mara chache yanatokea pamoja. Kwanza, data: rekodi zilisimbwa wakati wa kupumzika, ziliwekwa kwenye seva ya ndani, na kufutwa baada ya siku 90, na waandishi wanamtendea sauti ya mshiriki kama mawasilisho ya kibinafsi na ya kitamaduni badala ya rasilimali ya kufunza mifano au kujenga wasifu wa bayometriki — msimamo unaomuhimu kwa sababu EU AI Act inaweka AI inayotumika kutathmini matokeo ya kujifunza katika mafunzo ya kitaalama kama yenye hatari kubwa. Pili, lafudhi na rejesta: usahihi wa maandishi-hadi-hotuba haukupimwa kikamilifu kwa lafudhi za wanafunzi, na vigezo vya rubriki kama "kujishughulisha" viliripotiwa kuwa mahususi ya kitamaduni na vinaweza kuwaadhibu wazungumzaji wa lugha ya pili, na hivyo kuanzisha uwanja wa vidokezo vya mapitio. Ikiwekwa kando na matokeo ya lafudhi katika kazi za vikundi za K-12 na dhana karibu-kamili ya kuona ya edtech ya kawaida, mfumo ni kwamba kiolesura cha sauti unaondoa vizuizi vya kuona, kasi ya kusoma, na muunganisho wa mtandao huku ukiacha lafudhi, usahihi wa utambuzi, gharama ya vifaa, na rejesta ya kitamaduni bila kuguswa.

Kagua wigo. Ukurasa huu unahusu njia ya mazungumzo na teknolojia inayoibeba. Kwa mbinu za kufundisha lugha ya pili kwa ujumla — maendeleo ya uandishi, usahihi wa kisarufi, motisha, mazoezi ya mwalimu — nenda kwenye Kujifunza Lugha, ambayo inashughulikia mafunzo ya L2 na AI na inachukulia kuzungumza kama mnyongoro mmoja kati ya wengi. Kwa chatbot za maandishi na kubini kwa mazungumzo bila kujali njia, nenda kwenye AI ya Mazungumzo; makala kadhaa hapa yanahusisha mazungumzo, lakini swali lao ni kuhusu hotuba, si kuhusu kuweka ilani kwa mfumo cha mazungumzo. Kwa visomaji vya skrini, manukuo, michoro ya kugusa, na zana za usaidizi ambazo si za msingi za hotuba, nenda kwenye Teknolojia ya Usaidizi, ambayo iko chini ya mwelekeo mpana zaidi wa Ufikivu na Kujifunza kwa Ujumla wa hifadhi hii ya maarifa.

Kitu Kinachobaki Kila Hakika

Karibu kila dai dhaifu hapa linategemea utafiti mmoja mfupi. Masudio mawili ya masomo ya TTS yalifanyika katika shule za upili za Kijapani za pekee na mpangilio thabiti wa uwasilishaji uliochanganya muundo na maudhui, na vipimo vyao vya matokeo ya kujifunza vilijitangaza katika skela za ndani. Mfano wa maoni ya ASR ulitoka chuo kikuu kimoja cha Kichina na ulikuwa wa kuvuka-sehemu, hivyo ugunduzi wake wa udhibiti wa ustadi unaeleza ugawanyaji wa mabadiliko badala ya sababu. Utafiti wa utayari wa kuwasiliana ulipima mitazamo ya maoni, si ubora wa maoni. Utafiti wa wasifu wa kutafsiri ni uchanganuzi wa kuchunguza wenye washiriki 22 ambao athari za hatua ya uzalishaji hazikufikia umuhimu. Utekelezaji wa AOA na AkoVoice ni wa taasisi moja, na AkoVoice hairipoti ushahidi wa kujifunza wa mwisho kwa sababu tathmini zake za sauti zilifanya kazi sambamba na tathmini halisi. Kutti AI ni mchango wa mifumo bila tathmini ya matokeo kabisa. Kile mkusanyiko unasaidia ni seti ya madai ya kubini: ubora wa maoni hushinda kiasi cha mazoezi katika matumizi ya ASR, usimulizi wa mazungumzo unaweza kusaidia ufahamu kwa gharama ya kutokuwa na asili, muundo unapaswa kulingana na sifa za mwanafunzi badala ya kushikiliwa, AI inapaswa kuleta ushahidi badala ya kuchukua nafasi ya mtathmini wa binadamu, na kuzungumza kwa wakati halisi kinapima kitu ambacho kuandika hakupimi — ikijumuisha usahihi unaoshangaza kutojali kiasi cha maneno anachotumia mwanafunzi. Ikiwa yoyote kati ya hiyo inashikilia katika tovuti nyingine, lugha nyingine, au mwaka mwingine haijapimwa.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

FaniLanguage Learning
NgaziK 12, Higher Ed, Adult Learning
Hadhira inayokusudiwaInstructors, Learners, Researchers, Instructional Designers
Teknolojia na MbinuAkili Bandia ya Kizazi, AI ya Modaliti Nyingi
Tathmini na UpimajiTathmini
Usawa, Maadili, na Matumizi ya UwajibikajiUfikivu, Kujifunza kwa Ujumla
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.