AIEd Bilgi TabanıAIEd KB
Bu sayfada

Bu sayfayı İngilizce okuyun

Kavramlar

Konuşma ve Ses Teknolojileri

Oluşturuldu 2026-10-14

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

Konuşma ve ses teknolojileri — etkileşimi sözlü kanalın taşıdığı YZ sistemleri ailesi: bir öğrenenin söylediklerini metne çeviren, analiz eden ve puanlayan otomatik konuşma tanıma (ASR); anlatımlı veya diyalog biçimli öğretim üreten metinden konuşmaya (TTS); öğrenenlerle gerçek zamanlı sözlü konuşma kuran ses öncelikli ajanlar; ve sözlü performansın otomatik kaydı ile puanlanması. Konuşma Tabanlı Yapay Zeka araştırması çoğunlukla metin tabanlı sohbet robotlarıyla ilgiliyse ve Dil Öğrenimi ikinci dil pedagojisini geniş biçimde kapsıyorsa, bu sayfanın izlediği şey sesin kendisidir — bir konuşma arayüzünün öğrenme hakkında neyi değiştirdiği, neye mal olduğu ve arayüz bir ekran yerine ses olduğunda kimi dâhil ettiği veya dışladığı.

Dikkate Alınması Gereken Sorular

  • ASR geri bildirimi, güçlü öğrenenlere zayıf olanlardan daha fazla yarar sağlar: 325 Çinli lisans öğrencisi üzerine yapılan bir ankette, yansıtıcı davranış ve motivasyonun getirisi düşük yeterlikte zayıf ve anlamlı değildi; ortalama ve yüksek düzeyde belirgin biçimde güçlenir. Bir araç ortalamayı yükseltirken boşluğu genişletiyorsa, bu bir başarı mıdır?
  • TTS anlatımı, anlama, konsantrasyon ve genel değerlendirmede öğretim elemanının kendi sesiyle eşleşti — ama diyalog biçimli TTS, tek konuşmacılı TTS’yi anlama ve bilişsel katılımda geride bırakırken daha az doğal duyuldu. Bir kavrama ilk giriş için hangisini, yoğun bir usul anlatımı için hangisini seçerdiniz?
  • İki bulgu sezgiye aykırıdır: çevirmenlik görevlerinde sırasında YZ’nin çıktısını en ağır biçimde okuyan öğrencilerin aktarım akıcılığı en zayıftı; iki kelimeyle yanıt veren bir öğrenci doğru işaretlenirken daha dolu bir sözlü yanıt işaretlendi. Bir ses arayüzü, anlamadan çok sözlü akıcılığı ne ölçüde ölçer?
  • İngiliz aksanlı bir ses ajanı bir araç olarak ele alınırken, Hint ve Afrika-Amerikan aksanlı ajanlar insan benzetimiyle karşılanıp K-12 grup çalışmasında akran gibi muamele gördü. Aksan bir öğrenenin bir ajanla ilişkisini değiştiriyorsa, bir eğitim ürününün hangi sesle piyasaya sürüleceğine kim karar vermelidir?
  • Ses öncelikli ve çevrimdışı sistemler, temel olarak ekran tabanlı edtech’in dışladığı öğrenenlere ulaşmak için vardır — kör çocuklar, Sağır ve İşitme Engelli öğrenenler, bağlantısız atölyelerdeki öğrenenler. Erişilebilirliğin bir konuşma ürününde sonradan yapılan bir düzeltme değil başlangıç varsayımı olması için ne gerekirdi?
  • Bu sayfadaki neredeyse her iddia sabit bir sunum sırasına sahip kısa, tek merkezli, öz bildirime dayalı bir çalışmadan gelir. Bir yineleme (replikasyon) mevcut olmadan bu bulguların hangilerine, değerlendirmenizi veya ders tasarımınızı değiştirecek kadar güvenerdiniz?

Giriş

Konuşma en eski eğitim arayüzüdür ve YZ için en yenisidir. Dinleyen ve konuşan sistemler artık dil sınıflarında, mesleki atölyelerde ve lise sorgu derslerinde yer alır. Bunlar bildik nedenlerle çekicidir — konuşma hızlıdır, elleri ve gözleri meşgul etmeden çalışır ve telaffuz, akıcılık ile sözlü akıl yürütmenin bulunduğu ortamdır — ve daha yeni bir nedenle: süreli sözlü bir yanıtın bir metin üreticisine devredilmesi zordur; bu da sözlü kanalı, yazılı değerlendirmeye yönelik Akademik Dürüstlük baskısına aday bir yanıt hâline getirir.

Buradaki araştırma dört kümede toplanır: ASR telaffuz geri bildirimi, TTS ile üretilen öğretim, ses öncelikli ve sözlü diyalog ortakları ve YZ destekli sözlü Değerlendirme. Dördünü de bir eşitlik sorusu delip geçer — konuşma arayüzleri bir engeli (görme, okuma hızı, yazılı okuryazarlık) kaldırırken başkalarını (aksan, tanıma doğruluğu, donanım, bağlanabilirlik) getirir.

ASR ve Telaffuz Geri Bildirimi

ASR çalışmalarından gelen en tutarlı mesaj, aracın müdahale olmadığı — geri bildirim tasarımının olduğudur. Chen ve ark. (2026), Çin’de bir öğretmen yetiştirme üniversitesinde 325 lisans öğrencisini incelemiş; doğruluk, kullanım sıklığı, geri bildirim kalitesi ve yansıtma görevi tasarımını yansıtıcı davranış ve içsel Motivasyon ile — ardından konuşma gelişimi — karşılaştırmıştır. Doğru hata düzeltmesi ve yapılandırılmış yansıtma görevleri, hem Geri Bildirim özümlemesini hem yansıtmayı yönlendirmiştir. Daha sık kullanım yansıtmayı artırmış ama motivasyon üzerinde bağımsız bir etki göstermemiştir. Tanıma doğruluğu, muhtemelen araca duyulan güveni inşa ederek motivasyonu yükseltmiş ama tek başına daha derin işlemeyi tetiklememiştir — bir öğrenen işaretlenen bir hatayı nedenini analiz etmeden kaydedebilir. Yansıtma, konuşma kazanımlarının daha güçlü öngördücüsü olmuş; yeterlilik her iki yolu da dengeleyiciler olarak işlemiştir: düşük yeterlikte zayıf ve anlamlı değil, ortalama ve yüksek düzeyde belirgin biçimde daha güçlü. Bundan çıkan öğüt şudur: hataları işaretlemek yerine artikülasyon temelinde açıklayın, karmaşıklığı hazır olunuşla birlikte artırın ve düzeltmeyi destekleyici biçimde çerçeveleyin.

İkinci bir kol, YZ telaffuz geri bildiriminin öğrenenlerin konuşma eğilimini değiştirip değiştirmediğini sorar. Lu ve ark. (2026), 1.701 Çinli üniversite EFL öğrencisini incelemiş; Üretici YZ telaffuz geri bildirimine ilişkin algıların iletişim kurma isteğiyle ilişkili olup olmadığını telaffuz Öz Yeterlilik aracı değişken olarak kullanarak, kovaryans temelli yapısal eşitlik modellemesi ve yanlılık düzeltmeli bootstrap ile sınamıştır. İlişki olumludur ve öz yeterlilik onu kısmen aracılık etmektedir: dolaylı yol toplam etkinin %69,9’unu açıklarken doğrudan bir etki kalmıştır. Tüm yapılar tek bir zaman noktasında öz bildirimle ölçülmüştür; bu nedenle çalışma, manipüle edilmiş bir mekanizma değil öğrenenlerin algıladığı bir mekanizmayı tanımlar.

Otomatik telaffuz geri bildirimi hata etiketleri olmadan da kurulabilir. Kawamura (2026), iyi ve zayıf telaffuzun neye benzediğini büyük ölçüde etiketlenmemiş konuşmadan öz denetimli öğrenme yoluyla öğrenen Profy’yi betimler; ardından öğrenenlere kararı hangi dalga biçimi bölgelerinin yönlendirdiğini ve akustiğinin ana dili konuşanı dağılımlarından ne kadar uzak olduğunu gösterir. Beş Amerikan dinleyicinin puanladığı 10 Japon İngilizce öğrencisiyle anlaşılabilirlik artmış; uyandırılmış taklit kıyaslamasından farklı olarak uygulama öncesi ve sonrası güven aralıkları örtüşmemiştir — küçük bir örneklem, ama ikili bir yargı yerine nerede ve ne kadar veren bir örneklem.

ASR sınıfa ikinci bir rolde de hizmet eder — sözlü girdiyi öğrenenlerin okuduğu metne dönüştürerek. Stanchev (2026), proteinler üzerine 2.692 sözcüklük bir Tıbbi İngilizce ders kitabı pasajını tek bir metinden konuşmaya sesiyle (15:27, Kanada aksanlı kadın sesi) okutmuş ve aynı sesi dört çevrimiçi ASR hizmetine sunmuş; ardından hem sözcük hata oranını (WER) hem kapsamayı (referansa kıyasla döndürülen sözcüklerin payı) ölçmüştür. İki ücretsiz hizmet neredeyse tam metin döndürmüş (%87,96 ve %88,34 kapsama, WER %15,23 ve %15,00); iki ücretli hizmet ise yalnızca önizleme vermiştir (%32,76 ve %55,35 kapsama, WER %73,21 ve %48,77). Ölçüm noktası şudur: WER tek başına kullanılamayan metni hatalı metinle karıştırır ve bir dışa aktarma kısıtlamasını metne çevirme hatası olarak sıralardı; dolayısıyla kapsama, hata oranının yanında yer almalıdır. Silmeler her hizmette baskın çıkmış ve şekil referansları ile sayfa numaraları gibi yapısal işaretçiler üzerinde kümelenmiş; ancak anlamı değiştiren bir avuç ikame — imino → amino, cystine → cysteine, protonated → protonatid, pH → phase — her biri bir biyokimyasal olguyu tersine çevirmiştir; işte bu yüzden yazarlar, bir metin öğrenenlere ulaşmadan önce üç aşamalı bir iş akışı (girdiyi üret, tam metni dışa aktar, alan terminolojisini doğrula) ve Tıbbi İngilizce için terminoloji geçişinin en ucuz koruyucu tedbir olduğunu önermektedir.

TTS ve Sesle Üretilen Öğretim

Üretilen anlatımın, kaydedilmiş bir öğretimin yerine geçebilir bir seçenek olduğu anlaşılmıştır; ilginç varyasyon insan ile makine arasında değil biçimin içinde yatmaktadır. Kumoi ve ark. (2026), bir Büyük Dil Modelleri (LLM)’nin slaytlar ve TTS’ye optimize edilmiş anlatımı hazırlarken eğitimcinin her aşamada olguları doğruladığı üç aşamalı, insan döngüde bir hat inşa etmiştir; ardından Japonya’daki bir il düzeyi lisede 245 birinci sınıf öğrenciyle öğretim sesli video, tek konuşmacılı TTS ve Uzman-×-Acemi diyalog TTS’si koşullarını kapsayan öznel içi bir çalışma yürütmüştür. Anlama, konsantrasyon ve genel değerlendirme üçü arasında belirgin biçimde farklılaşmamıştır (p > 0,14, r < 0,11); denklik testi üçünü de ±0,5 payı içinde tutmuştur: sentetik anlatım deneyimi düşürmemiştir. Diyalog anlatımı anlamada (p = 0,006, r = 0,130), bildirilen derinleşen düşünmede (p = 0,019, r = 0,121) ve içeriği bir arkadaşa açıklayabilmede (p = 0,004, r = 0,152) daha iyi olmuş; %66,9’u bunu en keyifli olarak tercih etmiştir. İki uyarı: diyalog sesi belirgin biçimde daha az doğal puanlanmıştır (r = −0,238), bu birden fazla konuşmacıdan gelen ek yükle tutarlıdır; ve diyalog grubu daha az önceki bilgi ile gelmiştir (%66,0’ı “hiçbir şey bilmiyorum” derken %34,1’i böyle demiştir), bu da grubun avantajını muhafazakâr bir tahmin yapar.

Devam çalışma, biçimin içeriğe değil öğrenene uydurulması gerektiğini savunur. Watanabe ve ark. (2026), 222 birinci sınıf lise öğrencisine bir LLM tarafından üretilen ve bir TTS API’si aracılığıyla seslendirilen öğretmen–öğrenci (TS), öğrenci–öğrenci (SS) ve öğretmen–öğretmen (TT) diyalog dersleri vermiş; bir yetenek-müdahale etkileşimi merceği yoluyla doğrusal karma etkiler modelleri uydurmuştur. TT, TS’den daha fazla Motivasyon yükseltmiş ama etki öğrenme tarzına bağlı olmuştur: Somut Deneyim etkeniyle etkileşim olumlu (b = 0,162, p < 0,001), yansıtma ve kavramsallaştırma etkeniyle etkileşim olumsuz (b = −0,238, p = 0,002) çıkmıştır. TT ayrıca TS’den belirgin biçimde daha düşük genel değerlendirme almıştır (b = −0,126, p = 0,005); yazarlar bunu uzmandan uzmana yoğun alışverişten gelen içsel bilişsel yüke bağlamaktadır. Serbest yanıtlarda TT’de “konuşmanın katılığı”, SS’te ise “doğal olmayan konuşma tarzı” adlandırılmaktadır. Her iki TTS çalışması da biçimi içerikle ve sabit izleme sırasıyla karıştırmaktadır; dolayısıyla etki büyüklükleri önemsizdir.

Ses Öncelikli Yoldaşlar ve Sözlü Diyalog Ortakları

Karşı taraf bir makine olduğunda ne değişir? Scheinberg ve ark. (2026), dört merkezdeki 78 üniversite Almanca öğrencisinin hem bir insan akranla hem gerçek zamanlı bir YZ ortağıyla dengelemeli bir farkı-bul görevini tamamlamasını sağlamış; ardından konuşmacı ayrıştırılmış ASR metinlerini analiz etmiştir. İnsan diyaloğu daha hızlı ve daha dengeli olmuş, çok sayıda kısa tur içermiştir; YZ koşulu ise desteklenmiş bir monologa benzer görünmüştür — daha az ve daha uzun turlar, öğrenenin söz payının daha küçük olması ve tur içinde daha yüksek akıcılık. YZ’nin ayrıntılı, sözdizimsel olarak düzenli girdisi, girdi hacmi denetlendiğinde daha yüksek kısa vadeli edinim ve daha güçlü sözdizimsel hazırlama (priming) ile ilişkili çıkmış; memnuniyet ise öğrenenlerin ne kadar kapıldığından çok kendi üretim akıcılıklarını izlemiştir.

Ses öncelikli tasarım, öğrenen ekran kullanamadığında bir kolaylık değil zorunluluk hâline gelir. Kutti AI (Fadurudeen 2026), dünya çapında tahmini 1,4 milyon kör çocuğa ulaşmak için edtech’in görsel varsayımını tersyüz eder: çocuklar müfredat içeriğini duyar, yüksek sesle yanıtlar ve hiçbir görsel bağımlılık olmadan sözlü geri bildirim alır. Tasarımı üç seçim taşır — yanıt gecikmesini, yanlış deneme sayılarını ve anahtar sözcük tereddüt ipuçlarını birleştirip ne zaman ipucu verileceğine veya sadeleştirileceğine karar veren hafif bir zorlanma saptama motoru; kod değiştirmenin ve telaffuz varyasyonunun cezalandırılmamasını sağlayan diller arası yanıt eşleştirme hattı; ve bağlanabilirlik gereksinimini ortadan kaldıran çevrimdışı cihaz üstü ASR yolu. Öğrenme çıktılarını değerlendirmesi olmayan bir sistem katkısıdır; bu nedenle pedagojik iddiaları hipotez olarak kalmaktadır.

Bu arada aksan, toplumsal sonuçları olan bir tasarım değişkenidir. Ravi ve ark. (2026), 33 öğretmenin K-12 grup öğrenmesinde İngiliz, Hint ve Afrika-Amerikan aksanlı koşullarda bir GenAI ses ajanıyla etkileşim kurmasını sağlamıştır. İngiliz aksanlı ajan büyük ölçüde bir araç olarak ele alınmış ve bağımsız, faydaya dayalı biçimlerde etkileşim görmüş; Hint ve Afrika-Amerikan aksanlı ajanlar ise daha kolay insan benzetimine tabi tutulmuş ve zaman içinde daha güçlü güven ve bel bağlama ile akran olarak tümleştirilmiştir. Sıra alışverişi, soru sorma kalıpları ve algılanan toplumsal varlık aksanla birlikte değişmiştir — bir ajanı tarafsız bir kaynak olarak ele almayı kolaylaştıran ses, onu bir işbirlikçi olarak göz ardı etmeyi de kolaylaştırabilir.

Sözlü bir destek aracını daha yoğun kullanmak kendiliğinden daha iyi değildir. Kuang, Li ve Weng (2026), 22 değişmez çeviri öğrencisinin ASR ve makine çevirisi üzerine kurulu sistemlerde çift yönlü bilgisayar destekli değişmez çeviri görevlerini tamamlamasını sağlamış; göz hareketlerini, kalem notlarını ve ses çıktısını kaydetmiştir. Dört etkileşim profili ortaya çıkmıştır — Yoğun Bağlananlar, Hızlı Tarayıcılar, Gelenekselciler ve Sık Değiştirenler — ve aşama düzeyi gözlemlerin %58,3’i kaynağı anlamak ile hedefi üretmek arasında profil değiştirmiştir. Yalnızca anlama aşamasındaki kalıplar ürün kalitesini öngörmüş; YZ’yi en yoğun kullanan küme aktarımda akıcılıkta (6,17–6,46’ya karşı 5,46) ve hedef dil kalitesinde (6,35–6,67’ye karşı 5,70) en düşük puanı almıştır. Bir YZ metnini okumaya harcanan dikkat, kendi temsilini inşa etmeye harcanmayan dikkattir; yazarlar, kalıp yüzeye çıkarılmadıkça görünmez olduğu için öğrenenlere tek bir strateji reçete etmek yerine kendi stratejileri üzerine yansıtma yapmayı öğütmektedir.

Ön kayıtlı randomize bir alan denemesi, sözlü kanalı aynı özel öğretmen çerçevesinde yazılı metne karşı sınamakta ve öğrenmenin seste değil özel öğretmede olduğunu bulmaktadır. Yang, Van Alstyne ve Dellarocas (2026), çevrimiçi MBA kurumsal finansman modülünde 86 öğrenciyi ders materyallerine dayalı yapılandırılmış bir özel öğretmen ile bekleme grubu arasında randomize etmiş; ardından her özel öğretim alan öğrencinin kanalını haftalık olarak ses ile metin arasında değiştirmiştir; böylece kıyaslama her öğrenci içinde özdeşleşir: haftalık ustalık −0,01 puan (11 üzerinden) fark etmiş (p = 0,98) ve iki taraflı test ±0,3 SS’den büyük herhangi bir gerçek farkı reddetmiştir. Ses bunun yerine süreci dönüştürmüştür — metin haftalarına göre dakikada 1,34 diyalog turuna karşı 0,75 ve 11,3 soruya karşı 4,6 — düşünme molası çökmüş (sesli 27 saniye ortanca özel öğretmenden öğrenciye yanıt boşluğuna karşı metinde 54 saniye; yazılı turlar ilk tuş vuruşundan önce 25,9 saniye ve yazma aşamasında 13,9 saniye harcamış) ve konuşma kanalının sunumu 2,8 kat daha pahalıya gelmiştir; ses dakikası başına \0,22’yekars\cımetinmesajıbas\cına0,22’ye karşı metin mesajı başına \\0,0165 (52 koltuk için beş haftada \413,46sesve413,46 ses ve \\149,13 metin). Bu kanıta göre ses, bir kodlama kaldıracı değil benimseme ve katılım kaldıracıdır — bu da sözlü bir kanal ekleyen her kurumun fiyatlandırması gereken tam olarak ödünleşimin kendisidir.

Sözlü ve Sözlü-Tabanlı Değerlendirmede YZ

Sözlü değerlendirme her zaman pedagojik olarak güçlü ve lojistik olarak pahalı olmuştur; konuşma teknolojisi şimdi maliyet tarafına saldırmaktadır. Pentland, Lowenthal ve Krier (2026), eşzamanlı olmayan sözlü değerlendirmeleri (AOA) betimler: tam ihtiyaç anında sunulan istek metinleri, geri dönülemeyen kısa süreli web kamerası yanıtları ve otomatik üretilmiş metinler eşliğinde gömülü rubriklere göre puanlama. Programlama kısıtı olmaksızın tek bir öğretim elemanının verdiği iki ders boyunca öğrenciler AOA’larda yüz yüze çoktan seçmeli sınavlara göre daha yüksek puan aldı — Çalışma 2’de belirgin biçimde (ara sınav ortanca 92,5’e karşı 70, p < 0,001; final 94,2’ye karşı 86,4, p = 0,002) ve Çalışma 1’de yönsel olarak; biçimler arası korelasyonlar orta düzeydeydi (τ = 0,44; τ = 0,25, anlamlı değil). Öğrenciler daha etkin hazırlanmaya yöneldi; %90,91’i biçimi yazılı sınavlardan daha çok iş yeri iletişimine yakın buldu ve %81,82’si içerikle daha etkin biçimde etkileşim kurduğunu bildirdi. Yazarlar bunların biçim puanı farklılıkları olduğu — öğrenme kazanımlarının kanıtı olmadığı — ve dürüstlük avantajının çıkarım yoluyla elde edildiği, ölçülmediği konusunda dikkatli davranır; bir LLM ile yeniden puanlama denetimi, öğretim elemanı puanlarının sistematik biçimde daha yüksek olduğunu ve orta-iyi düzeyde bir uyum bulunduğunu göstermiştir (ICC 0,73 ve 0,60), bu otomatik puanlamanın bir onayından çok bir güvenilirlik denetimi olarak sunulmaktadır.

Fenton (2025), gerekçeyi inceleme biçiminde sunar: sözlü sınavlar gerçek zamanlı ve etkileşimli olduğundan öğrenciler yanıtları önceden üretip ezberleyemez ve biçim, Bloom taksonomisinin daha üst düzeylerinde akıl yürütmeyi değil hatırlamayı sorgular. Kişiselleştirme, özgünlük, işe hazırlık ve daha derin bilgi gibi faydaları, adlandırılmış maliyetlerle gelir: programlama ve lojistik, öğrenen kaygısı ve cinsiyet, etnik köken, dil, yanıt hızı ve anonim olmayan puanlama çevresindeki yanlılık riski — ancak kanıtlar, sözlü sınavların dizleksisi olanlar dâhil bazı öğrenenler için yazılı sınavlar kadar kapsayıcı olabileceğini düşündürür.

İki uygulama teknolojinin ne kattığını gösterir. AkoVoice (Adams 2026), Yeni Zelanda’da dört Level 3 Otomotiv sınıfı ve bir Level 3 Mühendislik sınıfındaki 33 öğrenciyi değerlendirmiştir; açık ağırlıklı modelleri çalıştıran tek bir orta segment dizüstü bilgisayara karşı öğrenciye ait telefonlarda — Mistral 7B (Ollama üzerinden), konuşmadan metne faster-whisper, TTS için Chatterbox — aynı anda en fazla 12 öğrenci değerlendirilmiş ve hiçbir noktada internet bağlantısı olmamıştır. YZ, hâkim yerine kanıt yüzeye çıkaran olarak konumlandırılmış; değerlendiricinin muhakemesi olduğu gibi bırakılmıştır. Öğrenen tepkisi olumlu olmuştur: 33 öğrenciden 21’i (%64) görevi gerçekçi bulmuş ve 33 öğrenciden hiçbiri gerçek zamanlı konuşmanın yazılı bir portfolyoya kıyasla doğru hissettirdiğini reddetmemiştir. Performans verisi daha ilginçtir. Aynı sorular için sözcük sayıları her kohortta öğrenenler arasında beş ila sekiz kat değişmiştir (93–523, 92–796, 309–811); ancak uzunluk, kapalı sorulardaki doğruluğu öngörmemiştir; dokuz öğrenci 2 ila 13 sözcükle yanıtlamış ve hepsi doğru işaretlenmiştir, en kısası “3500 kgs” olup daha dolu “güvenli çalışma yükü üç tondur” yanıtı 3,5 tonluk bir puanlama kılavuzuna karşı işaretlenmiştir. Komşu Bahçecilik (14 öğrenci) ve Süt Ürünleri (11 öğrenci) denemelerinde ajanın ön puanı ile insan özel öğretmeninin puanı arasında %95 uyum bulunmuştur. Madde tarafında, Aryadoust ve Wong (2026), L2 dinleme maddeleri için yinelemeli istek metni mühendisliğini ince ayarla (fine-tuning) ile karşılaştırmış; 40 test ve 240 çoktan seçmeli madde üretmiştir: istek metni iyileştirmesi kaliteyi artırmış ama bir düzlüğe ulaşmış; istek metni tasarımı sabit tutularak optimize edilmiş istek metni üzerinde GPT-4.1’i ince ayarlamak üretimi daha da ilerletmiştir. Sözlü değerlendirme ayrıca yanlış şeyi ölçme riski taşır — Morphew ve ark. (2026), metne çevrilmiş konuşmanın yanında jestleri izler ve yalnızca konuşmayı değerlendirmenin anlamanın bedensel kanıtlarını gözden kaçırdığını; dolayısıyla akıcılığın kavramsal bilgiyle karıştırılabileceğini savunur.

Sözlü Kanalda Erişilebilirlik ve Eşitlik

Konuşma teknolojisinin erişilebilirlik sicili karışıktır: bir engeli kaldıran aynı kanal başkasını kurabilir. Sağır ve İşitme Engelli öğrenenler en açık uyuşmazlıktır. Chen ve ark. (2026), video izleyen DHH öğrenenler için bir LLM soru üretim sistemi tasarlamış; metin temelli isteme yöneltmenin işaret temelli ana dillerle neden zayıf uyum sağladığını açıklamak için Dil Yoksunluğu Kuramı’ndan yararlanmıştır. Görsel Sorular (görsel bilginin yanlış okunmasının olası olduğu zaman damgaları — hızlı hareket, hizasız altyazılar, ekranda yoğun metin) ve Duygusal Sorular (önceki DHH öğrenenlerin hüsran veya kafa karışıklığı bildirdiği zaman damgaları) eklenmiş; 30 sorudan oluşan nihai bir banka öğrenenler ve öğretim elemanlarıyla iyileştirilmiştir. 16 kullanıcıyla prototip Öz Yeterlilik yükseltmiştir (7 puanlı ölçekte M = 5,70, SS = 1,12); Sağır katılımcılar görsel soruları, altyazıları ihtiyaç duymayacak kadar hızlı okuduklarını bildiren İşitme Engelli katılımcılara göre daha sık seçmiştir. Erişilebilirlik burada üretime eklenmek zorunda kalmış, sonradan iliştirilmemiştir.

AkoVoice, nadiren bir arada yüzeye çıkan iki eşitlik kaygısı ekler. Birincisi veri: kayıtlar dururken şifrelenmiş, yerel olarak barındırılmış ve 90 gün sonra silinmiştir; yazarlar bir katılımcının sesini, modelleri eğitmek veya biyometrik profiller inşa etmek için bir kaynak değil kişisel ve kültürel bir ifade olarak ele almaktadır — AB YZ Yasası’nın mesleki eğitimde öğrenme çıktılarını değerlendirmek için kullanılan YZ’yi yüksek riskli sınıflandırması nedeniyle önemli bir duruş. İkincisi aksan ve kayıt: konuşmadan metne doğruluğu öğrenen aksanları boyunca tam olarak sınanmamış; “ilgi çekici” gibi rubrik ölçütleri kültüre özgü ve ikinci dil konuşanlarına potansiyel olarak cezalandırıcı olarak işaretlenmiş, bu da bir inceleme notu alanına yol açmıştır. K-12 grup çalışmasındaki aksan bulguları ve ana akım edtech’in neredeyse tamamen görsel varsayımı yanına konulduğunda, kalıp şudur: ses arayüzü görme, okuma hızı ve bağlanabilirlik engellerini kaldırırken aksanı, tanıma doğruluğunu, donanım maliyetini ve kültürel kaydı açık bırakır.

Kapsam denetimi. Bu sayfa sözlü kanal ve onu taşıyan teknoloji hakkındadır. Geniş anlamda ikinci dil pedagojisi — yazma gelişimi, dilbilgisel doğruluk, motivasyon, öğretmen uygulaması — için Dil Öğrenimi sayfasına gidin; bu sayfa YZ ile L2 öğretimini kapsar ve konuşmayı birçok kol arasından biri olarak ele alır. Metin tabanlı sohbet robotları ve kiplilikten bağımsız diyalog tasarımı için Konuşma Tabanlı Yapay Zeka sayfasına gidin; buradaki bazı makaleler diyalog içerir ama soruları konuşma hakkındadır, bir sohbet modeline istek metni vermek hakkında değil. Temel olarak konuşma temelli olmayan ekran okuyucular, altyazılama, dokunsal grafikler ve yardımcı araçlar için Yardımcı Teknoloji sayfasına gidin; bu sayfa bu vikinin daha geniş Erişilebilirlik ve Kapsayıcı Öğrenme kolları altında yer alır.

Belirsiz Kalanlar

Buradaki neredeyse her güçlü iddia tek kısa bir çalışmaya dayanır. İki TTS ders çalışması biçimi içerikle karıştıran sabit bir sunum sırasına sahip tek Japon liselerinde yürütülmüş ve öğrenme çıktısı ölçütleri kurum içi ölçeklerde öz bildirimle toplanmıştır. ASR geri bildirim modeli tek bir Çin üniversitesinden gelmiş ve enine kesittir; dolayısıyla yeterlilik-denkleme bulgusu nedensellik değil kovaryansı tanımlar. İletişim kurma isteği çalışması geri bildirimin algısını değil geri bildirim kalitesini ölçmüştür. Çevirmenlik profil çalışması, çıktı aşaması etkilerinin anlamlılığa ulaşmadığı 22 katılımcılı keşifsel bir analizdir. AOA ve AkoVoice uygulamaları tek kurumludur; AkoVoice, ses değerlendirmeleri gerçek değerlendirmelere paralel yürütüldüğü için toparlayıcı öğrenme kanıtı bildirmemektedir. Kutti AI, hiçbir çıktı değerlendirmesi olmayan bir sistem katkısıdır. Derlemenin desteklediği şey bir dizi tasarım iddiasıdır: ASR kullanımında geri bildirim kalitesi uygulama hacmini geride bırakır, diyalog anlatımı doğallık pahasına anlamayı destekleyebilir, biçim sabit kılınmaktansa öğrenen özelliklerine uydurulmalıdır, YZ insan değerlendiricinin yerine geçmek yerine kanıt yüzeye çıkarmalıdır ve gerçek zamanlı konuşmak yazının ölçmediği bir şey ölçer — öğrencinin kaç sözcük kullandığına şaşırtıcı biçimde kayıtsız olan bir doğruluk dâhil. Bunların herhangi birinin başka bir merkezde, başka bir dilde veya başka bir yılda tutup tutmayacağı sınanmamıştır.

Bağlı kavramlar

Bağlı makaleler

Üst veri

DisiplinLanguage Learning
SeviyeK 12, Higher Ed, Adult Learning
Hedef kitleInstructors, Learners, Researchers, Instructional Designers
Teknolojiler ve tekniklerÜretici YZ, Çok Kipli YZ
Değerlendirme ve ölçmeDeğerlendirme
Eşitlik, etik ve sorumlu kullanımErişilebilirlik, Kapsayıcı Öğrenme
SourceHistoryEditChat

Bu sayfayı göm

Bu sayfayı bir öğrenme yönetim sistemine veya başka bir web sitesine gömmek için aşağıdaki kodu kopyalayın. Gömülü sürüm yalnızca sayfa içeriğini gösterir — site başlığını, gezintiyi ve alt bilgiyi gizler.