大家好。
我是山田研究室硕士二年级的平田沙希。

这是我在新学年第一次英语研讨会上选择的论文。

论文题目：Beyond self-directed computer-assisted pronunciation learning: a qualitative investigation of a collaborative approach
作者：Pi-hua Tsai
出版年份：2019
来源：approach, Computer Assisted Language Learning, 32:7, 713-744,

正确地发音外语是进行顺畅沟通的重要要素。
发音学习需要反馈来判断自己的发音是否正确，近年来，利用计算机语音识别技术进行发音评分、图表化等反馈方法备受关注。

这篇论文刊载了针对此类计算机发音学习中，学习者如何认知计算机反馈的调查结果。此外，还调查了学习者在学习过程中经历了怎样的发音困难，以及如何与其他学习者相互辅助学习。

在该研究中，60名大学生组成对子，进行了为期10周的计算机辅助发音学习。本研究中使用的发音学习软件是MyET，它通过语音识别提供音素、音调等的评分、波形数据以及显示口型的3D数据作为反馈。在实验期间，研究者观察了学习情况，并在学习前后对系统反馈和对子学习进行了问卷调查和自由书写。

调查结果显示，在对子活动中出现了“初学者/高级者交流”和“协作式交流”两种交流模式。前者表现为当初学者无法通过系统改善问题时，高级者会演示标准发音，并指导初学者跟随自己发音；后者表现为针对问题互相监测对方的发音，共同寻找解决方法。此外，在“协作式交流”模式中，观察到学习者享受与同伴合作的过程，这被认为有助于提高发音学习的动力。

另外，从问卷结果来看，对计算机学习持肯定意见的人数超过了持否定意见的人数。具体而言，积极的反馈包括“元音长度”、“音调变化”以及通过“文本和图表”提供的反馈；相反，消极的反馈包括“标准发音太快”、“发音评分不一致且令人难以信服”、“评论模糊（例如：试着以更高的音调发音）而没有给出明确的修正方法”等。

最后，研究发现计算机发音学习后，学习者对音素的困难感有所减轻，并指出了3D动画作为音素反馈方法的有效性。此外，关于“通过CAPT进行更多的发音练习是否能改善发音能力”这一问题，80%的受访者回答了“是”。

结论是，技术反馈与人工反馈在发音学习支持中处于相互补充的关系。与同伴的学习中可以看到互相提供反馈的活动，这被认为能够促进解决个人学习中难以解决的发音问题。

我想谈谈阅读这篇论文的理由。1月份我进行了自己的发音支持系统评估实验，通过实验日志分析，发现学习者很难自行解决自己的发音问题。因此，我希望通过阅读这篇论文，学习如何设计能够解决发音问题的系统。

实际阅读论文后，主要有三点对我很有参考价值。
首先，由于许多学生认为协作（Collaboration）有助于提高发音能力，因此通过互相监测发音并探索改进方法的活动，有望提高发音能力。如果仅由系统完成这一活动，例如系统可以根据语音识别结果代替同伴，把握学习者的发音问题点，并通过提出具体的引导改进的问题，来提高学习者对发音能力的认知。在此过程中，我认为像本研究实践的那样，针对音素、语调、重音等每个发音要素提供修正方法的反馈机制非常重要。

其次，文中提到输入内容应具有真实性（authentic），以促进学习者的内在动机。关于这一点，我也感觉到在自己的系统中，为了提高学习动机，需要选择贴近学习者语境的单词。

第三，关于反馈，我认为视觉反馈也很有效，例如高亮显示发音错误的地方（如标注颜色、转录、强调、下划线），或者显示波形数据和图像等。

另一方面，我对这项研究也有几点疑问。
首先，由于没有展示系统对发音能力的定量效果，我感到本研究提出的协作学习方法和CAPT反馈的有效性在客观性和可靠性上较低。此外，由于缺乏对系统学习日志的解读，关于CAPT具体学习行为的见解较少。最后，虽然了解到协作模式可以提高学习动机，但我认为要实现这种模式的协作学习，对子的分配方式非常重要。这不仅涉及选择学力相当的学生，还涉及性格契合度等因素。如果能提及对子的特征，这篇论文的见解将会更加有趣。