大家好！我是山田研究室硕士二年级的平田沙希。

新学年的第一次英语研讨会上，我选择了以下这篇论文进行讨论。

论文标题：Beyond self-directed computer-assisted pronunciation learning: a qualitative investigation of a collaborative approach

作者：Pi-hua Tsai

发表年份：2019

期刊：Computer Assisted Language Learning, 32:7, 713-744.

在流利的跨文化交流中，正确的发音是一个重要因素。为了判断自己的发音是否准确，反馈是必需的。近年来，使用计算机的音频识别技术进行发音评分和图表化的反馈方法受到了广泛关注。这篇论文研究了学习者如何理解这种由计算机提供的反馈，并探讨了学习过程中遇到的发音问题以及如何与其他学习者互相辅助。

在这项研究中，60名大学生组成了30对，用了10周时间使用计算机进行发音学习。他们使用的软件是MyET，它通过音频识别提供音素、音高等评分、波形数据和口型的3D数据作为反馈。实验期间，观察了学习过程，并在学习前、中、后进行了反馈和配对学习的问卷与自由描述。

调查结果显示，在配对活动中存在两种交流模式：“初学者/高等学习者交流”和“合作性交流”。前者中，当初学者在系统中不能改善问题时，高等学习者会演示正确的发音，并引导初学者跟随。后者则是双方监视彼此的发音，并共同寻找解决方案。尤其在“合作性交流”模式下，因为学习者享受与伙伴的合作，所以可提高学习发音的动机。

问卷结果也显示，对计算机学习的正面评价超过了负面评价。正面反馈包括“元音长度”、“音高变化”和“通过文本和图表”的反馈。负面反馈包括“模型发音太快”、“发音评分缺乏一致性，令人不满”和“模糊的评论没有提供明确的修正方法”。

这篇论文的结论是，技术和人为反馈在发音学习支持方面是互补的。伙伴学习可以促使彼此给予反馈，解决单独学习难以解决的发音问题。

我之所以选择这篇论文，是因为我在1月份进行了自己的发音支持系统的评估实验。通过实验日志分析，我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，学习如何解决发音问题的设计方法。

实际上，我从这篇论文中学到了三个主要方面。

第一，通过协同学习，学生认为他们的发音能力有所提高。如果这种活动可以完全由系统完成，例如，通过音频识别结果，系统代替伙伴来理解学习者发音的问题，并抛出具体问题以引导其改善，那么可以提高对发音能力的认知。

第二，应该选择与学习者文脈相近的词汇，以提高学习动机。

第三，视觉反馈，如高亮显示错误的发音部分、显示波形数据和图像，也是有效的。

但我对这项研究也有一些疑问。首先，论文没有展示系统对发音能力的定量效果，因此关于合作学习方法和CAPT反馈有效性的客观性和可靠性较低。其次，没有解释系统的学习日志，所以对CAPT具体学习行为的了解很有限。最后，虽然合作模式可以提高学习动机，但实现这种模式的关键是如何配对，这不仅涉及学力，还涉及性格兼容等因素。如果论文能进一步讨论这些，将更有研究价值。