論文の概要: AI-based Arabic Language and Speech Tutor

• arxiv url: http://arxiv.org/abs/2210.12346v1
• Date: Sat, 22 Oct 2022 04:22:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 14:04:09.351688
• Title: AI-based Arabic Language and Speech Tutor
• Title（参考訳）: AIに基づくアラビア語と音声チューター
• Authors: Sicong Shao, Saleem Alharir, Salim Hariri, Pratik Satam, Sonia Shiri, Abdessamad Mbarki
• Abstract要約: 人工知能に基づくアラビア語と音声チューター(AI-ALST)の開発のためのアプローチを提案する。 AI-ALSTシステム(AI-ALST System)は、アリゾナ大学(UA)のモロッコ方言を学ぶ学生の分析と評価を提供するインテリジェントチューターである。 AI-ALSTは、発音訓練のための各レッスンを実践するための自己学習環境を提供する。
• 参考スコア（独自算出の注目度）: 1.7616042687330644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the past decade, we have observed a growing interest in using technologies such as artificial intelligence (AI), machine learning, and chatbots to provide assistance to language learners, especially in second language learning. By using AI and natural language processing (NLP) and chatbots, we can create an intelligent self-learning environment that goes beyond multiple-choice questions and/or fill in the blank exercises. In addition, NLP allows for learning to be adaptive in that it offers more than an indication that an error has occurred. It also provides a description of the error, uses linguistic analysis to isolate the source of the error, and then suggests additional drills to achieve optimal individualized learning outcomes. In this paper, we present our approach for developing an Artificial Intelligence-based Arabic Language and Speech Tutor (AI-ALST) for teaching the Moroccan Arabic dialect. The AI-ALST system is an intelligent tutor that provides analysis and assessment of students learning the Moroccan dialect at University of Arizona (UA). The AI-ALST provides a self-learned environment to practice each lesson for pronunciation training. In this paper, we present our initial experimental evaluation of the AI-ALST that is based on MFCC (Mel frequency cepstrum coefficient) feature extraction, bidirectional LSTM (Long Short-Term Memory), attention mechanism, and a cost-based strategy for dealing with class-imbalance learning. We evaluated our tutor on the word pronunciation of lesson 1 of the Moroccan Arabic dialect class. The experimental results show that the AI-ALST can effectively and successfully detect pronunciation errors and evaluate its performance by using F_1-score, accuracy, precision, and recall.
• Abstract（参考訳）: 過去10年間で、人工知能(AI)、機械学習、チャットボットといった技術を用いて、特に第二言語学習における言語学習者を支援することへの関心が高まってきた。 AIと自然言語処理(NLP)とチャットボットを使用することで、複数の選択の質問を越えて、空白のエクササイズを埋めるインテリジェントな自己学習環境を構築することができます。 さらに、NLPは、エラーが発生したことを示す以上のものを提供するため、学習を適応させることができる。 また、誤りを記述し、言語分析を用いてエラーのソースを分離し、最適な個別化学習結果を達成するために追加のドリルを提案する。 本稿では、モロッコのアラビア語を教えるためのai-alst(artificial intelligence-based arabic language and speech tutor)の開発について述べる。 AI-ALSTシステムは、アリゾナ大学(UA)でモロッコ方言を学ぶ学生の分析と評価を提供するインテリジェントチューターである。 AI-ALSTは、発音訓練のための各レッスンを実践するための自己学習環境を提供する。 本稿では,MFCC(Mel frequency cepstrum coefficient)特徴抽出,双方向LSTM(Long Short-Term Memory),アテンション機構,およびクラス不均衡学習のためのコストベース戦略に基づくAI-ALSTの実験的評価を行う。 モロッコ語アラビア語の授業1の発音について指導者の評価を行った。 実験の結果,AI-ALSTはF_1スコア,精度,精度,リコールを用いて発音誤りを効果的に検出し,その性能を評価することができることがわかった。

関連論文リスト

• Generative AI, Pragmatics, and Authenticity in Second Language Learning [0.0]
  生成的AI(Artificial Intelligence)を言語学習と教育に統合する上で、明らかなメリットがある。 しかし、AIシステムが人間の言語に耐える方法のため、人間と同じ社会的認識を持つ言語を使えるような、生きた経験が欠けている。 言語や文化のバイアスは、そのトレーニングデータに基づいて構築されており、主に英語であり、主に西洋の情報源から来ている。
  論文  参考訳（メタデータ） (2024-10-18T11:58:03Z)
• Learning Phonotactics from Linguistic Informants [54.086544221761486]
  本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。 提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
  論文  参考訳（メタデータ） (2024-05-08T00:18:56Z)
• Distributed agency in second language learning and teaching through generative AI [0.0]
  ChatGPTは、テキストまたは音声形式のチャットを通じて非公式な第二言語プラクティスを提供することができる。 インストラクタはAIを使って、さまざまなメディアで学習と評価材料を構築することができる。
  論文  参考訳（メタデータ） (2024-03-29T14:55:40Z)
• Lip Reading for Low-resource Languages by Learning and Combining General Speech Knowledge and Language-specific Knowledge [57.38948190611797]
  本稿では,特に低リソース言語を対象とした新しい唇読解フレームワークを提案する。 低リソース言語は、そのモデルを訓練するのに十分なビデオテキストペアデータを持っていないため、低リソース言語のための唇読解モデルを開発するのは難しいと考えられている。
  論文  参考訳（メタデータ） (2023-08-18T05:19:03Z)
• Bag of Tricks for Effective Language Model Pretraining and Downstream Adaptation: A Case Study on GLUE [93.98660272309974]
  このレポートでは、ジェネラル言語理解評価のリーダーボードに関するVega v1を簡潔に紹介します。 GLUEは、質問応答、言語受容性、感情分析、テキスト類似性、パラフレーズ検出、自然言語推論を含む9つの自然言語理解タスクのコレクションである。 最適化された事前学習と微調整の戦略により、13億のモデルは4/9タスクに新しい最先端のタスクを設定し、91.3の平均スコアを達成しました。
  論文  参考訳（メタデータ） (2023-02-18T09:26:35Z)
• What Artificial Neural Networks Can Tell Us About Human Language Acquisition [47.761188531404066]
  自然言語処理のための機械学習の急速な進歩は、人間がどのように言語を学ぶかについての議論を変革する可能性がある。 計算モデルによる学習可能性の関連性を高めるためには,人間に対して大きな優位性を持たず,モデル学習者を訓練する必要がある。
  論文  参考訳（メタデータ） (2022-08-17T00:12:37Z)
• Autoencoding Language Model Based Ensemble Learning for Commonsense Validation and Explanation [1.503974529275767]
  本稿では,コモンセンス検証と説明のための自動符号化言語モデルに基づくアンサンブル学習手法を提案する。 提案手法は,コモンセンスに反する自然言語文(検証サブタスク)を識別し,コモンセンスに反する理由(説明選択サブタスク)を正しく識別する。 SemEval-2020 Task 4のベンチマークデータセットによる実験結果から,本手法が最先端モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2022-04-07T09:43:51Z)
• Sequence-level self-learning with multiple hypotheses [53.04725240411895]
  我々は、自動音声認識(ASR)のためのアテンションベースシーケンス・ツー・シーケンス(seq2seq)モデルを用いた新しい自己学習手法を開発した。 従来の教師なし学習手法とは対照的に,我々はEmphmulti-task Learning(MTL)フレームワークを採用する。 実験の結果,本手法は,英語データのみを用いてトレーニングしたベースラインモデルと比較して,英文音声データのWERを14.55%から10.36%に削減できることがわかった。
  論文  参考訳（メタデータ） (2021-12-10T20:47:58Z)
• Robotic Assistant Agent for Student and Machine Co-Learning on AI-FML Practice with AIoT Application [0.487576911714538]
  AI-FMLの構造にはファジィ論理、ニューラルネットワーク、進化計算が含まれる。 ロボットアシスタントエージェント(RAA)は、英語とAI-FMLの実践を共同学習する学生や機械を支援する。
  論文  参考訳（メタデータ） (2021-05-11T13:19:06Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。