論文の概要: An Evaluation of AI-Supported Evidence-Based Learning for Public Speaking Skill Development

• arxiv url: http://arxiv.org/abs/2609.31676v1
• Date: Wed, 16 Sep 2026 07:38:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 14:01:19.380593
• Title: An Evaluation of AI-Supported Evidence-Based Learning for Public Speaking Skill Development
• Title（参考訳）: 公的な発話スキル開発のためのAI支援エビデンスベース学習の評価
• Abstract要約: 本研究は,音声文脈を評価基準に組み込むシステムを開発する。 サンプルベースの学習をサポートするために、テキストおよびオーディオフォーマットの両方で改善されたモデル音声を生成する。
• 参考スコア（独自算出の注目度）: 0.7786378322936641
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public speaking is an essential skill in academic and professional contexts, but it often causes anxiety. Although several AI-based speech coaching tools exist, they typically provide generic feedback and lack model speeches for learning. This study addresses these gaps by developing a system that incorporates speech context into evaluation criteria, enabling more tailored feedback. It also generates improved model speeches in both text and audio formats to support example-based learning. The system was evaluated in a pilot study with seven undergraduate students over one to three weeks. Participants used the system repeatedly and practiced the same speech at least three times. Results showed improvements in public speaking performance for all participants. Filler word usage decreased, and anxiety levels dropped by 15.3% to 34.4%. Participants found the context-aware feedback and revised speeches useful and confidence-building. These findings suggest that context-aware feedback and model speeches can enhance public speaking skills and reduce anxiety. Future studies could explore video-based analysis of physical behavior during speeches.
• Abstract（参考訳）: 公言は学術的・専門的な文脈において必須のスキルであるが、しばしば不安を引き起こす。 AIベースの音声コーチングツールはいくつか存在するが、一般的には一般的なフィードバックを提供し、学習のためのモデルスピーチを欠いている。 本研究は,音声コンテキストを評価基準に組み込んだシステムを開発することにより,これらのギャップに対処し,より適切なフィードバックを可能にする。 また、サンプルベースの学習をサポートするために、テキストとオーディオフォーマットの両方で改善されたモデル音声を生成する。 このシステムは,7人の大学生を対象に,1～3週間にわたるパイロット実験で評価された。 参加者は、このシステムを繰り返し使用し、少なくとも3回同じスピーチを実践した。 その結果,全参加者の公的な発話性能が向上した。 フィラー語の使用は減少し、不安レベルは15.3%低下して34.4%となった。 参加者は、文脈対応のフィードバックと修正されたスピーチが有用で、信頼構築に有用であることがわかった。 これらの結果から,文脈認識フィードバックとモデル音声は,公的な発話能力を高め,不安を軽減することが示唆された。 将来の研究は、音声中の身体行動の映像に基づく分析を研究できるかもしれない。

関連論文リスト

• Enhancing Public Speaking Skills in Engineering Students Through AI [0.48861336570452174]
  この研究から実践までの全論文は、工学生間の効果的なコミュニケーションにおける永続的な課題に着想を得たものである。 様々な利害関係者と技術的な知識を伝える必要があるため、将来のエンジニアにとってパブリックな講演は必要なスキルである。 本研究は, 工学生を対象としたAIによる評価モデルの構築を目的として, 公言における口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭・口頭
  論文  参考訳（メタデータ） (2025-11-07T05:44:15Z)
• Designing Human-AI Collaboration to Support Learning in Counterspeech Writing [8.946370048529266]
  我々は,人間とAIの協調システムであるCounterQuillを紹介した。 CounterQuillは、計算思考に基づく3段階のワークフローに従う。
  論文  参考訳（メタデータ） (2024-10-03T22:29:20Z)
• Pre-Finetuning for Few-Shot Emotional Speech Recognition [20.894029832911617]
  我々は話者適応を数発の学習問題と見なしている。 そこで本研究では,知識を数発の下流分類対象に抽出する難解な課題に対する事前学習音声モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-24T22:38:54Z)
• Self-Supervised Speech Representation Learning: A Review [105.1545308184483]
  自己教師付き表現学習法は、幅広いタスクやドメインに利益をもたらす単一の普遍的モデルを約束する。 音声表現学習は、生成的、コントラスト的、予測的という3つの主要なカテゴリで同様の進歩を経験している。 本稿では,自己指導型音声表現学習のアプローチと,他の研究領域との関係について述べる。
  論文  参考訳（メタデータ） (2022-05-21T16:52:57Z)
• E-ffective: A Visual Analytic System for Exploring the Emotion and Effectiveness of Inspirational Speeches [57.279044079196105]
  E-ffective(エフェクティブ)は、音声の専門家や初心者が、音声要因の役割と効果的な音声への貢献の両方を分析することのできる視覚分析システムである。 E-spiral(音声の感情の変化を視覚的にコンパクトに表現する)とE-script(音声コンテンツを主要な音声配信情報に結びつける)の2つの新しい可視化技術がある。
  論文  参考訳（メタデータ） (2021-10-28T06:14:27Z)
• Analysis and Tuning of a Voice Assistant System for Dysfluent Speech [7.233685721929227]
  音声認識システムは、音や単語の繰り返し、音の伸長、可聴ブロックなどの非効率な音声によく当てはまらない。 既存のハイブリッド音声認識システムにおける復号化パラメータを調整することにより、流速障害のある個人に対して、isWERを24%改善できることを示す。
  論文  参考訳（メタデータ） (2021-06-18T20:58:34Z)
• "Notic My Speech" -- Blending Speech Patterns With Multimedia [65.91370924641862]
  音声認識と理解における視点依存と視覚的重要性の両方をモデル化するための視点時間的注意機構を提案する。 提案手法は, ビセム誤差率において, 既存の作業よりも4.99%優れていた。 モデルでは,多視点音声に対する理解と人間の知覚との間に強い相関関係があることが示されている。
  論文  参考訳（メタデータ） (2020-06-12T06:51:55Z)
• Does Visual Self-Supervision Improve Learning of Speech Representations for Emotion Recognition? [63.564385139097624]
  本研究は,音声表現の学習を指導するために,顔再構成による視覚的自己監督について検討する。 提案した視覚的・音声的自己監督のマルチタスクの組み合わせは,よりリッチな特徴を学習する上で有益であることを示す。 学習した音声表現を、離散的感情認識、連続的感情認識、自動音声認識のために評価する。
  論文  参考訳（メタデータ） (2020-05-04T11:33:40Z)

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。