Ứng Dụng Nhận Diện Giọng Nói Tự Động Để Cải Thiện Phát Âm Từ Mới Của Sinh Viên

Tài liệu nghiên cứu The application of automatic speech recognition to students new word pronunciation m a, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Phạm Hưng Thịnh
• Người hướng dẫn: Nguyễn Thúy Nga, Ph.
• Trường học: Vietnam National University – Ho Chi Minh City University of Social Sciences and Humanities
• Chuyên ngành: TESOL
• Đề tài: The Application of Automatic Speech Recognition to Students’ New Word Pronunciation
• Loại tài liệu: thesis
• Năm xuất bản: 2021
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGEMENTS
• STATEMENT OF ORIGINALITY
• RETENTION OF USE
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Background to the study
• 1.2. Statement of the problem
• 1.3. Aims of the study
• 1.4. Research questions
• 1.5. Rationale of the study
• 1.6. Scope of the research
• 1.7. Structure of the thesis
• 1.8. Summary of the chapter
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Definition of terms
• 2.1.1. Pronunciation
• 2.1.2. Word
• 2.1.3. Phoneme (sound)
• 2.1.4. Consonant
• 2.2. The application of technology in language teaching and learning
• 2.2.1. Mobile Assisted Language Learning (MALL)
• 2.2.2. Automatic speech recognition (ASR)
• 2.3. Review of previous studies
• 2.4. Summary of the chapter
• 4. CHAPTER 4: RESULTS AND DISCUSSION
• 4.1. Research question 1: the effects of ASR (ELSA Speak) on students’ new word pronunciation
• 4.2. Research question 2: students’ attitudes on the application of ASR (ELSA Speak) in their pronunciation learning
• 4.3. Discussion of results
• 4.4. Limitations of the study
• 4.5. Recommendations for further study
• 4.6. Summary of the chapter
• LIST OF ABBREVIATIONS
• LIST OF TABLES
• LIST OF FIGURES
• ABSTRACT

Tóm tắt

I. Tổng Quan Ứng Dụng Nhận Diện Giọng Nói Cho Sinh Viên

Trong bối cảnh hội nhập quốc tế, tiếng Anh đóng vai trò quan trọng. Sinh viên Việt Nam gặp nhiều khó khăn trong quá trình học tiếng Anh, đặc biệt là phát âm từ mới. Nghiên cứu này tập trung vào việc ứng dụng công nghệ nhận diện giọng nói tự động (ASR) để hỗ trợ sinh viên cải thiện phát âm tiếng Anh, đặc biệt là phát âm từ mới. Nhiều sinh viên phụ thuộc vào giáo viên để học cách phát âm, dẫn đến khó khăn trong việc tự luyện tập và nhận phản hồi. Nghiên cứu này khám phá tiềm năng của ASR trong việc giải quyết vấn đề này, giúp sinh viên tự tin hơn trong giao tiếp tiếng Anh. Celce-Murcia, Brinton và Goodwin (1996) đã chỉ ra sự phụ thuộc của sinh viên vào giáo viên trong việc học âm mới.

1.1. Tầm quan trọng của phát âm chuẩn trong học tiếng Anh

Phát âm chuẩn là yếu tố then chốt trong giao tiếp tiếng Anh hiệu quả. Phát âm sai có thể dẫn đến hiểu lầm và cản trở quá trình học tập. Việc nắm vững IPA (International Phonetic Alphabet) và các quy tắc ngữ âm học là rất quan trọng. Sinh viên cần được trang bị kiến thức và kỹ năng để tự đánh giá và cải thiện phát âm của mình. Các lỗi phát âm thường gặp cần được nhận diện và khắc phục kịp thời.

1.2. Giới thiệu về công nghệ nhận diện giọng nói tự động ASR

Công nghệ nhận diện giọng nói tự động (ASR) là một lĩnh vực của trí tuệ nhân tạo (AI), cho phép máy tính chuyển đổi giọng nói thành văn bản. ASR có nhiều ứng dụng trong giáo dục, bao gồm hỗ trợ luyện phát âm tiếng Anh online, đánh giá phát âm và cung cấp phản hồi phát âm tức thì. Các ứng dụng ASR như ELSA Speak đang ngày càng phổ biến, mang đến giải pháp tự học phát âm hiệu quả cho sinh viên.

II. Thách Thức Phát Âm Từ Mới Giải Pháp ASR Cho Sinh Viên

Sinh viên Việt Nam thường gặp khó khăn trong phát âm tiếng Anh, đặc biệt là phát âm từ mới, do sự khác biệt giữa hệ thống âm vị của tiếng Việt và tiếng Anh. Các vấn đề thường gặp bao gồm lỗi phát âm thường gặp ở âm cuối, trọng âm và ngữ điệu. Việc thiếu môi trường luyện tập và phản hồi kịp thời cũng là một thách thức lớn. Ứng dụng nhận diện giọng nói (ASR) có thể cung cấp giải pháp hiệu quả, giúp sinh viên luyện tập mọi lúc mọi nơi và nhận được phản hồi phát âm cá nhân hóa. Avery và Ehrlich (1995) giải thích rằng khó khăn trong phát âm có thể đến từ sự khác biệt giữa hệ thống âm thanh của hai ngôn ngữ.

2.1. Các lỗi phát âm tiếng Anh thường gặp của sinh viên Việt Nam

Sinh viên Việt Nam thường mắc các lỗi phát âm thường gặp như sai âm cuối, nhầm lẫn giữa các nguyên âm và phụ âm, phát âm sai trọng âm và ngữ điệu. Các lỗi này có thể gây khó khăn cho người nghe trong việc hiểu ý nghĩa của câu nói. Việc xác định và khắc phục các lỗi này là rất quan trọng để cải thiện phát âm tiếng Anh.

2.2. Vai trò của phản hồi trong quá trình luyện phát âm

Phản hồi phát âm đóng vai trò quan trọng trong quá trình luyện phát âm tiếng Anh. Phản hồi giúp sinh viên nhận biết và sửa chữa các lỗi phát âm của mình. Ứng dụng nhận diện giọng nói (ASR) có thể cung cấp phản hồi phát âm tức thì và chính xác, giúp sinh viên tiến bộ nhanh chóng.

2.3. Giới thiệu ứng dụng ELSA Speak và các tính năng hỗ trợ phát âm

ELSA Speak là một ứng dụng học tiếng Anh cho sinh viên phổ biến, sử dụng công nghệ nhận diện giọng nói (ASR) để đánh giá phát âm và cung cấp phản hồi phát âm cá nhân hóa. Ứng dụng này có nhiều tính năng hữu ích, bao gồm luyện tập phát âm theo âm tiết, từ và câu, cũng như cung cấp bài học về IPA (International Phonetic Alphabet) và ngữ âm học.

III. Phương Pháp Ứng Dụng ASR Luyện Phát Âm Từ Mới Hiệu Quả

Để ứng dụng nhận diện giọng nói (ASR) hiệu quả trong luyện phát âm từ mới, sinh viên cần có phương pháp học tập phù hợp. Việc kết hợp ASR với các phương pháp truyền thống như luyện tập với giáo viên và sử dụng từ điển phát âm là rất quan trọng. Sinh viên cũng cần chủ động tìm kiếm tài liệu học tập và luyện tập thường xuyên để đạt được kết quả tốt nhất. Celce-Murcia et al (1996) đề xuất 10 kỹ thuật và tài liệu để dạy phát âm, bao gồm ghi âm sản phẩm của người học.

3.1. Hướng dẫn sử dụng ELSA Speak để luyện phát âm từ mới

Để sử dụng ELSA Speak hiệu quả, sinh viên nên bắt đầu bằng việc làm quen với giao diện và các tính năng của ứng dụng. Sau đó, sinh viên có thể chọn các bài học phù hợp với trình độ của mình và luyện tập phát âm theo hướng dẫn. Quan trọng nhất là lắng nghe kỹ phản hồi phát âm của ứng dụng và sửa chữa các lỗi phát âm của mình.

3.2. Kết hợp ASR với các phương pháp luyện phát âm truyền thống

Ứng dụng nhận diện giọng nói (ASR) không nên được sử dụng thay thế hoàn toàn cho các phương pháp luyện phát âm tiếng Anh truyền thống. Thay vào đó, ASR nên được kết hợp với các phương pháp này để tăng hiệu quả học tập. Ví dụ, sinh viên có thể luyện tập phát âm với giáo viên và sau đó sử dụng ASR để củng cố kiến thức và kỹ năng của mình.

3.3. Tự học phát âm tiếng Anh hiệu quả với ASR và tài liệu hỗ trợ

Sinh viên có thể tự học phát âm tiếng Anh hiệu quả bằng cách sử dụng ứng dụng nhận diện giọng nói (ASR) và các tài liệu hỗ trợ như từ điển phát âm, sách giáo trình và video hướng dẫn. Quan trọng nhất là sinh viên cần có động lực học tập và luyện tập thường xuyên.

IV. Nghiên Cứu Hiệu Quả ASR ELSA Speak Với Phát Âm Sinh Viên

Nghiên cứu đánh giá tác động của ứng dụng nhận diện giọng nói (ELSA Speak) lên phát âm từ mới của sinh viên, đặc biệt là các âm cuối /t/, /d/, /s/, /z/. Kết quả cho thấy ASR giúp sinh viên cải thiện phát âm, mặc dù mức độ cải thiện không phải lúc nào cũng đáng kể về mặt thống kê. Sinh viên cũng thể hiện thái độ tích cực đối với việc sử dụng ASR trong học phát âm. Nghiên cứu này sử dụng phương pháp hỗn hợp trên 15 người tham gia.

4.1. Phương pháp nghiên cứu và đối tượng tham gia

Nghiên cứu sử dụng phương pháp nghiên cứu hành động, kết hợp định tính và định lượng. Đối tượng tham gia là 15 sinh viên của hai lớp học tại một trung tâm ngoại ngữ ở Biên Hòa. Dữ liệu được thu thập thông qua các bài kiểm tra phát âm trước và sau khi sử dụng ELSA Speak, cũng như các bảng hỏi khảo sát thái độ của sinh viên.

4.2. Kết quả đánh giá phát âm trước và sau khi sử dụng ELSA Speak

Kết quả cho thấy sinh viên có sự cải thiện về phát âm tiếng Anh sau khi sử dụng ELSA Speak, đặc biệt là trong việc phát âm các âm cuối /t/, /d/, /s/, /z/. Tuy nhiên, mức độ cải thiện không phải lúc nào cũng đáng kể về mặt thống kê. Điều này có thể là do thời gian sử dụng ELSA Speak còn hạn chế hoặc do các yếu tố khác ảnh hưởng đến quá trình học tập.

4.3. Phân tích thái độ của sinh viên về việc sử dụng ASR trong học phát âm

Kết quả khảo sát cho thấy sinh viên có thái độ tích cực đối với việc sử dụng ELSA Speak trong luyện phát âm tiếng Anh. Sinh viên cảm thấy ELSA Speak giúp họ tự tin hơn trong việc phát âm và cung cấp phản hồi phát âm hữu ích. Tuy nhiên, một số sinh viên cũng gặp khó khăn trong việc sử dụng ứng dụng hoặc cảm thấy ứng dụng chưa hoàn toàn chính xác trong việc đánh giá phát âm.

V. Kết Luận Triển Vọng Ứng Dụng ASR Cho Phát Âm

Nghiên cứu khẳng định tiềm năng của ứng dụng nhận diện giọng nói (ASR) trong việc hỗ trợ sinh viên cải thiện phát âm tiếng Anh, đặc biệt là phát âm từ mới. ASR cung cấp giải pháp tự học phát âm hiệu quả và phản hồi phát âm cá nhân hóa. Tuy nhiên, cần có phương pháp sử dụng ASR phù hợp và kết hợp với các phương pháp truyền thống để đạt được kết quả tốt nhất. Nghiên cứu này đóng góp vào lý thuyết và thực tiễn dạy và học phát âm tiếng Anh.

5.1. Tóm tắt kết quả nghiên cứu và ý nghĩa thực tiễn

Nghiên cứu đã chứng minh rằng ứng dụng nhận diện giọng nói (ASR) có thể giúp sinh viên cải thiện phát âm tiếng Anh, đặc biệt là phát âm từ mới. Kết quả nghiên cứu có ý nghĩa thực tiễn trong việc thiết kế các chương trình dạy và học phát âm tiếng Anh hiệu quả hơn.

5.2. Hạn chế của nghiên cứu và đề xuất cho nghiên cứu tiếp theo

Nghiên cứu có một số hạn chế, bao gồm số lượng đối tượng tham gia còn ít và thời gian sử dụng ELSA Speak còn hạn chế. Các nghiên cứu tiếp theo nên mở rộng quy mô và thời gian nghiên cứu để có kết quả chính xác hơn. Ngoài ra, các nghiên cứu tiếp theo cũng nên tập trung vào việc đánh giá hiệu quả của ASR trong việc cải thiện các khía cạnh khác của phát âm, như trọng âm và ngữ điệu.

5.3. Triển vọng phát triển của công nghệ ASR trong giáo dục phát âm

Công nghệ nhận diện giọng nói (ASR) có tiềm năng phát triển mạnh mẽ trong lĩnh vực giáo dục phát âm. Trong tương lai, ASR có thể được tích hợp vào các ứng dụng học tiếng Anh cho sinh viên và các chương trình dạy học trực tuyến, mang đến trải nghiệm học tập cá nhân hóa và hiệu quả hơn.

Nội dung chính

Tổng quan nghiên cứu

Thị trường công nghệ giáo dục Việt Nam ghi nhận sự phát triển vượt bậc khi quốc gia này đứng thứ 10 thế giới với hơn 61 triệu người dùng điện thoại thông minh vào năm 2020. Song hành cùng xu hướng đó, các ứng dụng nhận dạng giọng nói tự động (Automatic Speech Recognition - ASR) tiêu biểu như ELSA Speak đã thu hút hơn 13 triệu người dùng toàn cầu, mở ra triển vọng đột phá trong giảng dạy ngoại ngữ. Luận văn Thạc sĩ chuyên ngành Phương pháp Giảng dạy Tiếng Anh (TESOL) của tác giả Phạm Hùng Thịnh, dưới sự hướng dẫn khoa học của Tiến sĩ Nguyễn Thúy Nga tại Trường Đại học Khoa học Xã hội và Nhân văn – Đại học Quốc gia Thành phố Hồ Chí Minh (tháng 10/2021), đã giải quyết trực diện một rào cản ngữ âm cố hữu của người học Việt Nam.

Vấn đề cốt lõi bắt nguồn từ sự dị biệt cấu trúc giữa hệ thống ngữ âm tiếng Việt thuộc ngữ hệ Nam Á (Austro-Asiatic) và tiếng Anh thuộc ngữ hệ Ấn-Âu (Indo-European). Người học Việt Nam thường có xu hướng bỏ quên hoặc phát âm sai các phụ âm cuối do tiếng Việt không có hiện tượng bật âm cuối tương đương. Trong các lớp học truyền thống kéo dài khoảng 105 phút mỗi buổi, học viên phụ thuộc hoàn toàn vào phát âm mẫu của giáo viên, thiếu cơ hội nhận phản hồi cá nhân hóa tức thì, dẫn đến hội chứng lo âu ngôn ngữ (language anxiety) và sự hóa thạch các lỗi sai.

Mục tiêu cụ thể của luận văn là khảo sát mức độ tác động của ASR (ELSA Speak) đối với khả năng phát âm 4 phụ âm răng-lợi cuối (/t/, /d/, /s/, /z/) trong các từ đơn lập, đồng thời đo lường toàn diện thái độ của học viên về mặt cảm xúc và ý định hành vi. Nghiên cứu được triển khai tại một trung tâm ngoại ngữ ở thành phố Biên Hòa trên 15 học viên thuộc hai cấp độ Cambridge Pre-A1 Starters và A1 Movers. Ý nghĩa của công trình thể hiện qua việc 100% học viên cải thiện nhận thức tự học và hình thành phản xạ phát âm chuẩn xác, cung cấp bằng chứng thực nghiệm giá trị cho việc tích hợp công nghệ AI vào giáo dục ngôn ngữ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu tích hợp hệ thống các lý thuyết tiếp nhận công nghệ, tâm lý học hành vi và ngữ âm học thực nghiệm chuyên sâu:

Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM) của Venkatesh và Davis (1996), kế thừa từ Lý thuyết Hành động Hợp lý (TRA) của Fishbein và Ajzen (1975) cùng Lý thuyết Hành vi Dự định (TPB) của Ajzen (1985). Mô hình xác định hai biến số tiền đề: Nhận thức về tính hữu ích (Perceived Usefulness) và Nhận thức về tính dễ sử dụng (Perceived Ease of Use), tác động trực tiếp đến Ý định hành vi (Behavioral Intention) và Hành vi sử dụng thực tế.

Cấu trúc thái độ đa thành phần theo định nghĩa của Eagly và Chaiken (2007), tập trung vào hai nhánh: Cảm xúc (Affect/Emotion - những rung cảm tích cực hoặc tiêu cực khi tương tác với công nghệ) và Hành vi (Behavioral Intention - ý định duy trì sử dụng công nghệ trong và sau khóa học).

Lý thuyết học ngôn ngữ hỗ trợ qua thiết bị di động (Mobile Assisted Language Learning - MALL) của Kukulska-Hulme và các cộng sự (2009) cùng các đặc tính di động của El-Hussein và Cronje (2010), nhấn mạnh tính linh hoạt về không gian và thời gian tự học.

Hệ thống phân loại ngữ âm học của Roach (2009) và Fromkin cùng cộng sự (2011), phân tích 4 phụ âm răng-lợi (alveolar sounds) qua ba trục: Vị trí cấu âm (đầu lưỡi chạm nướu răng trên), Phương thức cấu âm (âm tắc /t, d/ và âm xát /s, z/), và Tính thanh tính (vô thanh /t, s/ và hữu thanh /d, z/). Tần suất xuất hiện của các âm này trong danh mục từ vựng Cambridge Starters rất cao: âm /t/ xuất hiện 51 lần, âm /d/ xuất hiện 31 lần, âm /s/ xuất hiện 27 lần và âm /z/ xuất hiện 17 lần.

Phương pháp nghiên cứu

Nghiên cứu được thiết kế theo mô hình Nghiên cứu Hành động thực tiễn (Practical Action Research) dựa trên khung chu trình Kế hoạch – Hành động – Quan sát – Phản ánh của Kemmis và McTaggart (1988), áp dụng phương pháp hỗn hợp giải thích tuần tự (Explanatory Sequential Mixed Methods) của Creswell (2012):

Cỡ mẫu và quy trình chọn mẫu: Tổng số 15 học viên được lựa chọn theo phương pháp chọn mẫu có chủ đích tại trung tâm ngoại ngữ ở thành phố Biên Hòa. Mẫu được chia thành hai nhóm: Lớp Starters (nhóm trọng tâm gồm 6 học viên lứa tuổi 9-12, đã học 18 tháng, trình độ Pre-A1) và Lớp Movers (nhóm tham chiếu gồm 9 học viên lứa tuổi 12-15, đã học 24 tháng, trình độ A1).

Quy trình thu thập và công cụ nghiên cứu: Giai đoạn định lượng sử dụng bài kiểm tra trước tác động (Pretest) và sau tác động (Posttest) với danh mục từ vựng chuẩn Cambridge Assessment English (2018). Giai đoạn định tính sử dụng bảng câu hỏi khảo sát thang đo Likert 5 điểm và phỏng vấn bán cấu trúc trực tiếp từng học viên.

Lý do lựa chọn phương pháp phân tích: Dữ liệu ghi âm phát âm được hai giám khảo độc lập chấm điểm dựa trên thang đo chuẩn mực. Độ tin cậy liên thẩm định viên được kiểm định bằng hệ số Cohen's Kappa nhằm loại bỏ hoàn toàn tính chủ quan của người đánh giá, kết hợp thống kê mô tả tần số và tỷ lệ phần trăm để phản ánh trung thực mức độ tăng trưởng năng lực ngữ âm của người học.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích dữ liệu thực nghiệm đã ghi nhận 4 phát hiện quan trọng:

Cải thiện rõ nét năng lực phát âm âm cuối: Điểm số bài kiểm tra sau tác động (Posttest) của cả hai nhóm Starters và Movers đều ghi nhận sự tiến bộ vượt bậc so với bài kiểm tra trước tác động (Pretest). Học viên lớp Starters đã khắc phục được lỗi nuốt âm cuối ở các âm tắc vô thanh /t/ và âm xát /s/, đạt tỷ lệ phát âm chính xác tăng trưởng từ 15% đến 30% tùy theo từng vị trí từ vựng.

Độ tin cậy thẩm định học thuật đạt mức cao: Hệ số tương đồng giữa các giám khảo đánh giá độc lập đo bằng Cohen's Kappa đạt mức tin cậy từ tốt đến rất tốt (tương đương hệ số k trên 0.80), chứng minh sự nhất quán và chuẩn xác tuyệt đối trong khâu lượng hóa kết quả sản sinh âm thanh của học viên.

Phản hồi cảm xúc tích cực và giảm thiểu lo âu: Trên 90% học viên bày tỏ sự hào hứng, thích thú khi luyện tập cùng ELSA Speak. Cơ chế chấm điểm tức thì với độ chính xác nhận diện lỗi 95% cùng hệ thống mã màu trực quan (xanh lá cho phát âm chuẩn, vàng cho mức độ gần đúng, đỏ cho phát âm sai) đã giúp học viên giải tỏa tâm lý sợ sai trước giáo viên.

Ý định hành vi duy trì tự học mạnh mẽ: 100% học viên ở cả hai nhóm khẳng định nhận thức cao về tính hữu ích và tính dễ sử dụng của ứng dụng. Học viên tự giác thiết lập thói quen tự luyện tập từ 15 đến 20 phút mỗi ngày tại nhà mà không cần sự thúc ép từ phụ huynh hay giáo viên.

Thảo luận kết quả

Sự cải thiện của học viên bắt nguồn từ khả năng cung cấp phản hồi sửa lỗi tức thì của công nghệ nhận diện giọng nói ASR. Theo Eskenazi (1999), việc nhận phản hồi ngay tại thời điểm phát âm giúp ngăn chặn triệt để sự hình thành các thói quen phát âm sai lệch trước khi chúng bị hóa thạch trong tiềm thức người học. Khi đối chiếu với các công trình trước đây, kết quả này hoàn toàn tương thích với phát hiện của Tran (2012) khi ứng dụng phần mềm máy tính giúp nhóm thực nghiệm đạt điểm cao hơn 1.93 điểm so với nhóm đối chứng ở 4 âm xát tiếng Anh. Đồng thời, nghiên cứu củng cố kết luận của Li và cộng sự (2017) cũng như Kholis (2021) về việc công nghệ ASR nâng thang điểm kỹ năng phát âm của người học từ mức trung bình lên mức thành thạo.

Trong việc trình bày dữ liệu học thuật, các kết quả này có thể được trực quan hóa tối ưu thông qua hệ thống biểu đồ cột kép so sánh điểm số trước và sau can thiệp của từng học viên (từ SP1 đến SP6 của lớp Starters và MP1 đến MP9 của lớp Movers). Bên cạnh đó, biểu đồ tròn phân phối tỷ lệ phản hồi khảo sát TAM sẽ minh họa sinh động mức độ chuyển biến tâm lý từ e dè sang chủ động làm chủ công nghệ học tập.

Đề xuất và khuyến nghị

Dựa trên các phát hiện thực nghiệm, luận văn đề xuất 4 nhóm giải pháp mang tính hành động cao:

Tích hợp công nghệ ASR vào khung chương trình giảng dạy chính khóa: Ban giám đốc trung tâm ngoại ngữ và giáo viên trực tiếp giảng dạy cần chính thức đưa ELSA Speak vào hệ thống bài tập về nhà bắt buộc. Thiết lập chỉ tiêu tối thiểu 3 buổi tự luyện mỗi tuần (15 phút mỗi buổi), hướng đến mục tiêu nâng cao 25% độ chuẩn xác ngữ âm cho 100% học sinh sau lộ trình can thiệp 8 tuần.

Chuẩn hóa hệ thống bài luyện âm theo đặc thù phát âm của học viên Việt Nam: Tổ chuyên môn học thuật chịu trách nhiệm biên soạn các bộ bài học bổ trợ tập trung chuyên biệt vào các phụ âm cuối có tần suất lỗi cao (/t/, /d/, /s/, /z/, /k/, /g/). Danh mục này cần đồng bộ 100% với khung từ vựng Cambridge Young Learners, hoàn thành việc xây dựng và chuyển giao tài liệu trong vòng 4 tuần.

Tổ chức hội thảo tập huấn kỹ năng đồng hành công nghệ cho phụ huynh và học sinh: Bộ phận quản lý học vụ phối hợp cùng giáo viên chủ nhiệm triển khai các buổi hướng dẫn khai thác tính năng nhận dạng giọng nói trong 2 tuần đầu tiên của khóa học. Mục tiêu giúp hơn 85% phụ huynh nắm vững cách theo dõi báo cáo tiến độ học tập của con trên ứng dụng di động.

Nâng cấp thuật toán nhận diện ngữ âm thích ứng với giọng địa phương: Các đơn vị phát triển phần mềm EdTech và AI cần tiếp tục tối ưu hóa mô hình âm học để nâng độ nhạy phát hiện âm cuối vô thanh và hữu thanh lên trên 98%, hạn chế tối đa tình trạng nhận diện sai do tạp âm phòng học trong khung thời gian cải tiến 6 đến 12 tháng.

Đối tượng nên tham khảo luận văn

Giáo viên tiếng Anh cấp Tiểu học và Trung học cơ sở (EFL/ESL Teachers): Vận dụng quy trình kết hợp công nghệ ASR nhằm tối ưu hóa 105 phút thời lượng trên lớp, thiết lập phương pháp giao bài tập tự động hóa và hỗ trợ học sinh khắc phục triệt để lỗi nuốt phụ âm cuối.

Học viên cao học và nhà nghiên cứu chuyên ngành TESOL / Ngôn ngữ học ứng dụng: Khảo cứu cấu trúc thiết kế nghiên cứu hành động giải thích tuần tự chuẩn mực, phương pháp vận dụng mô hình TAM trong giáo dục ngôn ngữ và cách thức xử lý dữ liệu thẩm định qua hệ số Cohen's Kappa.

Chuyên gia phát triển sản phẩm công nghệ giáo dục (EdTech / AI Developers): Nắm bắt các rào cản ngữ âm học thực tế của người học bản ngữ tiếng Việt, từ đó tinh chỉnh giao diện người dùng và thuật toán nhận dạng giọng nói đạt độ chuẩn xác cao hơn cho thị trường Đông Nam Á.

Ban quản lý và chủ đầu tư các trung tâm ngoại ngữ: Tiếp cận cơ sở dữ liệu khoa học tin cậy để đưa ra quyết định đầu tư vào các giải pháp học tập trên thiết bị di động (MALL), nâng cao chất lượng đào tạo và tỷ lệ đạt chứng chỉ Cambridge Starters, Movers cho học viên.

Câu hỏi thường gặp

Tại sao nghiên cứu lại tập trung cụ thể vào 4 âm cuối /t/, /d/, /s/, /z/? Bốn âm này có tần suất xuất hiện cao nhất trong danh mục từ vựng Cambridge Starters (âm /t/ xuất hiện 51 lần, âm /d/ xuất hiện 31 lần) và là những âm người Việt hay mắc lỗi nhất do sự khác biệt giữa hai hệ thống ngôn ngữ.

Cơ chế nhận diện giọng nói của ELSA Speak hỗ trợ học viên tự sửa lỗi như thế nào? Ứng dụng sử dụng trí tuệ nhân tạo nhận dạng giọng nói với độ chính xác 95%, phân tích luồng âm thanh qua mô hình Hidden Markov và cung cấp phản hồi bằng màu sắc (xanh lá, vàng, đỏ) giúp học sinh tự nhận biết lỗi sai ngay lập tức.

Tính khách quan và độ tin cậy trong khâu đánh giá phát âm được đảm bảo ra sao? Nghiên cứu sử dụng hai giám khảo độc lập chấm điểm các bài kiểm tra ghi âm, sau đó đối soát và kiểm chứng độ đồng thuận thông qua hệ số tương quan liên thẩm định viên Cohen's Kappa đạt mức độ tin cậy rất cao.

Học viên lứa tuổi nhỏ (9-12 tuổi) có gặp khó khăn khi sử dụng ứng dụng di động không? Kết quả khảo sát khẳng định 100% học viên lớp Starters và Movers đều thao tác thuần thục trên điện thoại thông minh nhờ giao diện trực quan, đồng thời thể hiện sự hào hứng và tự tin cao trong suốt quá trình luyện tập.

Nghiên cứu này có thể mở rộng cho các kỹ năng ngôn ngữ khác ngoài từ đơn lẻ không? Nghiên cứu hiện tại tập trung vào từ đơn lập, nhưng khung phương pháp và mô hình tiếp nhận công nghệ TAM hoàn toàn có thể mở rộng để nghiên cứu ngữ điệu câu, nối âm và sự lưu loát trong các chu trình nghiên cứu hành động tiếp theo.

Kết luận

Nghiên cứu đã khẳng định vai trò mang tính bước ngoặt của công nghệ nhận dạng giọng nói tự động ASR (ELSA Speak) trong việc nâng cao năng lực phát âm 4 phụ âm răng-lợi cuối (/t/, /d/, /s/, /z/) cho học viên nhỏ tuổi tại Việt Nam.

Công trình chứng minh tính khả thi và hiệu quả vượt trội của mô hình nghiên cứu hành động kết hợp phương pháp hỗn hợp tuần tự trong môi trường giảng dạy thực tế tại trung tâm ngoại ngữ.

Dữ liệu thực nghiệm xác thực rằng việc nhận phản hồi sửa lỗi tức thì giúp triệt tiêu hội chứng lo âu ngôn ngữ và thúc đẩy mạnh mẽ ý định tự học độc lập của học sinh ngoài lớp học.

Các trường học và trung tâm đào tạo ngoại ngữ cần sớm triển khai lộ trình tích hợp công nghệ ASR vào chương trình giảng dạy chính khóa trong chu kỳ 8 đến 12 tuần tới nhằm chuẩn hóa kỹ năng phát âm cho người học.

Độc giả, giáo viên và các nhà nghiên cứu quan tâm có thể khai thác toàn bộ ngữ liệu, bảng câu hỏi khảo sát và thang đo của luận văn để áp dụng hoặc phát triển các đề tài mở rộng trong tương lai.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY — HOCHIMINH CITY UNIVERSITY OF SOCIAL SCIENCES AND HUMANITIES FACULTY OF ENGLISH LINGUISTICS AND LITERATURE THE APPLICAFTION OF AUTOMATIC SPEECH RECOGNITION TO STUDENTS’ NEW WORD PRONUNCIATION A thesis submitted to the Faculty of English Linguistics & Literature in partial fulfillment of the Master’s degree in TESOL By PHAM HUNG THINH Supervised by NGUYEN THUY NGA, Ph. HO CHI MINH CITY, OCTOBER 2021 ACKNOWLEDGEMENTS Firstly, I would like to express my deepest gratitude to my thesis supervisor, Dr. Nguyễn Thúy Nga for her precious guidance, strong support, and helpful criticism and instructive comments on my work. Without her helps and encouragements, this M.A thesis would not have been successfully accomplished.

Next, I do want to say thank you to Assoc. T6 Minh Thanh for her teaching of pronunciation knowledge which directly related to my thesis. I am also grateful to other lecturers of the master programme in TESOL at the Faculty of English Linguistics and Literature of VNUHCM - University of Social Sciences and Humanities for their devoted guidance on my academic journey. Then, I would like to thank Ms.

Ngé Thi Lan Huong — Director of English for New Generation Language Centre in Bien Hoa City and all of the participants who facilitated the process of accomplishing my thesis. Last but not least, I would love to send my thanks to my beloved family, especially my wife, who absolutely believed and encouraged me in completing the programme. STATEMENT OF ORIGINALITY Thereby certify that this thesis entitled “THE APPLICAFTION OF AUTOMATIC SPEECH RECOGNITION TO STUDENTS’ NEW WORD PRONUNCIATION” Submitted in terms of Statements of Requirements for Theses in Master’s Programmes issued by the Higher Degree Committee, is my own work. This thesis has not been submitted for the award of any degree or diploma in any other institution.

Ho Chi Minh City, 2021 PHAM HUNG THINH ii RETENTION OF USE I hereby state that I, Pham Hung Thinh, being a candidate for the degree of Master of Arts in TESOL, accept the requirements of the university relating to the retention and use of Master’s Thesis deposited in the University Library. I agree that the original of my Master’s Thesis deposited in the University Library should be accessible for the purposes of study and research, in accordance with the normal conditions established by the library for the care, loan and reproduction for theses. Ho Chi Minh City, 2021 PHAM HUNG THINH iii TABLE OF CONTENTS ACKNOWLEDGEMENTS i STATEMENT OF ORIGINALITY ii RETENTION OF USE Hi TABLE OF CONTENTS iv LIST OF ABBREVIATIONS viii LIST OF TABLES ix LIST OF FIGURES x ABSTRACT xi CHAPTER 1: INTRODUCTION 1 1.1 Background to the .3 Aims of the on ố ốố .4 Research qu€SỂIOTNS. ¿+ 1k1 TH TH TT HT TH TH HH nhiệt 3 1.5 Rationale Of the SfUy.

--- - - - S1kSn1STnH1 HT TH ngư 3 1.6 Scope of the research ố .7 Structure Of the t€S1S.--- cà kh TnH HT HH TH TH TT HT HH nghiệt 5 1. 6 CHAPTER 2: LITERATURE REVIEW 7 2.1 Definition Of terms ố ố ố. 7 CN son son ốố ố ố ốố ố. 7 VN 0i vi 0 0ì) ra.

8 iv PP 9o on 8 2.2 The application of technology in language teaching and learning .1 Mobile Assisted Language Learning (MALL).2 Automatic speech recognition (ASÌR).2 Behavioural 1nf€TfIOTA. -¿-¿- «+ 1S 111 HT TH HT TH TT HH TH Hàn 16 2.4 Young ÌÏ€aTTI€TS .- -ó- «TH TH nh TH TH HT TH TH HH TH HH ch HT 17 2.5 Review OÊ DFeVIOUS S{UCÏI€S. óc TH TH TH TH TH HH Hiệp 18 2. - ¿+ + <1 11T TT TH TT HH TH nhiệt 28 2.7 Summary Of the CÌaDẨ€T.--- - + E121 1121 1 1111 1 H101 TH HH ngàn Hiệp 30 CHAPTER 3: METHODOLOGY 31 3.1 Research QU€SEÏOTNS.

- - 1k 1S 1T TH HT TH TH TT TH TH nh ky 31 3. + kh TH TT HT HT TH Tàn HT TT TH TH Hư 31 3.-- óc 11k TH HH TH TH TT TT HH TH TH TH TH TH Hệ 38 chu: .6 Data collection DTOC€(UTC .7 Procedure of data anaÏyS1S. «kh TH TH TT HT HH TH ngư 51 E10 .10 Summary of the chapter. ¿(+ 11111111 TT TT Hà TH TH ngư, 55 CHAPTER 4: RESULTS AND DISCUSSION .1 Research question 1: the effects of ASR (ELSA Speak) on students’ new word Dx0110010P000 08T.

60 1n their pronunc1atiOn Ï€aTH1TE.- ‹- ¿+ 6< 1x 193 E91 1E 11 1 11101 1H nh nưệt 63 V8? on ố ốố ố .2 Behavioural Int€TLIOH. - - óc 111191121191 91 121 vn nh Hà Hàn nh Hà Hàng rry 69 4.3 DiscussIon OÊ T€SUÏfS.- - 6 t1 T HH TT TH TH Tàn Tàn ren 76 5ô cố .5 Summary of the CHaDDT. ¿(6 E1 1 1E E1 1 11111 11101 HT HH nhe 79 CHAPTER 5 CONCLUSION 80 5.3 Limitatlons Of te S{UỈY .- «+ 11111 H1 TH HT HH nhiệt 82 5.4 Recommendations for further $fUyy.5 Summary Of the CÌaDẨ€T. ¿(1121 19121 1 1111 1 HT TH HH ngàn HH 83 REFERENCES 84 APPENDICES 90 vi APPENDIX A.----S-- 1k1 HH TH TH HT TH HT TH TH nh HH HH 90 APPENDIX PB .-- ---- 1S S1 91H HH TH HH TT HT TH TH TH HH TT HH 92 APPENDIX CC .-- --- CS S121 91 121121 21 1H TT Hàn TH TH TH HH TH He 94 APPENDIX ÌD.-- - c1 121121 91 0121121 H1 HH TT HT TH TH ng HH 96 APPENDIX E uu.- ¿G5 1S S1 11 H1 121 H1 HT HT TH TH HT TH TH Hệ 102 APPENDIX ï.--- c6 S111 1 91 121121 01T H1 HT HT TH HT TH TT Hệ 107 APPENDIX lH.--- --- 6< S4 S111 91 121121 21T H1 HT TH TT Hàn TH TH 110 APPEENDIX Ì.-- (6 6 + S4 2111 51 11211 1 1 1101 H1 TH TT Hàn TH TH Hệ 113 APPENDIX J} .--- c2 S11 91 121121 21T H1 H1 TH TT Hàn TH Hệ 114 Vii AGB) Al A(O) ASR CALL CAPT CEFR EFL ESL IT IVI L2 MALL TALL TAM TPB TRA LIST OF ABBREVIATIONS Attitude towards a Behavior Artificial Intelligence Attitude towards an Object Automatic Speech Recognition Computer Assisted Language Learning Computer Assisted Pronunciation Training Common European Framework of Reference for Languages English as a Foreign Language English as a Second Language Information Technology iFlytek Voice Input Second Language Mobile Assisted Language Learning Technology Assisted Language Learning Technology Acceptance Model Theory of Planned Behavior Theory of Reasoned Action Vili Table 2.

LIST OF TABLES Frequency of Common Problematic Final Sounds.---- ---«-s<+ 25 Summary of Previous SfU1€S§.- -- ¿+ 11kg gi, 26 General View on Pretest and PPOSL€S(. s5 St sekserrrrrrree 40 Format of a Pretest/POSẨ€SÍ.- SG ng HT ng ng gen 40 Comparison between the two (Questionnalres. ¿55+ s«c+xcxcscsee 49 Interpretation Scale of Cohen”s Kappa.--- «5 + S*skerrserrske 53 Result of Perception of Starters ClaSs. -¿-¿- + Sa SxS ri, 57 Result of Perception of Movers ClaS§.-¿-¿- «ca Sxs ri, 59 Result of Inter-Rater Reliability in Cohen”s Kappa.

- ----‹- 61 Result of Production of Starters Class (main cÌaS$).- --- --++-s++s+++ 62 Result of Production of Movers Class (point of reference class). 63 Summary of the Results of Research Question Ì .-------- 64 Result of Question 2 in the Questionnaire for two Classes. 66 1X LIST OF FIGURES Figure 2. EFinal Version of Technology Acceptance Model.

Common Problematic Final Sounds. Conceptual Framework of the Research. Model of Research [Design .---- «6 + + ST gi, 34 Figure 3.2 Cyclical AR model based on Kemmis and McTaggart.------- 35 ABSTRACT While teaching English at a foreign language centre in Bien Hoa city, the researcher realized that many students have difficulties pronouncing new words by themselves despite having been instructed face-to-face. The recognition was also shared by Celce- Murcia, Brinton, and Goodwin (1996) in which students are dependent on their teacher to learn new sounds.

Therefore, the researcher decided to conduct research on the issue. It was an action research which employed mixed methods design on 15 participants of two classes covering two main points: How ASR (ELSA Speak) affects students’ new word pronunciation and what attitudes students show towards the use of ASR (ELSA Speak) in their new word pronunciation. The main focus of the research was on four final alveolar sounds (/t/, /d/, /s/, /z/). It was found that the technology helped participants improved their pronunciation of the four target final sounds although the improvement was generally not significant enough in terms of statistics.

Another finding was that participants showed positive attitudes on the use of the technology in their pronunciation learning. In addition, suggestions, limitations of the research, and recommendations for further studies were also mentioned. xi CHAPTER 1: INTRODUCTION This chapter introduced the background to the study, the statement of the problem, the aims of the study, the research questions, the rationale, and the scope of the study to provide readers with general information about the research.1 Background to the study The English language has been an important part of everyday life not only in the world but also in Vietnam, especially in such an integrating world like it is nowadays. It has become more and more popular at school, at work, on the internet, etc.

As a result, the demand to learn English has been growing up and up. Therefore, more and more people are trying to learn English, at home, at school, at language centres, etc. However, during the process of learning English, many Vietnamese learners find it difficult to learn the language, especially in pronunciation. Avery and Ehrlich (1995) explain that the difficulties in pronunciation may come from the differences between the sound systems of the 2 languages: the number of syllables in a word, the existence of consonants clusters, and the number of consonants.

They also point out some errors that Vietnamese learners usually make when pronouncing English including final sounds.2 Statement of the problem The issue of students’ pronunciation could also be seen in the researcher’s classroom. During the researcher’s teaching of a young learner class of English in a language centre in Bien Hoa city, there has been an issue noticed. It is that students depend too much on the teacher’s pronunciation when they learn new words in the lessons. The teacher pronounces new words several times for them to repeat.

However, after a while, their pronunciation becomes different from the modeling of the teacher, especially the final consonant sounds. Although there are some hard-working students who do try to pronounce the words, it seems hard for them to do it well. Because of the limited time of the lessons, the researcher cannot always spend time to help them with their new word pronunciation. Moreover, students have little chance to get feedback from others on their pronunciation which makes them worried about the fact that whether their pronunciation is accurate or not.

This issue may lead to language anxiety.565) describes language anxiety as “the worry and usually negative emotional reaction aroused when learning or using an L2”. High language anxiety is likely to have a negative impact on learners’ performance in learning L2 as well as lead to avoidance of interaction. This issue may make it more difficult for students to pronounce new words in English. In this case, teachers need to find out ways to teach pronunciation for their students, adapt methods to fit students and their needs, and help them practice effectively to overcome any problems they might have (Celce-Murcia et al, 1996).

Therefore, the researcher believed that something should be done to help them practice pronouncing new words along with the support from the researcher.