提升沟通平等性：在加纳对自动语音识别应用程序的评估

文献标题

Enhancing Communication Equity: Evaluation of an Automated Speech Recognition Application in Ghana

文献信息

• 主题领域: 人机交互(HCI)、语音识别、辅助技术、语言康复与社会无障碍
• 关键词: 语音障碍、自动语音识别、技术放大理论、可及性、Ghana、全球南方、辅助技术

研究背景与问题

• 发现的问题或挑战:

  1. 在加纳，存在语音障碍的人面临与他人互动的障碍，这可能导致社会隔离和身份认同问题。
  2. 语音治疗和辅助技术（例如语音替代设备）的可用性在全球南方（如加纳）严重有限。
  3. Google Project Relate作为一款自动语音识别（ASR）应用，其在语音障碍者中的实际应用价值尚未在全球南方背景下验证。

• 重要性:

  1. 提高语音障碍者的沟通能力是促进社会包容和身份认同的重要手段。
  2. ASR技术具有减少语音障碍者沟通负担的潜力，特别是在发展中国家，这些技术可能帮助弥补资源和服务缺失的空白。

• 研究动机与相关工作:

  • 加纳障碍者群体面临严重的服务不足状况，仅有有限数量的语音语言治疗师（SLT），且康复服务未纳入全民医保。
  • 现有研究多集中于发达国家，忽视了全球南方语境下ASR的适用性和社会文化限制。
  • 技术放大理论表明，技术如果没有足够的基础设施支持，可能加剧而非缩小社会不平等。

解决方案

• 方法与步骤:

  1. 引入并评估Google Project Relate在加纳的应用潜力，该应用可针对非标准语音（如语音障碍者）创建人性化的语音模型。
  2. 利用技术放大理论，通过定性与定量数据分析（包括观察、访谈和自我报告），研究ASR在加纳存在的差异化访问、能力和动机。
  3. 设计并实施一项包含语音语言治疗师培训以及对20名受试语音障碍人士的6周试验研究。

• 创新点:

  1. 首次在全球南方背景下研究ASR工具对语音障碍者的实际影响。
  2. 深入探索差异化访问、能力和动机如何影响ASR的使用效果。
  3. 提出结合本地语言和社会文化情境的定制化技术使用建议。

研究成果

• 具体成果:

  1. 参与的20名语音障碍者中，18人成功完成了500句定制语音模型的录制。
  2. 研究揭示了影响Google Relate应用的多重因素：设备可访问性、网络连通性、语言适应性，以及用户个人的识字能力和支持系统等。
  3. 指出技术设计的局限性，例如应用对非英语本地语言的有限支持，以及对用户教学和设计适应的欠缺。

• 与现有解决方案的优势:

  • 在现有缺乏定制化语音识别功能的情况下，Google Relate代表了现有技术的前沿进展，且其免费提供特性改善了潜在接纳度。

• 实验或评估结果:

  1. 项目结果表明，ASR可以在某些特定情境下显著改善沟通体验，尤其是中等到轻度障碍者。
  2. 参与者因地制宜地使用了“自定义卡”功能和替代策略（如离线模式），以克服设备和语言限制。

• 局限性与未来方向:

  1. 局限性：
     • 适用范围：当前应用仅支持英语，忽视了加纳多语言环境的复杂性。
     • 技术障碍：并非所有参与者均具备完成500句录制的能力，尤其是患有重度语音障碍的参与者。
     • 社会认同：受社交污名影响，部分参与者难以在家庭圈之外使用该技术。
  2. 未来方向：
     • 改善ASR对本地语言（例如加纳方言或混合型英语）的支持。
     • 推动社区支持与社会意识培训，提高技术接受度。
     • 提高AI生成模型的文化适应性，尤其是在特定语言和短语定制方面的优化。

总结与建议

• 研究强调了技术设计中结合本地化需求及用户背景的重要性。
• 设计者与研究者应意识到ASR技术的工具属性，并支持以多样化用户需求为中心的开发。
• 推动从技术到社会系统的变革，以更广泛实现沟通公平。