تقييم النطق

يستخدم التقييم التلقائي للنطق تقنية التعرف على الكلام الحاسوبي لتحديد مدى دقة النطق ، ^{[ 1 ] [ 2 ]} بدلاً من الاعتماد على مُدرّس أو مُراقب بشري. ^{[ 3 ]} ويُطلق عليه أيضاً التحقق من الكلام ، وتقييم النطق ، وتسجيل النطق . ^{[ 4 ]} تُستخدم هذه التقنية لتقييم جودة الكلام، واختبار اللغة ، ^{[ 5 ]} وتدريس النطق بمساعدة الحاسوب ( CAPT ) في تعلّم اللغة بمساعدة الحاسوب (CALL)، وتحسين مهارات التحدث ، وتقليل اللهجة . ^{[ 4 ]}

يختلف تقييم النطق عن الإملاء أو النسخ التلقائي ، لأنه بدلاً من تحديد الكلام غير المعروف، يتحقق من نطق المتعلمين للكلمات المعروفة، غالبًا من خلال نسخ مسبقة لنفس الجملة؛ ويهدف في أفضل الأحوال إلى تقييم مدى وضوح كلام المتعلمين. ^{[ 6 ] [ 7 ]} أحيانًا، يُقيّم تقييم النطق خصائص النبرة في كلام المتعلمين، مثل التنغيم ، ودرجة الصوت ، والسرعة، والإيقاع ، ونبرة المقطع والكلمة ، على الرغم من أن هذه الخصائص ليست ضرورية عادةً للفهم في معظم اللغات. ^{[ 8 ]} يُستخدم تقييم النطق أيضًا في تعليم القراءة ، على سبيل المثال في منتجات جوجل ، ^{[ 9 ]} ومايكروسوفت ، ^{[ 10 ] [ 11 ]} وأميرة للتعليم. ^{[ 12 ]} يمكن أيضًا استخدام تقييم النطق التلقائي للمساعدة في تشخيص وعلاج اضطرابات النطق مثل الحبسة الكلامية . ^{[ 13 ] [ 14 ]}

يشير مفهوم الوضوح إلى مدى فهم المستمع لكلام المتعلم، وليس إلى مدى تشابهه مع كلام المتحدث الأصلي. ^{[ 7 ]} وهذا يختلف عن مقاييس الطلاقة ، مثل ما يُسمى بدرجات "جودة النطق" (GoP)، التي تُقدّر مدى تطابق الكلام مع كلام المتحدثين الأصليين. ^{[ 15 ]} يُعتبر الوضوح على نطاق واسع أهم هدف تواصلي في تعليم النطق وتقييمه. ^{[ 16 ]} فعلى سبيل المثال، في معايير التقييم الخاصة بالإطار الأوروبي المرجعي الموحد للغات (CEFR) لـ "التحكم الصوتي الشامل"، يتفوق الوضوح على النطق الصحيح رسميًا في جميع المستويات. ^{[ 17 ]}

أظهرت الدراسات في اللغويات التطبيقية أن تخفيف اللهجة لا يُحسّن دائمًا من وضوح الكلام، إذ غالبًا ما يستطيع المستمعون فهم الكلام ذي اللهجة القوية بسهولة. ^{[ 6 ]} تعتمد أنظمة تقييم النطق عادةً على أساليب صوتية مثل GoP، التي تُقارن كلام المتعلم بنماذج مرجعية لإنتاج درجات على مستوى الصوتيات ، والتي تُجمع بدورها لإنتاج درجات الكلمات والعبارات. ^{[ 1 ]} مع أن هذه الأساليب فعّالة في تحديد الانحرافات عن نطق المتحدثين الأصليين، إلا أنها لا تقيس بدقة مدى وضوح الكلام للمستمعين. ^{[ 7 ]} يتأثر وضوح الكلام بعوامل لغوية وسياقية أوسع، مثل موضع النبر، وسرعة الكلام ، والنطق المشترك ، وهي عوامل لا تُؤخذ في الاعتبار في الدرجات الصوتية المقطعية البحتة . ^{[ 8 ] [ 3 ]}

تجنّبت الدراسات الأولى في مجال تقييم النطق قياسَ وضوح الكلام لدى المستمع الحقيقي، ^{[ 18 ]} وهو قصورٌ تمّ تداركه عام 2011 في جامعة تويوهشي للتكنولوجيا ، ^{[ 19 ]} وأُدرج في اختبار Versant عالي المخاطر لتقييم الطلاقة في اللغة الإنجليزية من بيرسون ^{[ 20 ]} وتطبيقات الهواتف المحمولة من 17zuoye Education & Technology ، ^{[ 21 ]} ولكنه لا يزال غائبًا في منتجات عام 2023 من بحث جوجل ، ^{[ 22 ]} ومايكروسوفت، ^{[ 23 ]} وخدمة الاختبارات التعليمية ، ^{[ 24 ]} و Speechace، ^{[ 25 ]} وELSA. ^{[ 26 ]} يُعدّ تقييم وضوح الكلام لدى المستمع الحقيقي أمرًا ضروريًا لتجنّب الأخطاء الناتجة عن تحيّز اللهجة ، ^{[ 6 ]} لا سيما في التقييمات عالية المخاطر ؛ ^{[ 27 ] [ 28 ] [ 29 ]} من الكلمات ذات النطق الصحيح المتعدد؛ ^{[ 30 ]} ومن أخطاء ترميز الصوتيات في قواميس النطق القابلة للقراءة آلياً. ^{[ 31 ]}

في عام 2022، وجد الباحثون أن بعض أنظمة تحويل الكلام إلى نص الحديثة، القائمة على التعلم المعزز الشامل لربط الإشارات الصوتية مباشرةً بالكلمات، تُنتج درجات ثقة للكلمات والعبارات (من تجميع لوجيت لإطارات الصوت من 10 إلى 25 مللي ثانية ) ترتبط ارتباطًا وثيقًا بفهم المستمع الحقيقي. ^{[ 32 ] [ 33 ]} وقد تمكن باحثون آخرون من تقييم الفهم باستخدام مقاييس مسافة ليفنشتاين أو مسافة تشويه الوقت الديناميكي من تمثيل Wav2Vec2 للكلام الجيد. ^{[ 34 ] [ 35 ]} وركزت أعمال أخرى حتى عام 2025 تحديدًا على قياس الفهم. ^{[ 36 ] [ 37 ]}

أظهرت دراسة أجريت عام 2025 على 42 تطبيقًا لتدريب النطق والكلام (32 تطبيقًا للهواتف المحمولة و10 تطبيقات للويب) أن أيًا منها لم يُقدّم تقييمًا لوضوح الكلام. بل اقتصرت معظمها على تقديم تقييمات صوتية تركز على المقاطع واللهجات. وقدّم نحو ثلثي التطبيقات نوعًا من التغذية الراجعة الخاصة بالنطق، عادةً مع كتابة صوتية ، ولكن مصحوبة بإشارات بصرية (مثل رسوم متحركة للجهاز الصوتي أو الشفتين واللسان من الأمام) في 5% فقط من التطبيقات. وقدّم أقل من ثلثها تغذية راجعة حول إدراك المتعلم لنموذج الكلام. ^{[ 38 ]}

على الرغم من عدم وجود معايير قياسية معتمدة في هذا المجال لتقييم دقة تقييم النطق، إلا أن الباحثين ينشرون بين الحين والآخر مجموعات بيانات صوتية تقييمية ليستخدمها الآخرون في تحسين جودة التقييم. ^{[ 39 ] [ 40 ] [ 41 ] [ 42 ]} غالبًا ما تُركز قواعد بيانات التقييم هذه على النطق غير المُشَكَّل رسميًا، مُتجاهلةً الفهم الحقيقي الذي يتضح من نصوص المستمعين غير المُطَّلعين على هوية المتحدثين . ^{[ 7 ]} اعتبارًا من منتصف عام 2025، تُحقق أحدث الطرق المُستخدمة في النسخ التلقائي للصوتيات عادةً معدل خطأ يبلغ حوالي 10% مقارنةً بالكلام الجيد المعروف. ^{[ 43 ] [ 44 ] [ 45 ] [ 46 ]}

نظّمت ورشة عمل الجمعية الدولية للتواصل الكلامي (ISCA) لعام 2025 حول تكنولوجيا الكلام واللغة في التعليم (SLaTE) تحدي "تحدث وحسّن: تقييم اللغة المنطوقة وتقديم التغذية الراجعة"، حيث طرحت معايير لتقييم أنظمة تقييم النطق ومعالجته عبر مختلف اللغات واللهجات وفئات المتعلمين. ركّز التحدي على التعميم عبر اللغات والتوافق مع أحكام الفهم البشري، من أجل أنظمة تقييم أكثر قوة وقابلية للتفسير. ^{[ 47 ]}

تُطرح قضايا أخلاقية في تقييم النطق، سواءً في الأساليب البشرية أو الآلية. وتُعدّ المصداقية الحقيقية والإنصاف والحدّ من التحيز في التقييم أمورًا بالغة الأهمية. وينبغي تضمين بيانات كلامية متنوعة في نماذج تقييم النطق الآلية. ويمكن لتحسين الدقة والإنصاف أن يتحقق من خلال الجمع بين الأحكام البشرية، ولا سيما النصوص المكتوبة المُخفية عن المستمعين من مجموعة واسعة من المستمعين، والتغذية الراجعة الآلية. ^{[ 48 ]}

يستفيد متعلمو اللغة الثانية بشكل كبير من استخدامهم لأنظمة التعرف على الكلام المتاحة على نطاق واسع للإملاء، والمساعدين الافتراضيين ، وبرامج الدردشة الآلية المدعومة بالذكاء الاصطناعي . في هذه الأنظمة، يحاول المستخدمون بشكل طبيعي تصحيح أخطائهم الظاهرة في نتائج التعرف على الكلام التي يلاحظونها. يُحسّن هذا الاستخدام من مهاراتهم في القواعد والمفردات، بالإضافة إلى مهارات النطق. ولا يزال مدى تحسين أساليب التقييم والمعالجة الصريحة للنطق لهذه التفاعلات الذاتية موضع تساؤل. ^{[ 49 ]} وبالمثل، أظهرت نتائج الإملاء الآلي أن مستوى الفهم يُقارب مستوى فهم المُقيّمين البشريين. ^{[ 50 ] [ 51 ]}

في أوائل عام 2026، توسع نطاق تقييم وضوح الكلام مع إطلاق PathBench ، وهو إطار عمل معياري مُوحّد يركز تحديدًا على الكلام المرضي. ^{[ 52 ]} قبل إطلاقه، كان الاعتماد على مجموعات بيانات مجزأة وخاصة، لأسباب تتعلق بخصوصية المرضى، يجعل إجراء مقارنات موضوعية بين خوارزميات التقييم المختلفة أمرًا بالغ الصعوبة. وقد عالج PathBench هذه المشكلة من خلال توحيد التقييم عبر مجموعات بيانات عامة وشبه عامة متعددة. ويؤكد المعيار الجديد على تقييم نموذج الفهم البشري الحقيقي باستخدام مجموعات بيانات تُستمد فيها درجات وضوح الكلام الحقيقية مباشرةً من نصوص المستمعين المُخفين. وبالتزامن مع هذا المعيار، قدم الباحثون مقياس دقة النطق ثنائي التعرف التلقائي على الكلام (DArtP)، وهو مقياس لا يعتمد على مرجع، وقد أظهر ارتباطًا وثيقًا بفهم المستمع البشري. ^{[ 53 ]}

خلال الفترة 2021-2022، استُخدم نظام CAPT قائم على الهواتف الذكية لاستشعار النطق من خلال إشارات مسموعة وغير مسموعة، مما يوفر تغذية راجعة على مستوى الصوتيات. ^{[ 54 ] [ 55 ]}

تشمل بعض المجالات الواعدة للتحسين، والتي جرى تطويرها في عام 2024، استخلاص خصائص النطق ^{[ 56 ] [ 57 ] [ 58 ]} والتعلم بالنقل للحد من التصحيحات غير الضرورية. ^{[ 59 ]} ومن بين التطورات الأخرى المثيرة للاهتمام قيد التطوير، واجهات " الواقع المعزز " للأجهزة المحمولة التي تستخدم تقنية التعرف الضوئي على الأحرف لتوفير تدريب على النطق للنصوص الموجودة في بيئات المستخدم. ^{[ 60 ] [ 61 ]}

في عام 2024، وُصفت نماذج اللغة الكبيرة متعددة الوسائط الصوتية لأول مرة بأنها تُستخدم لتقييم النطق. ^{[ 62 ]} وقد واصل باحثون آخرون هذا العمل في عام 2025، وأفادوا بنتائج إيجابية. ^{[ 63 ]} لاحقًا، أثبت الباحثون إمكانية تقييم النطق من خلال تزويد نموذج اللغة بأوصاف نصية للكلام، بما في ذلك تحويل الكلام إلى نص، وتسلسلات الصوتيات، وفترات التوقف، ومطابقة تسلسلات الصوتيات؛ ويمكن لهذا النهج تحقيق أداء مماثل لنماذج اللغة الكبيرة متعددة الوسائط التي تحلل الصوت الخام، مع تجنب تكلفتها الحسابية العالية. ^{[ 64 ] [ 65 ]}

في عام 2025، نشر مؤلفو اختبار اللغة الإنجليزية في دولينجو وصفًا لمنهجية تقييم النطق الخاصة بهم، والتي يُزعم أنها مصممة لقياس وضوح الكلام لا تقليد اللهجة. ورغم تحقيقها ارتباطًا بنسبة 0.82 مع تقييمات الخبراء، وهو ما يُعدّ قريبًا جدًا من اتفاق المُقيّمين ويتفوق على الطرق البديلة، إلا أن هذه المنهجية تعتمد على درجات الخبراء وفقًا لمقياس المستويات المرجعية المشتركة للإطار الأوروبي المرجعي الموحد للغات (CEFR) المكون من ست نقاط ، بدلًا من الاعتماد على نصوص مكتوبة من مستمعين غير مُطلعين على هوية المُقيّم. ^{[ 66 ]}

تشمل الأعمال الواعدة الأخرى في عام 2025 تقييمًا يُحسّن من دقة الكلام، حيث يُطابق كلام المتعلم مع العبارات المُصنّعة باستخدام خصائص قابلة للتفسير ، ويُحدد نطاقات متصلة من الكلمات لتقديم ملاحظات تصحيحية؛ ^{[ 67 ]} وتوليف كلام مُصحّح يُطابق الأصوات التي يُدركها المتعلمون بأنفسهم ، والتي يُفضلونها ويُقلدونها بدقة أكبر كتصحيحات؛ ^{[ 68 ]} وبثّ هذه التفاعلات. ^{[ 69 ]}

في 21 يناير 2026، غيّر اختبار TOEFL iBT ، وهو اختبار اللغة الإنجليزية عالي الأهمية الذي تُجريه خدمة الاختبارات التعليمية (ETS) ، والذي يُشترط على المتقدمين الذين يتحدثون الإنجليزية كلغة أجنبية من قِبل الجامعات الأمريكية وأصحاب العمل أكثر من جميع الاختبارات الأخرى عبر الإنترنت مجتمعة، معايير تقييم مهارات التحدث فيه. ^{[ 70 ]} وبينما تزعم المعايير الرسمية أن التقييم الجديد سيعتمد بشكل أساسي على وضوح الكلام، ^{[ 71 ]} يشير الوصف التقني للاختبار الجديد إلى أنه يُقيّم وضوح الكلام من خلال "صحة النطق، وسلاسة إيقاع الكلام، وسلاسة النبرة (مثل تشديد المقاطع)" بدلاً من التوافق مع نصوص المستمعين غير المُطلعين على هوية المُختَبَر. ^{[ 72 ]}

في أبريل 2026، سحبت خدمة بحث جوجل ميزات التقييم والتصحيح من أداة النطق الخاصة بها، ^{[ 22 ]} والتي أصبحت الآن تشغل الصوت فقط وتعرض رسومًا متحركة لموضع الفم دون تسجيل الصوت. وأضافت خدمة ترجمة جوجل ميزات تقييم النطق وتقديم ملاحظات تصحيحية. ^{[ 73 ]}

يُظهر فيلم الخيال العلمي والرعب "بروميثيوس" (2012) شخصية الروبوت ديفيد 8 وهو يتعلم نطق عبارات اللغة الهندية الأوروبية البدائية من مُعلّم افتراضي ثلاثي الأبعاد. ^{[ 74 ]} وقد ذُكر برنامج "روزيتا ستون" ، وهو أول تطبيق شامل لتعلم اللغات مزود بإمكانيات تقييم النطق، في برنامج "ساترداي نايت لايف" ^{[ 75 ]} ومسلسل "كيف قابلت أمك" . ^{[ 76 ]}

• علم الأصوات
• علم الأصوات
• تجزئة الكلام - والتي تسمى غالبًا "المحاذاة القسرية" (للصوت مع الفونيمات المتوقعة) في هذا السياق ^{[ 77 ]}
• التصنيف الإحصائي

• مجموعة الاهتمام الخاصة التابعة للجمعية الدولية لتقنيات الكلام واللغة في التعليم (SLaTE)