Beyond the walls of classrooms: Exploring the pedagogical effectiveness of Text-To-Speech-based Shadowing (TTS-S) on the development of Mandarin tones
Notice bibliographique
Résumé
This study examines the pedagogical effectiveness of using Text-To-Speech synthesis (TTS) combined with Shadowing (TTS-S) for self-regulated learning of Mandarin tones 1 and 4. The aim is to determine the probability of success of this innovative approach that uses TTS to generate audio for shadowing practice. The research was guided by the following research question: can TTS-S help L2 learners raise their awareness and improve their perception and production of the target Mandarin tones over a period of six weeks? Over six week, ten participants engaged in self-regulated activities using TTS-S to learn the two pronunciation targets. By means of pre-/post-tests (to assess effectiveness in pronunciation) participants were asked to complete: (1) an awareness task in which they verbalized their metacognitive knowledge of Mandarin tones; (2) ABX tasks to assess their perception of Mandarin tones; and (3) a production task to evaluate their production of the target tones. Our findings are inconclusive regarding the effectiveness of TTS-S for improving awareness, perception, and production of Mandarin tones 1 and 4 among L2 learners. They also indicate that while certain aspects of phonological development, specifically production, showed some improvements, the overall impact was not statistically significant.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».