Published

2012-05-01

A classifier model for detecting pronunciation errors regarding the Nasa Yuwe language's 32 vowels

Modelo de clasificación para la detección de errores en la pronunciación de las 32 vocales de la lengua Nasa Yuwe

DOI:

https://doi.org/10.15446/ing.investig.v32n2.31944

Keywords:

Classifier model, Nasa Yuwe language, pronunciation correction, pattern recognition, computer-assisted language learning (CALL) (en)
modelos de clasificación, lengua nasa yuwe, corrección de la pronunciación, reconocimiento de patrones, CALL (Computer Assisted Language Learning) (es)

Downloads

Authors

  • Roberto Carlos Naranjo Cuervo Universidad del Cauca
  • Gloria Inés Álvarez Vargas Pontificia Univesidad Javieriana

The Nasa Yuwe language has 32 oral and nasal vowels thereby leading to one being used instead of the other; such confusion can change the meaning of the spoken word in Nasa Yuwe. A set of classifier models have been developed to support correct learning of this language which is in danger of extinction aimed at detecting confusion in the pronunciation of the 32 vowels; about 85% were obtained after experimenting with a variety of linear and nonlinear classifiers, rates of sensitivity, specificity and accuracy. A support software prototype was designed with these trained classifiers for the correct pronunciation of the language's vowels.

La lengua nasa yuwe tiene 32 vocales, dividas en orales y nasales, lo que lleva a confusiones en las que una vocal es utilizada en lugar de otra. En nasa yuwe esta confusión puede cambiar el significado de las palabras pronunciadas. Con el fin de apoyar el aprendizaje correcto de esta lengua en peligro de extinción se ha desarrollado un conjunto de modelos de clasificación que permitan detectar tales confusiones de pronunciación de las 32 vocales. Luego de experimentar con una variedad de clasificadores lineales y no lineales, las tasas de sensibilidad, especificidad y precisión que se obtuvieron están alrededor del 85%. Con los clasificadores entrenados se construyó un prototipo de herramienta de software diseñada para apoyar la práctica de la correcta pronunciación de las vocales de esta lengua.

References

Casacuberta, F., Vidal, E., Aibar, P., Decodificación acústico fonética mediante plantillas subléxicas. Procesamiento del Lenguaje Natural, Nº. 11, 1991, pp. 265-274.

Cric., Acerca de la unificación del alfabeto Nasa Yuwe, Revista C'ayu'ce, No 4, 2000, pp. 52-53.

Cric., Cartilla Nasa Yuwe Cartilla, Consejo Regional Indígena del Cauca, 2001.

Duda, O., Hard, R., Stork, P., Pattern Classification, 2nd Ed. John Wiley & Son, 2001.

Dtw Matlab, http://labrosa.ee.columbia.edu/matlab/dtw/, Last accessed July 2011.

Franco, H., Neumeyer, L., Kim, Y., Ronen, O., Bratt, H., Automatic detection of phone-level mispronunciation for language learning, In: Proc. European Conference on Speech Communication and Technology, 1999, pp. 851-854.

Freund, Y., Schapire, R., A decision theoretic generalization of on-line learning and an application to boosting, Journal of Computer and System Sciences 55, 1997, pp. 119-139.

Haykin, S., Neural Networks: A Comprehensive Foundation (2nd Edition), Prentice Hall, 1998.

Huang, X., Acero, A., Hon, H., Spoken Language Processing, Ed. Prentice Hall, 2001, pp. 290-303.

Kuncheva, L., Combining pattern classifiers: models and algorithms, Ed. John Wiley, 2004.

Marsico, E., Rojas, T., Etude acoustique préliminarire des 16 voyelles orales du Paez de Talaga, langue amérindienne, XXII journees d'etude sur la parole, 1998.

Matlab, http://www.mathworks.cm/products/matlab/, last accessed July 2011

Prtools, http://www.prtools.org/, last accessed July 2011.

Rabiner, L., Juang, L.B., Fundamental Speech Recognition, Prentice-Hall International Inc, 1993.

Rojas, T., Desde arriba y por abajo construyendo el alfabeto nasa. La experiencia de la unificación del alfabeto de la lengua Páez (Nasa Yuwe) en el Departamento del Cauca - Colombia. http://lanic.utexas.edu/project/etext/llilas/cilla/rojas.html. 2001, last accessed July 2011.

Rusell, S., Norving, P., Inteligencia Artificial- un Enfoque Moderno. 2nd Ed. Editorial Prentice Hall, 2004.

Sakoe, H., Chiba, S., Dynamic programming optimization for spoken word recognition, IEEE Trans, Acoust, Speech Signal Process, Vol. ASSP-26, No. 1, 1978, pp. 43-49.

Troun, K., Neri, A., Cuacchiarini, C., Strik, H., Automatic pronunciation error detection: an acoustic-phonetic approach, University of Nijmegen. http://citeseerx.ist.psu.edu/, 2009, last accessed July 2011.

Witt, S.M., Young, S.J., Phone-level pronunciation scoring and assessment for interactive language learning, Speech Comm, 2000, pp. 95-108.

Dimensions

PlumX

Article abstract page views

743

Downloads

Download data is not yet available.

How to Cite

A classifier model for detecting pronunciation errors regarding the Nasa Yuwe language’s 32 vowels. (2012). Ingeniería E Investigación, 32(2), 74-78. https://doi.org/10.15446/ing.investig.v32n2.31944

Most read articles by the same author(s)