Pesquisadores nos Estados Unidos desenvolveram e testaram um sistema de treinamento de pronúncia assistido por computador para aprendizes de árabe, usando reconhecimento automático de fala para corrigir em tempo real a pronúncia de uma marca gramatical feminina. O estudo sugere que feedback explícito de IA pode ajudar alunos a conectar som e gramática em línguas estrangeiras, um ponto relevante para cursos com pouco tempo de prática oral e para idiomas menos atendidos por tecnologias educacionais.

O QUE HÁ DE NOVO: O estudo avaliou o ArabiPro, uma ferramenta de computer-assisted pronunciation training, ou CAPT, criada para apoiar estudantes universitários de árabe nos Estados Unidos. A pesquisa envolveu 26 alunos, divididos entre um grupo experimental, com 20 participantes que usaram o sistema, e um grupo controle, com 6 participantes que seguiram apenas com a instrução tradicional em sala. O foco foi uma dificuldade específica do árabe: a pronúncia da chamada tied /taa/, uma marca feminina que pode soar como /t/ ou /h/ dependendo da estrutura gramatical.

COMO FUNCIONA: A ferramenta combina uma interface de gravação com um modelo de reconhecimento automático de fala ajustado para transcrever fonemas. O aluno vê uma frase em árabe, grava sua pronúncia e recebe uma pontuação geral, uma transcrição fonética e mensagens de correção. O sistema observa especialmente o som final da primeira palavra em três tipos de construção: o estado construto, estrutura de posse comum em línguas semíticas; a combinação definida entre substantivo e adjetivo; e a combinação indefinida entre substantivo e adjetivo.

Na prática, a IA não tentava avaliar toda a fala do estudante, mas uma relação pedagógica bem delimitada entre pronúncia e gramática. No estado construto, a marca feminina no fim da primeira palavra deve ser pronunciada como /t/; nas estruturas com substantivo e adjetivo, deve soar como /h/. O experimento usou 15 frases familiares aos alunos, aplicadas em pré-teste e pós-teste. Durante a fase intermediária, apenas o grupo experimental recebeu feedback corretivo explícito, enquanto o grupo controle não teve acesso ao sistema.

PRINCIPAIS RESULTADOS: O grupo que usou o ArabiPro teve desempenho superior no pós-teste em comparação ao grupo controle, com ganho especialmente forte no estado construto. Nessa estrutura, a média de acertos do grupo experimental subiu de 0,37 no pré-teste para 0,86 no pós-teste, enquanto o grupo controle avançou de 0,43 para 0,53. Na estrutura definida de substantivo e adjetivo, o grupo experimental também passou de 0,53 para 0,86, contra uma alta mais modesta no controle, de 0,46 para 0,50. Já nas frases indefinidas de substantivo e adjetivo, o desempenho do grupo experimental caiu levemente, de 0,64 para 0,62, o que indica que o feedback pode ter gerado confusão em parte dos casos.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A pesquisa é relevante porque trata a pronúncia não apenas como imitação sonora, mas como evidência de compreensão gramatical. Em cursos de línguas, professores frequentemente têm pouco tempo para ouvir cada estudante, diagnosticar erros de fala e oferecer retorno individualizado. Um sistema desse tipo pode ampliar as oportunidades de prática fora da sala, apoiar alunos em ritmos diferentes e liberar o professor para trabalhar aspectos mais complexos da comunicação e da reflexão linguística.

O caso também chama atenção para uma lacuna de equidade tecnológica: idiomas menos ensinados, como o árabe em muitos contextos, costumam ter menos ferramentas digitais de qualidade do que línguas amplamente comercializadas. Ao mesmo tempo, a experiência mostra que modelos de fala de uso geral não bastam por si só. Para gerar valor educacional, a IA precisou ser combinada com regras, objetivos de aprendizagem e mensagens de feedback desenhadas a partir de um problema real de ensino.

LIMITAÇÕES E RISCOS: Os resultados devem ser lidos com cautela. A amostra foi pequena e desequilibrada entre os grupos, com apenas 6 estudantes no controle. O estudo se concentrou em uma única característica gramatical, o que impede generalizações amplas sobre aprendizagem de árabe ou sobre CAPT em outras línguas. Também não houve um terceiro grupo recebendo tempo adicional de prática sem a ferramenta, o que deixa em aberto quanto do ganho veio da IA e quanto veio simplesmente da prática extra. Outro ponto é o possível efeito novidade: alunos podem se engajar mais, temporariamente, por estarem usando uma tecnologia nova.

O QUE VEM AGORA: Os próximos passos apontados pela pesquisa incluem testar o sistema com grupos maiores e mais equilibrados, aplicar pós-testes tardios para verificar retenção e expandir o modelo para outros sons e estruturas gramaticais, como fonemas guturais e enfáticos do árabe. Para escolas e universidades, a principal implicação é que ferramentas de IA para línguas podem ser mais úteis quando integradas ao currículo e ao acompanhamento docente, em vez de funcionarem como aplicativos isolados de repetição automática.

Fonte: Computer-assisted pronunciation training for foreign language learning of grammatical features