Módulo de detección de errores de pronunciación del idioma inglés utilizando una red transformadora integrado en un chatbot.

dc.contributor.advisorSánchez Solís, Julia Patricia
dc.contributor.advisorFlorencia Juárez, Rogelio
dc.contributor.authorMartínez Quezada, Marcos Eduardo
dc.date.accessioned2022-01-26T20:34:59Z
dc.date.available2022-01-26T20:34:59Z
dc.date.issued2022-01
dc.descriptionEl proceso de globalización en cualquier ámbito ha requerido una mayor capacitación personal. El dominio del idioma inglés es uno de los factores de preparación mayormente demandados por las empresas. Sin embargo, existen personas a las que se les dificulta desarrollar las habilidades requeridas para dominar un nuevo idioma, de las cuales, la pronunciación es una de ellas. Algunos estudiantes que están aprendiendo un segundo idioma no cuentan con un compañero de estudio que les ayude a mejorar la habilidad del habla mediante la práctica. Existen herramientas computacionales empleadas para ayudar a aprendices de un segundo idioma a mejorar su habilidad de pronunciación. En las últimas décadas fue ampliamente utilizado el algoritmo Goodness of Pronunciation (GOP), para realizar esta tarea, sin embargo, su funcionamiento se veía mermado al analizar oraciones largas. Posteriormente, la propiedad de memoria de las Redes Neuronales Recurrentes (RNN, por sus siglas en inglés) solucionaría parcialmente dicho problema ya que, al igual que el algoritmo GOP, se perdía información en secuencias demasiado largas. Con la llegada de la red transformadora se logró procesar secuencias completas con una mejora en el rendimiento, además sin perder información. Este tipo de red fue empleada en un inicio para problemas de texto, sin embargo, comenzó a utilizarse para la detección de voz gracias a su rendimiento. Adicionalmente, se suele utilizar un algoritmo de alineación de secuencias para lograr implementar la detección de errores de pronunciación. Esta investigación se enfoca en el desarrollo de un sistema de detección de errores de pronunciación empleando técnicas de Inteligencia Artificial con la finalidad de ayudar a los usuarios a mejorar su pronunciación del idioma inglés estadounidense. Principalmente fueron tres las tecnologías implementadas: 1) un modelo reconocedor de voz utilizando una red transformadora, 2) un algoritmo de alineación de cadenas y 3) un chatbot desarrollado con el Lenguaje de Etiquetado de Inteligencia Artificial. La combinación de lo anterior dio como resultado un sistema capaz de mostrar al usuario las palabras en donde se detectaron errores de pronunciación.es_MX
dc.description.abstractEl proceso de globalización en cualquier ámbito ha requerido una mayor capacitación personal. El dominio del idioma inglés es uno de los factores de preparación mayormente demandados por las empresas. Sin embargo, existen personas a las que se les dificulta desarrollar las habilidades requeridas para dominar un nuevo idioma, de las cuales, la pronunciación es una de ellas. Algunos estudiantes que están aprendiendo un segundo idioma no cuentan con un compañero de estudio que les ayude a mejorar la habilidad del habla mediante la práctica. Existen herramientas computacionales empleadas para ayudar a aprendices de un segundo idioma a mejorar su habilidad de pronunciación. En las últimas décadas fue ampliamente utilizado el algoritmo Goodness of Pronunciation (GOP), para realizar esta tarea, sin embargo, su funcionamiento se veía mermado al analizar oraciones largas. Posteriormente, la propiedad de memoria de las Redes Neuronales Recurrentes (RNN, por sus siglas en inglés) solucionaría parcialmente dicho problema ya que, al igual que el algoritmo GOP, se perdía información en secuencias demasiado largas. Con la llegada de la red transformadora se logró procesar secuencias completas con una mejora en el rendimiento, además sin perder información. Este tipo de red fue empleada en un inicio para problemas de texto, sin embargo, comenzó a utilizarse para la detección de voz gracias a su rendimiento. Adicionalmente, se suele utilizar un algoritmo de alineación de secuencias para lograr implementar la detección de errores de pronunciación. Esta investigación se enfoca en el desarrollo de un sistema de detección de errores de pronunciación empleando técnicas de Inteligencia Artificial con la finalidad de ayudar a los usuarios a mejorar su pronunciación del idioma inglés estadounidense. Principalmente fueron tres las tecnologías implementadas: 1) un modelo reconocedor de voz utilizando una red transformadora, 2) un algoritmo de alineación de cadenas y 3) un chatbot desarrollado con el Lenguaje de Etiquetado de Inteligencia Artificial. La combinación de lo anterior dio como resultado un sistema capaz de mostrar al usuario las palabras en donde se detectaron errores de pronunciación.es_MX
dc.description.videohttp://erecursos.uacj.mx/bitstream/handle/20.500.11961/6047/Marcos%20Eduardo%20Martinez%20Quezada%20-%20Tesis%20version%20final.pdf?sequence=1&isAllowed=y
dc.identifier.urihttp://hdl.handle.net/20.500.11961/6047
dc.language.isospaes_MX
dc.publisherUniversidad Autónoma de Ciudad Juárezes_MX
dc.relation.ispartofMaestría en Cómputo Aplicadoes
dc.relation.ispartofDepartamento de Ingeniería Eléctrica y Computaciónes
dc.relation.ispartofInstituto de Ingeniería y Tecnologíaes
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 México*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/mx/*
dc.subjectReconocimiento Automático de Voz.es_MX
dc.subjectChatbot.es_MX
dc.subjectRed Transformadora.es_MX
dc.subjectDistancia de Levenshtein.es_MX
dc.subjectError de Pronunciación.es_MX
dc.subject.otherinfo:eu-repo/classification/cti/7es_MX
dc.titleMódulo de detección de errores de pronunciación del idioma inglés utilizando una red transformadora integrado en un chatbot.es_MX
dc.typeTesis maestríaes_MX
dcrupi.departamentoDepartamento de Ingeniería Eléctrica y Computaciónes
dcrupi.institutoInstituto de Ingeniería y Tecnologíaes
dcrupi.programa-academicoMaestría en Cómputo Aplicadoes
dcterms.thumbnailhttp://ri.uacj.mx/vufind/thumbnails/pi-iit-maestria.pnges

Archivos

Bloque original
Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
Marcos Eduardo Martinez Quezada - Tesis version final.pdf
Tamaño:
1.39 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Cargando...
Miniatura
Nombre:
Inicio de tramite - autorizacion de obra.pdf
Tamaño:
366.11 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización
Cargando...
Miniatura
Nombre:
Inicio de tramite - registro en repositorio institucional.pdf
Tamaño:
331.25 KB
Formato:
Adobe Portable Document Format
Descripción:
Registro