Performance-based self-construction on foreign language pronunciation: using Praat-aided feedback to individualize Mandarin Chinese tone practice

Resumen Técnico: Autoconstrucción basada en el desempeño sobre la pronunciación de lenguas extranjeras

Planteamiento del problema
Si bien el entrenamiento de pronunciación asistido por computadora (CAPT, por sus siglas en inglés) ha sido ampliamente validado para mejorar los resultados de la pronunciación en lenguas extranjeras (LE) mediante comparaciones cuasi-experimentales, la literatura existente pasa por alto en gran medida el proceso de compromiso del estudiante. Específicamente, existe una brecha en la comprensión de cómo ocurren los cambios conductuales y afectivos de los estudiantes —tales como la motivación, la confianza y la construcción de un "yo futuro"— durante el entrenamiento. Además, estudios previos suelen aplicar modelos motivacionales establecidos (por ejemplo, el Sistema del Yo Motivacional de Dörnyei) para examinar resultados, en lugar de escudriñar cómo se desarrollan estos constructos junto con la implementación tecnológica. En el contexto del chino mandarín como lengua extranjera (CFL), donde el dominio de los tonos es crítico pero difícil, existe una escasez de investigación que explore cómo la retroalimentación individualizada y generada por computadora influye en la adaptación conductual y afectiva concurrente de los estudiantes por debajo de sus métricas de desempeño.

Metodología
Este estudio empleó un diseño de estudio de caso múltiple cualitativo para investigar a nueve estudiantes de segundo año de chino como lengua no nativa en un colegio privado de artes liberales en el norte de Nueva York. La investigación se fundamentó en la Teoría Cognitiva del Aprendizaje Multimedia de Mayer y en el Sistema del Yo Motivacional de Dörnyei.

• Intervención: Los participantes participaron en un CAPT durante un semestre utilizando Praat, un software fonético de código abierto. Los docentes utilizaron Praat para generar retroalimentación correctiva individualizada mediante:
  1. La importación de las grabaciones de los estudiantes de diálogos de libros de texto y sketches escritos por ellos mismos.
  2. La extracción de los contornos tonales originales.
  3. El ajuste manual de los contornos incorrectos a los tonos estándar del mandarín utilizando la función de Manipulación de Pitch, preservando el timbre de voz original del estudiante.
  4. La entrega de un paquete de retroalimentación multimodal: un archivo de audio con los tonos corregidos en la voz del estudiante, un archivo de manipulación de Praat que visualiza los contornos originales frente a los corregidos, y un documento de Word que marca los errores en los guiones.
• Recolección de datos:
  • Tareas de pronunciación: Grabaciones de cuatro diálogos de libros de texto (Semana 9) y un sketch grupal (Semana 13).
  • Entrevistas: Entrevistas semiestructuradas realizadas al final del semestre para explorar los cambios conductuales, la motivación, la confianza y la construcción de la visión de sí mismo.
• Análisis: Los datos se sometieron a un análisis temático mediante un método de comparación constante. Las transcripciones de las entrevistas se codificaron iterativamente (deductiva e inductivamente) para identificar patrones en los cambios conductuales y afectivos, resultando en cuatro temas y trece patrones. Se utilizaron la verificación de miembros y la triangulación de datos para asegurar la credibilidad.

Contribuciones clave
El artículo contribuye a la literatura sobre la pronunciación de LE asistida por computadora de tres maneras específicas:

1. Validación orientada al proceso: Corrobora los logros del CAPT al vincularlos con los comportas y sentimientos procedimentales de los estudiantes bajo la misma teoría cognitiva del aprendizaje multimedia, aclarando así los vínculos entre estudios.
2. Multimodalidad de la retroalimentación: Destaca el impacto de los tonos generados por Praat no solo en la precisión de la pronunciación, sino también en la autoconstrucción del estudiante, demostrando cómo la entrada multisensorial e individualizada puede crear experiencias de aprendizaje vívidas y de conexión con uno mismo.
3. Papel de la guía y el contexto: Ilustra la necesidad de la guía docente y de ejercicios contextualizados (por ejemplo, sketches frente a diálogos aislados) para ayudar a los estudiantes a construir una visión motivadora de sus futuros yo, lo cual es esencial para mantener la motivación y la confianza.

Resultos
El estudio identificó cambios significativos en el comportamiento y el afecto entre los participantes:

• Impacto en las conductas de aprendizaje:

  • Interacción con recursos: La mayoría de los estudiantes alteraron su interacción con los recursos existentes. Algunos reemplazaron el audio del libro de texto con la retroalimentación generada por Praat (PM), mientras que otros usaron la PM para comparar contra el audio de un hablante nativo.
  • Duración de la práctica: Todos los participantes aumentaron sus horas de práctica. Para algunos, esto fue impulsado por la necesidad de escuchar la retroalimentación múltiples veces para detectar errores; para otros, fue impulsado por un mayor interés y motivación.
  • Cambio de metodología: Los estudiantes pasaron de la escucha pasiva a la autopercepción activa y la práctica de conversación interactiva.

• Impacto en la autoconstrucción (Motivación, Confianza, Visión):

  • Motivación: Seis estudiantes reportaron una elevada motivación, aunque para algunos (por ejemplo, estudiantes altamente autorregulados), la motivación ya se encontraba en un techo.
  • Confianza: Los niveles de confianza aumentaron desproporcionadamente para seis estudiantes. Para algunos, esto se debió a alcanzar metas alcanzables (escuchar su propia voz corregida); para otros, se debió a superar errores específicos identificados. Sin embargo, para unos pocos, la mayor conciencia de los errores inicialmente resultó desalentadora.
  • Construcción de la visión: Ocho de nueve estudiantes reportaron que la PM les ayudó a visualizarse mejor hablando chino en contextos auténticos (por ejemplo, en sketches). No obstante, la entonación "antinatural" del audio generado por Praat a veces dificultó esta visualización para algunos estudiantes.

• Perspectivas de los estudiantes:

  • Beneficios: Los estudiantes valoraron la naturaleza multimodal (tonos visuales + audio), la capacidad de controlar la velocidad del habla y el aspecto de "automodelado" al escuchar sus propias voces corregidas.
  • Limitaciones: El principal inconveniente señalado fue el sonido antinatural de los tonos generados por Praat, que, aunque útil para la identificación de errores, carecía de la prosodia y los patrones de acento de los hablantes nativos. Los estudiantes de herencia, en particular, sintieron que la retroalimentación era menos relevante para sus necesidades específicas en comparación con los principiantes no pertenecientes a la herencia.

Significancia y Reivindicaciones
El artículo sostiene que sus hallazgos corroboran la multimodalidad afectivo-motivacional del CAPT, un área que no ha sido plenamente expuesta en las teorías cognitivas actuales del aprendizaje multimedia. Argumenta que:

• La autoconstrucción basada en el desempeño es un componente crítico para el aprendizaje exitoso de las LE, donde la motivación y la confianza se construyen mediante ejercicios contextualizados y las imágenes percibidas de uno mismo usando la LE.
• La retroalimentación individualizada (PM) es efectiva pero no lineal en su impacto afectivo; su éxito está mediado por las características individuales del estudiante, tales como el trasfondo lingüístico (herencia vs. no herencia), los hábitos de estudio y la competencia percibida.
• La guía docente sigue siendo esencial. Si bien las herramientas digitales proporcionan precisión, se necesita la inteligencia humana (docentes) para coordinar los tipos de retroalimentación y ayudar a los estudiantes, especialmente a los novatos, a construir una visión de sus futuros yo que integre la pronunciación estándar con la comunicación social.

Los autores concluyen que, si bien la entrada multisensorial asistida por Praat ofrece beneficios cognitivos y afectivos significativos, las implementaciones futuras deben equilibrar la retroalimentación digital con la interacción humana para mitigar la "antinaturalidad" de los tonos generados por computadora y apoyar mejor la construcción de la visión de diversos perfiles de estudiantes.