ニューカッスル英語における自動音声認識（ASR）の偏りに関する社会言語学的分析

概要: 自動音声認識（ASR）システムは、日常のコミュニケーション、教育、医療、産業などで広く利用されていますが、その性能は話者間で一様ではなく、特に方言による変化が、学習データに表現されている主流のアクセントから逸脱する場合に顕著です。本研究は、北東イングランドの地域的バリエーションであるニューカッスル英語を対象に、社会言語学的分析を通じてASRバイアスを調査します。ニューカッスル英語は、現在の音声認識技術に挑戦することが示されてきた方言です。ティーンサイド英語の通時的電子コーパス（DECTE）から自然発話を用い、最先端の商用ASRシステムの出力を評価するとともに、3,000件を超える転写エラーについて詳細な分析を行います。エラーは言語的領域ごとに分類され、性別、年齢、社会経済的地位といった社会的変数との関連で検討します。さらに、選択した母音特徴に関する音響ケーススタディにより、連続的な音声学的変化がどのように誤認識へ直接寄与するかを示します。
結果は、音韻的変化がエラーの大部分を占めることを示しています。また、反復的な失敗は、母音の質や喉頭化（glottalisation）といった方言特有の特徴、ならびに地域語彙や非標準的な文法形式に関連していることがわかりました。エラーレートは社会集団によっても異なり、男性および年齢スペクトルの両端に位置する話者で、エラー頻度が高いことが観察されます。これらの知見は、ASRのエラーがランダムではなく、社会的に特徴づけられたパターンであり、社会言語学的観点から説明できることを示唆しています。したがって本研究は、音声技術の評価と開発に社会言語学的専門知識を取り入れることの重要性を示し、より公平なASRシステムには、方言的変化とコミュニティに基づく音声データへの明示的な配慮が必要であると論じます。