Episodio 20 con Jay & Nick
Orador: Bienvenidos a E2Talks. Es un podcast donde hablamos sobre el panorama del idioma inglés. En este podcast, Jay está acompañado por Nick Jenkins, el fundador de Language Confidence, un producto de software como servicio impulsado por IA que ofrece a los estudiantes retroalimentación correctiva automática sobre su pronunciación. En esta conversación, Jay y Nick hablan sobre la pronunciación en general y más específicamente sobre cómo la IA puede ayudar a los estudiantes a desarrollar mejores hábitos de habla. Hablan sobre los orígenes de Language Confidence, lo que puede hacer actualmente y lo que podrá hacer en un futuro cercano. También tocan muchos otros temas pertinentes a la enseñanza, aprendizaje y tecnología de la pronunciación. ¡Escúchalo!
Jay: Hola, Nick, ¿cómo va todo?
Nick: En realidad, bastante bien. Considerando todo en este momento. Así que sí, bastante bien y tú?
Jay: Sí. Bueno, ¿en qué parte del mundo estás?
Nick: Actualmente en la hermosa Sídney, ahora en una oficina compartida en Chinatown llamada Haymarket HQ.
Jay: Genial. Muy bien. Entonces Nick, ¿puedes darnos un poco de antecedentes sobre ti y cómo surgió Language Confidence?
Nick: Sí. La versión corta es que es mi tercera startup. La primera que tuve la vendí cuando tenía 21 años. La segunda fue en nuestro espacio, el espacio de educación en línea. Y fracasó de manera bastante espectacular. Creo que hicimos casi todo mal que se podía. Así que como una plataforma en línea, era una app para enseñar a los niños a hablar inglés y simplemente entregarles contenido. Y eso nos llevó a China. Así que pasé casi tres años en China. Y obviamente, cuando el negocio terminó, necesitaba algo que hacer. Así que estaba enseñando inglés cuando obtuve mi calificación de profesor de T cell. Y mientras enseñaba, tuve esta idea. Pensé, oye, sabes, al mirar lo que aprendemos en el espacio de apps, mirando tus Babbles y tus DuoLingos del mundo. Ninguno realmente da a los estudiantes una retroalimentación de buena calidad para su producción oral. De hecho, hicimos un video muy bueno donde nos comparamos con algunos de los nombres más grandes en el espacio como Rosetta Stone y Babbel y mostramos cuán mucho más precisa es la tecnología que construimos. Así que, sí, quería poder emular lo que puedo hacer como profesor, pero automatizarlo completamente. Así mejora la experiencia de aprendizaje en general y realmente se enfoca en el inglés hablado.
Jay: Interesante. Encuentro que incluso en el aula la pronunciación es un tema descuidado. Una de las razones es que es difícil, si tienes un aula con 35 estudiantes, dar retroalimentación individualizada a cada uno. Básicamente es imposible si la clase dura una hora, eso significa que los estudiantes reciben dos minutos del profesor. ¿Es algo en lo que has pensado?
Nick: Sí, eso es exactamente lo que quería hacer. Cuando enseñaba, les pedía a mis estudiantes que dijeran algo. Y como humano individualmente, podía identificar dónde se equivocaban. Y uno a uno, decir, está bien, te equivocaste aquí. Y él me escuchaba, me observaba. Luego lo intentábamos de nuevo con diferentes palabras, los mismos sonidos, diferente contenido, diferentes contextos, etc. Y no puedes escalar eso, sabes, creo que las clases más pequeñas que tuve en China eran de dos estudiantes, y aun así tratar de dar atención individual es realmente difícil. Así que sí, quería crear algo que fuera realmente escalable, y que puedas tener esa experiencia en casa.
Jay: Estupendo. ¿Puedes contarnos un poco sobre la confianza en el idioma, qué es, cómo funciona y por qué realmente mejora las habilidades de pronunciación de las personas?
Nick: Sí, sí, seguro. Así que es una empresa de AI SAS, supongo que así se le llamaría. Proveemos un producto llamado LCAT. Y LCAT es similar en naturaleza al reconocimiento de voz. Pero en lugar de descifrar lo que se dice, hacemos una evaluación de qué tan bien se dice. Un ejemplo muy sencillo es en una app o plataforma como E2school, le pides a los estudiantes que digan una palabra en particular, graban la entrada que se envía a nuestro backend, hacemos una evaluación y enviamos los resultados de la evaluación. Y cómo funciona la evaluación es que le damos a la IA muchos datos de hablantes nativos, entrenamos para que la IA aprenda qué es nativo o bueno, más o menos, y cuando envías ese audio, regresamos con la puntuación. Y esa puntuación es qué tan cerca de un hablante nativo la IA piensa que estás.
Jay: Entiendo. Entonces, cuando practico mi pronunciación en DuoLingo, por ejemplo, y he probado esa app, solo me dice que soy comprensible. Como que suena ‘Ba-ching’ y me da un indicador verde. Sí, lo dijiste bien. Pero al decirlo bien, puede que haya pronunciado algunos sonidos incorrectamente o mal pronunciado ciertas cosas. Sin embargo, no me lo dice. ¿Es esta una gran diferencia entre lo que haces tú y, digamos, DuoLingo?
Nick: Sí, absolutamente. Así que grandes grupos como DuoLingo y Babbel en el mundo usan el reconocimiento de voz en el dispositivo. Así que eso es el reconocimiento de voz de Siri, Nuance o Google que viene en iPhones o androids. Y todo lo que hace es darte un aprobado o reprobado o mostrarte un tic. En ese video que hicimos, estoy usando una de estas plataformas y en realidad digo la palabra incorrecta y aún así paso la prueba. Obtienes el tic verde. Creo que me pedían decir agua mineral, y dije ‘minieral wasa’, y aún así obtuve el tic verde, pasé y seguí adelante. Mientras que en nuestro sistema, aparece algo como, Oye, acertaste en todo esto, pero te equivocaste aquí y aquí. Entonces, el siguiente paso es crear un escenario de aprendizaje personalizado, un ciclo de retroalimentación adecuado, el primer paso es simplemente identificar dónde nos equivocamos.
Jay: Bien, bien, podría valer la pena dar un paso atrás aquí y simplemente hablar sobre qué es realmente la pronunciación. Y es una característica realmente extraña del lenguaje porque es muy anatómica, ya sabes, realmente involucra la lengua, los labios, la garganta y el paladar, es muy extraño cuando estás, es como un, hay un aspecto cognitivo, obviamente. Pero es muy muscular y relacionado con partes del cuerpo, lo cual es bastante extraño. Así que mi comprensión de la pronunciación es esta especie de, la veo como que tiene tres partes. Una parte son los sonidos, los sonidos individuales, es decir, los fonemas. Así que los sonidos vocálicos, vocales cortas ‘a,’ ‘e,’ ‘i,’ ‘o,’ o vocales largas, vocales combinadas como “ay”, por ejemplo, luego tienes sonidos consonánticos, ‘p,’ ‘d,’ ‘k,’ ‘m,’ que en realidad usan una parte de tu boca. Mientras que una vocal no usa realmente una parte de tu boca, básicamente haces un sonido desde la caja de voz, pero no está impedido por la lengua o los labios, etc. Así que tienes todos estos, tienes sonidos individuales, luego tienes grupos consonánticos. Y una de las investigadoras que tenemos aquí en E2Language acaba de hacer un, ella revisó la literatura en realidad sobre los grupos consonánticos en inglés. Y estaba tratando de encontrar un corpus o básicamente tratar de averiguar qué son y cuántos grupos consonánticos hay en inglés. Y no pudo encontrarlo, encontró opiniones diferentes y algo de literatura de los años 80, etc. Así que hizo un estudio a gran escala ella misma y revisó y determinó que hay 146 grupos consonánticos en inglés, lo cual es realmente interesante, es bueno saberlo porque es finito. Así que tienes 44 sonidos individuales, luego tienes 146 grupos consonánticos. Los grupos consonánticos son cuando tienes dos o más consonantes que se juntan como ‘p’ y ‘r’ para hacer ‘pr’, o ‘s’ y ‘l’ para hacer ‘sl’ como en ‘slip’, por ejemplo, lo cual es muy problemático, como habrás sabido en China, muchos de los asiáticos orientales, coreanos, japoneses, etc., les gusta poner una vocal entre esas dos consonantes. Y luego la tercera parte de la pronunciación no es tanto los sonidos que hacemos, sino la forma en que se entrega el habla en términos de ritmo, pausas, el habla conectada, etc. Entonces ahora mismo, ¿dónde ayuda la confianza en el idioma con estos aspectos de la pronunciación?
Nick: Sí, mira, en general el inglés es realmente ilógico. Quiero decir, creo que hay 12 formas diferentes de hacer ‘sh’. Así que diferentes combinaciones de grafemas para hacer el sonido ‘sh’. No me cites en eso, tengo que verificarlo. Así que es un idioma bastante difícil. Y dijo que hay 44 sonidos en el Alfabeto Fonético Internacional oficial. Y creo que ha existido desde, creo, la década de 1890, fue un grupo francés que lo creó originalmente. De nuevo, no me cites, tengo que verificarlo. Y en realidad hay otro sistema de codificación llamado arpabet, que tradicionalmente se usa para propósitos de reconocimiento de voz, no para propósitos de aprendizaje de idiomas.
Jay: Perdón, ¿cómo se llama eso?
Nick: ¿Eso es Arpabet? A-R-P-A-B-E-T, creo. Creo que proviene de la Universidad Carnegie Mellon. Así que fue un sistema de codificación que crearon en paralelo al AFI para el reconocimiento de voz. Así que más orientado a computadoras, como para propósitos de reconocimiento de voz,
Jay: Está bien.
Nick: Creo que donde estamos y en lo que nos estamos enfocando es exactamente cuál es la evaluación de la pronunciación en relación con un hablante nativo. Y la idea es que un hablante nativo, según su acento, dirá cada palabra de una manera particular, y tienes diferencias en esas y creo que el ‘tomato’ ‘tomatoe’ es un gran ejemplo de eso. Y creo que, ya sabes, los diferentes acentos, hay 107 fondos con todas las diferentes variantes.
Jay: Oh, interesante.
Nick: Y he visto incluso otros alfabetos fonéticos hacia los que se dirigen, creo que he visto uno con 39 sonidos y es una mezcla realmente complicada, pero nos estamos enfocando solo en el Alfabeto Fonético Internacional, los 44 sonidos del inglés. Parece ser la referencia más común y demandada para aprender a hablar inglés. Y actualmente nos estamos enfocando solo en la pronunciación. Pero avanzando más, y creo que tocaste esto en tu tercer punto, es mirar otros aspectos del inglés hablado que los aprendices realmente tardaron en cuantificar cuáles eran. Así que tienes la pronunciación, que son los sonidos que intentas decir, y ese es realmente el núcleo principal. Si pronuncias los sonidos completamente mal, el significado no se transmite en absoluto. Así que tienes que acertar al menos un porcentaje x de los sonidos para poder transmitir algún significado. Y a partir de ahí, sumando a eso está, ya sabes, tu fluidez, porosidad, gramática, recurso léxico y luego la relevancia del contenido. Así que esencialmente, intentamos empezar con la pronunciación, que en realidad es el problema más difícil de resolver técnicamente. Y ha tomado un tiempo, pero finalmente estamos ahí. Y luego pasar a otras métricas como la fluidez es nuestro siguiente paso.
Jay: Sí, realmente me gusta esa confianza en el idioma, porque la usamos en E2School, en nuestro curso de pronunciación. Y es estupendo porque hacemos que el estudiante practique un sonido individual particular o un grupo consonántico, y luego les hacemos repetir una oración o solo una palabra, etc. Y ellos hablan al ordenador, y casi inmediatamente devuelve un porcentaje de respuesta, como una puntuación, pero mucho mejor que eso es que cuando hacen clic, pueden ver exactamente qué fonema están pronunciando mal. Lo cual es. Quiero decir, eso es de gran ayuda. Porque o no se dan cuenta de eso, o tal vez sí lo sabían. Pero ahora son muy conscientes de que está bien, necesito intentar ese sonido ‘p’ de nuevo, y no hacerlo sonar como un sonido ‘b’. Así que está ese elemento ahí. ¿Qué deberían hacer los estudiantes entonces? ¿O qué sugieres que hagan los estudiantes una vez que han descubierto que tienen problemas con el sonido ‘p’, por ejemplo?
Nick: Así que creo que desde el punto de vista de la enseñanza, lo que siempre intentaba hacer con los estudiantes era identificar amablemente y decir, Oye, eso no estuvo del todo bien. Y les dábamos más contenido, tal vez en un contexto diferente para practicar. Así que cometiste un error con este sonido. Como humano y hablante nativo, aquí puedes escuchar que te equivocaste aquí, y luego puedo decir, está bien, ¿cuál es otra palabra que podemos practicar que contenga ese mismo sonido, para que puedas practicarlo en un contenido diferente, en diferentes contextos, diferente contenido, diferente oración? Y eso es lo que intentamos hacer. Así que el primer paso de nuestro caso es identificar dónde se equivocaron. Y luego, avanzar más allá de eso y seguir adelante es poder ofrecer algunas sugerencias. Así que sugerencias correctivas, y luego buenos o correctos ejemplos de esas. Así que si se equivocan con el sonido R o L o ‘dz’. Una palabra con la que mis estudiantes solían tener problemas era ‘casual’. Y otra palabra que solía elegir era ‘usual’, y la poníamos en diferentes oraciones, les hacíamos practicar de nuevo. Así que esa es la idea, que con LCAT, puede emular lo que un profesor puede hacer al identificar dónde te equivocas. Y luego los estudiantes pueden ver eso, escuchar el buen ejemplo. Y realmente intentarlo de nuevo. Y seguir practicando hasta que puedan hacerlo bien.
Jay: Sí, realmente lo es. He estado jugando con el idioma farsi y tratando de hacer ese sonido “kh”, ‘khubi’ “khubam”. Y es, simplemente he encontrado que es bastante divertido. O es una buena idea como profesor de idiomas hacer eso, hablar, empezar a decir algunos sonidos en otro idioma que simplemente no tienes en tu primer idioma y sentir lo incómodo y extraño que es, y luego tratar de hacer que se sienta, ya sabes, normal, estándar para hacerlo. Eso es interesante.
Nick: Totalmente de acuerdo, cuando estaba aprendiendo mandarín, los sonidos que existen en mandarín que como hablante nativo de inglés nunca aprendiste. Así que fue realmente difícil, especialmente como adulto, practicar esos sonidos en particular.
Jay: Sí, sí. Sí, eso es correcto. Quiero decir, lo bueno de aprender otro idioma es que, ya sabes, hay un número de, digamos, 44 sonidos, sabes, creo que en árabe tienen 38 de ellos. Y no tienen, no haré las cuentas, seis de esos sonidos que simplemente no tienen, así que necesitarán practicar esos. Así que creo que parte de la literatura que es realmente útil ahí es la literatura sobre interferencia del primer idioma. Lo que hemos hecho en E2school es que tenemos todos los sonidos ahí. Sin embargo, tenemos esta pequeña herramienta que selecciona el contenido. Así que entro y digo que soy hablante de árabe, y entonces me dice cuáles fonemas en particular necesito trabajar porque no necesito hacerlos todos. También hay literatura sobre eso para la gramática, a la que en algún momento también llegaremos. Pero sí, es algo interesante. Quizás cambie un poco el tema aquí para hablar menos sobre las tecnicidades de la pronunciación y más sobre, me interesa el elemento social de la pronunciación y por qué alguien querría mejorar la pronunciación. Tengo algunas ideas, pero me gustaría escuchar lo que tienes que decir al respecto. Por ejemplo, por qué, si voy a conseguir un trabajo en el Reino Unido, o por cualquier razón, quiero tener una pronunciación clara.
Nick: Creo que como tema general, la pronunciación es básicamente cuando en el lenguaje hablado o inglés hablado, si tu pronunciación está completamente equivocada, no importa cuán precisa sea tu gramática, vocabulario o fluidez, no puedes realmente transmitir lo que intentas decir. Así que si tus sonidos están mal, y puedo estar equivocado académicamente aquí, pero por mi experiencia enseñando y aprendiendo otros idiomas, si tu pronunciación está mal, no puedes transmitir ningún significado. Y la gente aprende a hablar otros idiomas por una amplia variedad de razones. Creo que, obviamente, siendo un grupo de preparación para exámenes, entiendes que hay un mercado enorme para personas que quieren hacer exámenes reconocidos, como PTE, IELTS, TOEFL, etc. Hay muchas personas que también lo hacen por diversión. Realmente disfrutan aprender idiomas, los políglotas del mundo. Y luego hay personas que quieren hacer cosas como viajar, y viajar a otro país y poder decir, ¿Dónde está el baño? O ¿Cuánto cuesta eso? Y esas cosas que aprendes que son realmente básicas, como cuando me mudé a China, no sabía ni hablaba mandarín. Y me perdí horriblemente varias veces. Así que fue muy útil poder decir, Ve recto y gira a la derecha, para aquí. Así que sí, este es realmente el, creo que el académico es uno muy grande, estudiar en el extranjero, por diversión, por viajes, cosas así. Y ese es realmente el núcleo del lenguaje hablado, de realmente transmitir cualquier significado y poder comunicarse con alguien.
Jay: Eso es. Sí. Pero sí, ser entendido. Y mencionaste antes sobre grafemas y fonemas. ¿Puedes explicarme a mí o a la audiencia, qué es un grafema? ¿Qué es un fonema? ¿Y cuál es la relación entre los dos? Porque sé que en inglés, la relación a menudo no está muy clara.
Nick: Sí. Entonces. Y de nuevo, no soy lingüista ni médico, pero tengo un trasfondo tecnológico. Pero el inglés en sí está compuesto por una mezcla de varios idiomas diferentes, latín, alemán, francés, todo eso. Y así, los grafemas son nuestro alfabeto. El alfabeto de 26 letras, y los fonemas son los sonidos y el alfabeto fonético, pero obviamente las 26 letras y 44 sonidos no van a coincidir. Y creo que un ejemplo que mencioné antes, fue que puedes hacer el sonido ‘sh’ de 12 maneras diferentes en inglés. Así que 12 combinaciones diferentes de grafemas hacen el sonido de ‘sh’ una vez. Es
Jay: Así que no es solo ‘sh’.
Nick: No.
Jay: Correcto. Vale, entendido. Esto de ‘ss’ y ‘zh’, y hay
Nick: ‘ti’
Jay: y ‘ti’.
Nick: Sí. Sí. Así que no tiene sentido. No es muy lógico, pero existe. Y, sabes, es comunicación. Así que es un idioma difícil. Esa es la relación, no coinciden. Pero hay reglas más generales que explican la mayoría de los casos, pero no hay una clara para todos ellos.
Jay: Creo que eso es extremadamente frustrante para las personas que estudian en su país, como China o Corea del Sur. Aprenden inglés de libro de texto. Esto es lo que enseñé en Corea del Sur durante un par de años. Y sabes, tengo que decir que el idioma coreano es fascinante porque en realidad tienen, creo que lo llaman ortografía perfecta, lo que significa que la relación entre la ortografía y el sonido es básicamente uno a uno. No hay excepciones. Pero como dices, en inglés, la relación entre ortografía y sonido es radicalmente diferente porque la comunicación ‘ti’ y lo que pasa con los estudiantes coreanos es que aprenden estos textos y la gramática, etc., luego llegan a Australia o a Estados Unidos, y de repente, ¿qué está diciendo todo el mundo? He estado estudiando inglés durante 12 años y no puedo entender a nadie en estas cosas locas como, sabes, una de las cosas que hacemos en inglés es si quieres hacer esto el fin de semana. Whatchya, qué ‘dz’. ¿Qué quieres hacer? Whatcha. Así que estas mezclas locas y demás.
Nick: Y eso también representa un verdadero problema técnico. Tuvimos algunos problemas reales cuando puedes unir dos sonidos que son iguales. Así que si dices después del show, nosotros, como hablante nativo, dices después del show nosotros, concatenas la unión de esos sonidos. Y la IA busca los dos sonidos porque se basa en nuestro diccionario, nuestro léxico, dice, hey, hay dos sonidos. Y aunque obtienes una buena puntuación para uno de los sonidos, te dará una puntuación más baja para el segundo sonido, aunque como hablante nativo simplemente los uniste. Sí. Así que en realidad crea muchos problemas técnicos, incluso cuando tienes a un hablante nativo hablando para intentar que todo esto esté correcto. Desde un punto de vista de inexactitud del producto.
Jay: Bueno, sí, es realmente confuso, ¿no? Incluso la pregunta. ¿Cómo estás? No decimos eso, decimos, ¿cómo estás? ¿Verdad? Así que tienes que entrenar a la máquina para que reconozca eso. Creo que la regla es que si hay un sonido vocálico seguido de un sonido consonántico, o algo se une o se mueve, ¿tu máquina reconoce estas pequeñas reglas?
Nick: Sí, cuando lanzamos el producto por primera vez, tuvimos todo tipo de problemas. Obviamente, cuando lanzas por primera vez sin servicio rápido, se cayó, de hecho, tuvimos tanto uso por parte del grupo en Corea que el servidor se cayó. Y la infraestructura también. Y luego, desde el punto de vista de la precisión del contenido, poder evaluar oraciones como "después del show nosotros" y "¿cómo estás?" Principalmente es un problema de datos para resolver. Pero también tienes que ser inteligente con la forma en que configuras el diccionario o el léxico para que todo funcione bien junto.
Jay: Entiendo. Está bien, solo trato de imaginar cómo se programa el sistema, porque hay reglas ahí. Y una de las reglas es, ya sabes, a veces añadimos un sonido también, añadimos estos sonidos, eliminamos sonidos, creo que los llaman aluciones, eliminaciones, técnicamente. Guau. Entonces, está bien, tienes que programar el sistema. Y no es tan simple como meter un diccionario y decir, así es como suena todo. ¿Entonces quién programó todo esto? ¿Y cómo surgió eso?
Nick: Originalmente, cuando empecé esto, vivía en China, estaba enseñando. No había hablado con mis padres en unos años, y había hablado con ellos durante unos tres o cuatro meses. Y me dijeron: Oye, queremos que consigas un trabajo normal y vuelvas a la universidad, y cosas así. Entonces hice una lista de investigadores alrededor del mundo que tenían habilidades en áreas específicas, como IA, redes neuronales profundas, lingüística computacional, y literalmente levanté el teléfono y empecé a llamar diciendo: Oye, quiero construir esto, ¿puedes ayudarme? Y encontré mucha ayuda en el MIT. Así que encontramos a algunos chicos jóvenes y bastante inteligentes allí para que nos asesoraran, y formamos un equipo para construir el producto. Bueno, tomó mucho tiempo pasar de, creo que nuestra primera demo funcional fue de cinco oraciones. Y luego el salto de cinco oraciones que funcionaban con precisión a un producto que pudiéramos escalar millones y millones de veces para millones y millones de usuarios, y también hacerlo preciso para una amplia gama de contenido con una brecha tan grande, en realidad nos llevó bastante tiempo, pero en una trayectoria ascendente agradable. En este momento, creo que acabamos de alcanzar 20 millones de llamadas API en producción, lo cual es genial. Y también estamos viendo nuestras propias pruebas automáticas de inglés y cosas así. Así que todo comenzó con una lista y muchos mensajes en LinkedIn, muchas llamadas en frío. Bastantes personas me colgaron, pero todo es parte del proceso, ¿verdad?
Jay: Guau, hombre, eso es increíble. Entonces tuvieron que colaborar entre ellos. ¿Es como si hubieras reunido a un equipo de investigadores?
Nick: Sí, formamos un equipo y encontramos algunos programadores realmente geniales aquí en Sídney, estudiando cosas como matemáticas y física, en lugares como UNSW para juntar todo y ponerlo en marcha, desde una idea hasta que realmente funcione y sea un producto real.
Jay: Increíble. Es asombroso. En realidad no conocía esa parte de la historia. Eso es genial. Y entonces ves, he tenido 20 millones de llamadas a la API. Eso significa que 20 millones de estudiantes han hecho clic en el botón, han hablado al ordenador y han recibido retroalimentación. Eso es, eso es una locura, hombre. Porque si piensas en cuántos profesores se necesitarían para dar 20 millones de comentarios verbales a un estudiante, es como que es impensable, ¿verdad?
Nick: Sí, es realmente genial. De hecho, llegamos a 10 millones muy rápido porque obviamente durante el COVID las cosas estuvieron bastante ocupadas. Pero sí, acabamos de llegar a 20 millones recientemente. Y sí, quiero decir, es realmente emocionante que en realidad estemos teniendo un impacto ayudando a los estudiantes a aprender, haciéndolo bien, haciéndolo escalable. Definitivamente hay un aspecto social en el negocio, creo que lo que estamos haciendo es un beneficio neto para la sociedad y la educación. Así que me hace. Sí, realmente emocionado y muy feliz, algo muy gratificante.
Jay: Sí, estoy de acuerdo. Creo que definitivamente hay un beneficio neto para la sociedad. Es interesante, sabes, vivimos en tiempos donde la gente es muy consciente de diferentes formas de discriminación. Y creo que estamos avanzando bien en la sociedad, y demás. Pero una forma de discriminación que creo que se pasa por alto son los acentos. La gente es extremadamente discriminatoria según el acento. Leí algo en alguna parte, era un artículo de revista, era como cuál es la forma más preferida del idioma inglés y cuál es la peor forma. Y esta es una investigación bastante terrible. Pero decían que los acentos masculinos británicos son las formas más favorecidas del inglés hablado. Y la peor era un hablante masculino vietnamita hablando inglés, debido a la interferencia de su primer idioma y a lo diferente que es la pronunciación vietnamita, que a la gente no le gusta el inglés hablado con acento vietnamita. Eso tiene sentido. Así que, sabes, esto es horrible. Y, sabes, creo que hacer cambios en torno a la discriminación, hacer que la gente sea más consciente de ello es esencial. Pero hay un papel que desempeñar con el estudiante allí. Y lo que estás haciendo es, en realidad, ayudar a las personas a hablar más claramente y a superar, sabes, esas deficiencias. Bastante interesante, ¿no?
Nick: Sí, seguro. Quiero decir, y definitivamente también he sido culpable de eso, donde me he encontrado juzgando la inteligencia de alguien por su capacidad para comunicarse verbalmente.
Jay: Sí.
Nick: Y, y eso es completamente incorrecto. Es solo algo natural y nativo, creo, donde piensas, Oh, no podemos comunicarnos, por lo tanto, no eres muy inteligente. Y para mí, cuando te das cuenta, dices, espera, esto no es correcto en absoluto. Es solo algo inherente y natural. Y definitivamente me he encontrado en esa situación antes. Pero al aprender idiomas y enseñar idiomas, entiendes que en realidad no tiene nada que ver con eso, es que la capacidad de comunicarse es realmente importante. Y eso es definitivamente parte de por qué hacemos esto y por qué pasamos por el esfuerzo. Eso es una startup y la montaña rusa de todo esto es que mi visión de cómo será esto en 10 años es que cualquier estudiante en cualquier parte del mundo con un smartphone pueda tener una lección de idioma completamente abierta y automatizada con un tutor de IA. Ahí es realmente donde veo la visión para esto y eso elimina mucho de ese prejuicio y abre muchas puertas para esos estudiantes que no pueden pagar $50 o $60 por una hora.
Jay: Sí.
Nick: Para un profesor.
Jay: Sí.
Nick: Pueden pagar $5 al mes por una lección de muy alta calidad en un teléfono que es realmente escalable.
Jay: Entonces, ¿vas a avanzar hacia o considerar la interactividad? Porque ahora mismo, y esta es una limitación de algunas pruebas de inglés que existen, es que no hay interactividad involucrada en la evaluación del habla, ellos leen en voz alta o repiten una frase o describen una imagen, etc. Creo que hay limitaciones en las pruebas de inglés que realmente tienen interactividad debido a la naturaleza del interlocutor. Pero, ¿puedes hablarme sobre cómo la confianza en el idioma podría llegar a eso con interactividad?
Nick: Sí, entonces uno de los grandes problemas técnicos que enfrentamos originalmente fue ¿cómo hacemos esto además de hacer que este producto sea escalable en términos de infraestructura? ¿Cómo hacemos que este producto pueda evaluar una amplia gama de contenido? Y esto tomó mucho tiempo para descubrir cómo hacer que el producto pueda evaluar una gama muy, muy amplia de contenido. Y lo que hicimos fue realizar experimentos, y descubrimos para cada palabra, cuánta data o conjuntos de datos necesitábamos para hacer que la IA fuera precisa. Y luego extrapolamos esa información y la hicimos precisa para las 10,000 palabras más comunes en inglés y cualquier combinación de ellas. Así que en este momento, solo puedes escribir en lenguaje de texto y obtener tu resultado de evaluación. Pero obviamente, eso sigue siendo un escenario cerrado desde el punto de vista de la evaluación y del aprendizaje. Es increíblemente importante tener preguntas creativas abiertas y retroalimentación y respuestas, preguntas y respuestas. Así que el siguiente paso para nosotros, y hemos tenido mucho interés en esto, es realmente tener una evaluación abierta. Así que ahora podemos hacer la evaluación del contenido. Una vez que sabemos qué es. Y, pero lo que necesitamos hacer primero es poder reconocer qué es eso. Así que en realidad tenemos una demo en nuestro sitio web donde puedes simplemente hablar, y luego hacemos la evaluación. Así que puedes tener una respuesta más creativa y abierta a eso. Obviamente, hay limitaciones con eso como producto. Así que, ya sabes, usar el reconocimiento de voz descifra lo que se está diciendo y luego hacemos la evaluación de cómo se dijo, todo eso se basa en qué tan preciso es el reconocimiento desde el primer paso. Así que si tienes un aprendiz temprano, o algún acento muy marcado, incluso el mejor ASR del mundo no te dará una lectura precisa de lo que realmente están tratando de decir. El contexto entra en juego. Pero en realidad creo que encontramos una forma de superar eso. Pero requiere bastante desarrollo. Así que definitivamente estamos explorando ese camino. Y en las pruebas automatizadas que hemos construido también, estamos experimentando con eso, además de tener respuestas de uno a tres minutos preguntando a los estudiantes sobre arte, el medio ambiente y preguntas al estilo IELTS.
Jay: Sí.
Nick: Y luego hacer eso como una evaluación abierta totalmente automatizada, lo cual es realmente, realmente genial. Y muy emocionante. Creo que ahí es realmente donde despegará. Y ese es nuestro nicho, nuestro enfoque es trabajar en eso. Porque sí, como dijiste, desde el punto de vista de la evaluación y del aprendizaje, es realmente importante que no sea solo leer el texto o la oración. Repetir la palabra solo puede evaluar hasta cierto punto. Pero para realmente obtener una buena medida de la habilidad lingüística de alguien, y ayudarle a aprender, es tener ese diálogo abierto con ellos.
Jay: Sí, genial. Sí. Sí. Eso es, eso es enorme. Entonces, el problema con las respuestas abiertas es realmente el contenido. ¿Es correcto?
Nick: Irónicamente, todas las otras métricas, como fluidez y porosidad, son agnósticas al contenido, así que no necesitas saber qué se está diciendo. Pero para la pronunciación, es decir, los sonidos, necesitas saber qué está tratando de decir el usuario. Y entonces puedes hacer una evaluación de qué tan bien se dice.
Jay: ¿Entonces así es como funciona? Digamos que estoy describiendo una imagen de la Torre Eiffel. Y estoy diciendo oraciones, y luego las transcribe en palabras, como un servicio de transcripción para, por ejemplo, escritura por voz. No tengo idea de cómo diablos funciona. ¿Cómo funciona?
Nick: Entonces, digamos que usamos reconocimiento de voz para descifrar lo que se dice como primer paso. Y eso te da el texto y una vez que tienes el texto, lo envías junto con el audio a nuestra API, y hacemos la evaluación y enviamos ese resultado.
Jay: Entonces, estaría mirando los sonidos, pasándolos por tu software de evaluación de pronunciación, pero también las palabras, haría una especie de mapa semántico y diría, sí, está hablando de lo que sea que diga sobre la Torre Eiffel, y luego me daría una puntuación por el contenido también. Y posiblemente incluso gramática. Bueno, se pone realmente.
Nick: Sí, ese es exactamente el plan, sí, tener seis métricas principales como la forma en que podríamos tomar cómo transmites significado y realmente cuantificarlo y ponerlo en categorías, esencialmente compartimentado. Tenemos pronunciación, porosidad, fluidez, gramática, vocabulario o recurso léxico, y luego relevancia del contenido. Así que esas seis métricas las analizamos desde la rúbrica del IELTS hasta los requisitos técnicos, qué podemos hacer, qué no podemos hacer. Y luego lo pusimos en esa cadena, donde pensamos que eso puede cambiar cómo pensamos que realmente podrás ofrecer una evaluación abierta totalmente automatizada usando esas métricas para pruebas y para el aprendizaje también.
Jay: Bien, bien. Y luego, algún día en un futuro lejano, habrá interactividad donde realmente podrás conversar. Pero eso es otro nivel, ¿no?
Nick: Tengo el plan escrito para eso. Sé exactamente cómo hacerlo. Pero es muy difícil, técnicamente. Así que sí, sucederá. Pero no por un tiempo.
Jay: ¿Has visto esa película ‘her’ cuando tienen esos pequeños auriculares y él se enamora de la… ¿Has visto esa película? Es con Joaquin Phoenix, como sea su nombre, es una película hermosa. De hecho, es una de mis películas favoritas. Y tienen esos auriculares que están en el futuro. Y él se enamora de la IA en su oído. Pero luego se da cuenta de que todos están enamorados de su IA porque tienen esas conversaciones maravillosas. Vale la pena verla. Es realmente, realmente genial. Muy bien, genial. Eso es muy interesante. Entonces, rápidamente, cuéntame sobre esta prueba que has creado.
Nick: Sí, estamos trabajando con un grupo llamado Holmes Education Group. Y básicamente, en asociación con ellos, hemos construido una prueba automatizada. DuoLingo lanzó una a mediados de COVID, creo que fue hace aproximadamente un año. Y costaba $69. Y no creo que fuera automatizada, todavía creo que había un elemento humano en la evaluación. Mientras que la nuestra es completamente automatizada. Comenzando, perdón, completamente automatizada, y para hablar y escuchar al principio. Y el caso de uso original era usarla para agilizar las solicitudes para escuelas y universidades. Pero a medida que seguimos construyendo y desarrollando esto, en realidad parece que la usaremos para el examen de ingreso real. Así que podemos automatizar ese proceso. Y nunca reemplazará al IELTS, no lo creo, pero definitivamente nos gustaría avanzar en esa dirección con la tecnología.
Jay: Guau, ¿qué habilidades evalúa?
Nick: Por el momento es solo habla y escucha, pero estamos añadiendo lectura, gramática, comprensión, etc.
Jay: Exacto. Sí, porque muchas de esas pruebas realmente descuidan el habla, como el TOEIC, por ejemplo, que hasta donde sé, era principalmente una prueba de escucha y lectura, porque evaluar el habla es caro. Normalmente requiere personas. Sé que en E2Language calificamos muchas evaluaciones de escritura y habla. Y, ya sabes, sí, todavía usamos evaluadores humanos porque para ese nivel de complejidad, como un ensayo de IELTS, no hemos encontrado ninguna IA que satisfaga a los estudiantes y los estudiantes realmente necesitan estar satisfechos porque quieren retroalimentación y explicaciones de muy alto nivel, etc. Así que sí, es, quiero decir, un mercado increíble. Si entras ahí y lo logras, sería realmente algo extraordinario.
Nick: Definitivamente es difícil. Pero creo que estamos en el camino correcto.
Jay: Sí, creo que con problemas grandes como este, solo tienes que ir resolviéndolos poco a poco. ¿No tienes que tener una idea y resolver pequeños problemas hasta resolver el problema grande? Bueno, quiero decir, estamos tratando de resolver el gran problema de enseñar inglés en una computadora. Y descubrir cómo hacerlo. Llevo un tiempo, he estado mirando cosas durante 10 años, y todavía estoy cambiando de opinión y aún no he descubierto cómo enseñar gramática. Eso es, no sé cómo enseñar gramática, hombre, he pasado por tantas formas diferentes, ya sabes, he ido de un lado a otro y luego de vuelta a este lado. Y finalmente, creo que me he rendido y tal vez estoy cerca, cerca ahora que me he rendido. Perdón, continúa.
Nick: Quería decir que tiene mucho sentido, ¿verdad? Porque creo que en mandarín es algo así como “kàn shénme?” Y eso es ‘¿Tú miras qué?’ no ‘¿Qué estás mirando?’ Y creo que los alemanes, franceses y todos los idiomas basados en latín son algo similares en la estructura del lenguaje, ¿es el inglés el único que tiene esa estructura? ¿Es correcto?
Jay: No sé si has visto en Google Imágenes, que es fascinante. Un mapa de morfemas, si escribes morpheme map, lo que hace es poner la oración en inglés en la parte inferior. ‘What are you looking at’, y pondrá la oración en chino mandarín en la parte superior. Y realmente dibuja una línea para mostrar el orden de las palabras. Y algunas son radicalmente diferentes. Quiero decir, eso es solo el orden de las palabras. Ni hablar de cómo funcionan los verbos. ¿Y cómo indican el tiempo y la gramática? Encuentro la gramática totalmente fascinante. Pero parece irresoluble, sí. Genial, Nick, ¿cómo pueden las personas contactarte y saber más sobre language confidence?
Nick: Visita nuestro sitio web. languageconfidence.ai. O envíame un correo a [email protected]. Sí, las demos están en el sitio web, pruébalas. Y déjanos cualquier comentario. Siempre estoy buscando socios para mejorar el producto. Así es como trabajamos con nuestros socios. Es una relación realmente colaborativa. Creo que pasamos bastante tiempo con nuestro CTO en Melbourne, definiendo el producto y el mejor caso de uso y cómo usar esto y cosas así. Así que sí, ponte en contacto. Nos encantaría saber de ti.
Jay: Mira, ha hecho una gran diferencia en nuestra plataforma E2school, porque el curso de pronunciación, quiero decir, si tuviéramos dos opciones, o no darles retroalimentación, o pagar a un profesor, en cuyo caso el costo del curso se dispararía y nadie lo usaría. Así que lo que hemos podido hacer con language confidence es proporcionar mucha retroalimentación al estudiante. Y creo que el costo es de $19 por tres meses o algo así. Así que sí, es una herramienta muy valiosa para nosotros. Y sí, nuestros estudiantes la están usando, lo cual es genial.
Nick: Sí, eso es increíble. Y sí, realmente disfruté trabajar con ustedes también. Ha sido muy divertido, y espero muchos años más de esto.
Jay: Sí, absolutamente. Seguiremos expandiéndonos y veremos a dónde llegamos. Genial. Muchas gracias por acompañarme hoy, Nick.
Nick: Gracias por invitarme. Lo aprecio mucho.
Orador: Gracias por escuchar E2 Talks. Recuerda consultar e2language.com por los cursos de PTE, IELTS, OET y TOEFL y si necesitas ayuda con el aprendizaje general del idioma inglés, consulta e2school.com. Gracias