Episódio 20 com Jay & Nick
Palestrante: Bem-vindo ao E2Talks. É um podcast onde conversamos sobre o cenário da língua inglesa. Neste podcast, Jay está acompanhado por Nick Jenkins, o fundador do Language Confidence – um produto de software como serviço movido a IA que oferece aos alunos feedback corretivo automático sobre sua pronúncia. Nesta conversa, Jay e Nick falam sobre pronúncia de forma ampla e, mais especificamente, como a IA pode ajudar os alunos a desenvolver melhores hábitos de fala. Eles falam sobre as origens do Language Confidence, o que ele pode fazer atualmente e o que poderá fazer em um futuro próximo. Também abordam muitos outros tópicos pertinentes ao ensino, aprendizado e tecnologia da pronúncia. Ouça!
Jay: Olá, Nick, como vai?
Nick: Na verdade, estou indo muito bem. Considerando tudo no momento. Então, sim, muito bem e você?
Jay: Sim. Bem, onde exatamente no mundo você está?
Nick: Atualmente na linda Sydney, agora em um escritório compartilhado no Chinatown chamado Haymarket HQ.
Jay: Legal. Bacana. Então Nick, você pode nos contar um pouco sobre você e como surgiu o Language Confidence?
Nick: Sim. A versão curta é que esta é minha terceira startup. A primeira que tive, vendi quando tinha 21 anos. A segunda foi no nosso ramo, o espaço de educação online. E falhou de forma bastante espetacular. Acho que fizemos praticamente tudo errado que podíamos. Então, como um app online, era um aplicativo para ensinar crianças a falar inglês e simplesmente entregar conteúdo para elas. E isso nos levou à China. Passei quase três anos na China. E obviamente, quando o negócio acabou, eu precisava de algo para fazer. Então eu estava ensinando inglês quando obtive minha qualificação de professor de T cell. E enquanto eu ensinava, tive essa ideia. Pensei, Ei, sabe, ao olhar para o que aprendemos no espaço dos apps, olhando para seus Babbles e DuoLingos do mundo. Nenhum deles realmente oferece aos alunos um feedback de qualidade para sua fala. Na verdade, fizemos um vídeo muito bom onde comparamos nosso produto com alguns dos nomes maiores do mercado, como Rosetta Stone e Babbel, e mostramos o quanto a tecnologia que construímos é mais precisa. Então, sim, eu queria ser capaz de emular o que posso fazer como professor, mas totalmente automatizado. Para melhorar a experiência de aprendizado como um todo e realmente focar no inglês falado.
Jay: Legal, interessante. Eu acho que até na sala de aula a pronúncia é um tema negligenciado. Uma das razões é que é difícil, se você tem uma sala com 35 alunos, dar um feedback individualizado para cada um. É basicamente impossível se a aula dura uma hora, o que significa que os alunos recebem dois minutos do professor. Isso é algo que você já pensou?
Nick: Sim, é exatamente isso que eu queria fazer. Quando eu ensinava, pedia para meus alunos falarem algo. E, como ser humano individualmente, eu conseguia identificar onde eles erravam. E, um a um, dizia, ok, você errou aqui. E ele me ouvia, me observava. E então tentávamos de novo, com palavras diferentes, os mesmos sons, conteúdos diferentes, contextos diferentes, etc. E isso não dá para escalar, sabe, acho que as menores turmas que tive na China tinham dois alunos, e mesmo assim tentar dar atenção individual é realmente difícil. Então, sim, eu queria criar algo realmente escalável, para que você possa ter essa experiência em casa.
Jay: Ótimo. Então, você pode nos contar um pouco sobre confiança na língua, o que é, como funciona e por que realmente melhora as habilidades de pronúncia das pessoas?
Nick: Sim, sim, com certeza. Então, é uma empresa de AI SaaS, eu acho que você chamaria assim. Nós fornecemos um produto chamado LCAT. E o LCAT é semelhante ao reconhecimento de fala. Mas em vez de decifrar o que está sendo dito, fazemos uma avaliação de quão bem isso está sendo dito. Um exemplo bem simples é em um app ou plataforma como o E2school, você pede aos alunos para dizer uma palavra específica, eles gravam a entrada que é enviada para o nosso back-end, fazemos uma avaliação e enviamos os resultados da avaliação de volta. E como a avaliação realmente funciona é que damos muita quantidade de dados de falantes nativos para a IA, treinamos para que a IA aprenda o que é nativo ou bom, mais ou menos, e quando você envia esse áudio, retornamos com a pontuação. E essa pontuação é o quão próximo de um falante nativo a IA acha que você está.
Jay: Entendi. Então, quando estou praticando minha pronúncia no DuoLingo, por exemplo, e eu já brinquei com esse app, ele só me diz que sou compreensível. Tipo, faz ‘Ba-ching’ e me dá um sinal verde. Sim, você disse certo. Mas ao dizer certo, eu posso ter pronunciado alguns sons incorretamente ou pronunciado mal certas coisas. No entanto, ele não me diz isso. Então, essa é uma grande diferença entre o que você faz e, digamos, o DuoLingo?
Nick: Sim, com certeza. Então, grandes grupos como DuoLingo e Babbel no mundo usam o reconhecimento de fala no dispositivo. Então, é o Siri, o Nuance ou o reconhecimento de fala do Google que vem nos iPhones ou Androids. E tudo o que isso faz é dar um aprovado ou reprovado ou mostrar um tique verde, e no vídeo que fizemos, eu usei uma dessas plataformas e na verdade disse a palavra errada e ainda assim passei no teste. Você recebe o tique verde. Acho que eles estavam me pedindo para dizer água mineral, e eu disse ‘minieral wasa’, e ainda assim recebi o tique verde, passei e continuei. Já no nosso sistema, aparece algo como: Ei, você acertou tudo isso, mas errou aqui e aqui. Então, o próximo passo é criar um cenário de aprendizado personalizado, um ciclo de feedback adequado, o primeiro passo é apenas identificar onde erramos.
Jay: Legal, legal, pode valer a pena dar um passo atrás aqui e falar um pouco sobre o que realmente é a pronúncia. E é uma característica muito estranha da linguagem porque é muito anatômica, você sabe, realmente envolve a língua, os lábios, a garganta e o céu da boca, é muito estranho quando você está, é meio que, há um aspecto cognitivo nisso, obviamente. Mas é muito uma coisa muscular e de partes do corpo, o que é bem estranho. Então, meu entendimento de pronúncia é esse tipo de coisa, eu vejo como tendo três partes. Uma parte são os sons, os sons individuais, ou seja, os fonemas. Então os sons das vogais, vogais curtas ‘a,’ ‘e,’ ‘i,’ ‘o,’ ou vogais longas, vogais combinadas como “ay”, por exemplo, depois você tem os sons das consoantes, ‘p,’ ‘d,’ ‘k,’ ‘m,’ que na verdade usam uma parte da sua boca. Enquanto uma vogal não usa realmente uma parte da sua boca, você está fazendo um som, basicamente da caixa vocal, mas ele não é impedido pela língua ou pelos lábios, etc. Então você tem todos esses, você tem sons individuais, depois você tem grupos de consoantes. E uma das pesquisadoras que temos aqui na E2Language fez um estudo, ela pesquisou a literatura sobre grupos de consoantes em inglês. E ela estava tentando encontrar um corpus ou basicamente descobrir o que são e quantos grupos de consoantes existem no inglês. E ela não conseguiu encontrar, encontrou opiniões diferentes e algumas literaturas dos anos 1980, etc. Então ela fez um estudo completo por conta própria e determinou que existem 146 grupos de consoantes no inglês, o que é realmente interessante, é muito bom saber disso porque é finito. Então você tem 44 sons individuais, depois você tem 146 grupos de consoantes. Grupos de consoantes são quando você tem duas ou mais consoantes que se juntam, como ‘p’ e ‘r’ para formar ‘pr’, ou ‘s’ e ‘l’ para formar ‘sl’ como em ‘slip’, por exemplo, o que é muito problemático, como você deve saber na China, muitos asiáticos do leste, coreanos, japoneses, etc., gostam de colocar uma vogal entre essas duas consoantes. E então a terceira parte da pronúncia não é tanto os sons que estamos fazendo, mas a entrega da fala em termos de ritmo, pausas, fala conectada, etc. Então agora, onde a confiança na linguagem ajuda nesses aspectos da pronúncia?
Nick: Sim, então veja, no geral o inglês é realmente ilógico. Quero dizer, acho que há 12 maneiras diferentes de fazer ‘sh’. Então diferentes combinações de grafemas para fazer o som ‘sh’. Não me cite nisso, tenho que verificar. Então é realmente uma língua bastante difícil. E ele disse que há 44 sons no Alfabeto Fonético Internacional oficial. E acho que isso existe desde, acho, os anos 1890, foi um grupo francês que o criou originalmente. Novamente, não me cite nisso, tenho que verificar. E há na verdade outro sistema de codificação chamado arpabet, que é tradicionalmente usado para fins de reconhecimento de fala, não para fins de aprendizado de línguas.
Jay: Desculpa, como isso se chama?
Nick: Aquele Arpabet? A-R-P-A-B-E-T, acho. Acho que vem da Carnegie Mellon University. Então foi um sistema de codificação que eles criaram paralelamente ao IPA para reconhecimento de fala. Então, mais para fins orientados a computador, como reconhecimento de fala,
Jay: Ok.
Nick: Acho que onde estamos e onde estamos focando é exatamente qual é a avaliação da pronúncia em relação a um falante nativo. E a ideia é que um falante nativo, baseado no seu sotaque, vai dizer cada palavra de uma maneira particular, e você tem diferenças nisso e acho que o ‘tomato’ ‘tomatoe’ é um ótimo exemplo disso. E acho que, você sabe, os diferentes sotaques, há 107 fundos com todas as diferentes variantes.
Jay: Oh, interessante.
Nick: E eu já vi até outros alfabetos fonéticos para os quais eles se direcionam, acho que já vi um com 39 sons e é uma mistura realmente complicada, mas estamos focando apenas no Alfabeto Fonético Internacional, os 44 sons do inglês. Isso parece ser a referência mais comum e mais procurada para aprender a falar inglês. E atualmente estamos focando apenas na pronúncia. Mas avançando um pouco mais, e acho que você tocou nisso no seu terceiro ponto, é olhar para outros aspectos do inglês falado que os aprendizes realmente levaram um tempo para quantificar o que eram. Então você tem a pronúncia, que são os sons que você está tentando dizer, e esse é realmente o principal critério. Se você errar completamente os sons, o significado não é transmitido de forma alguma. Então você tem que acertar pelo menos uma certa porcentagem dos sons para conseguir transmitir algum significado. E a partir daí, adicionando a isso, está, você sabe, sua fluência, porosidade, gramática, recurso lexical e depois relevância do conteúdo. Então, essencialmente, tentamos começar com a pronúncia, que na verdade é o problema mais difícil de resolver tecnicamente. E levou um tempo, mas finalmente chegamos lá. E então passar para outras métricas como fluência é o nosso próximo passo.
Jay: Sim, eu realmente gosto dessa confiança linguística, porque usamos isso no E2School, no nosso curso de pronúncia. E é ótimo porque fazemos o aluno praticar um som individual específico ou um grupo consonantal, e depois fazemos eles repetirem uma frase ou apenas uma palavra, etc. E eles falam no computador, e ele quase imediatamente devolve uma resposta em porcentagem, tipo uma pontuação, mas muito melhor do que isso é que quando eles clicam, eles podem realmente ver qual fonema específico estão pronunciando errado. O que é. Quero dizer, isso é extremamente útil. Porque eles ou não estavam cientes disso, ou talvez estivessem cientes. Mas agora eles estão muito conscientes de que Ok, eu preciso tentar aquele som de ‘p’ de novo, e não fazer parecer um som de ‘b’. Então há esse elemento aí. O que os alunos devem fazer então? Ou o que você sugere que os alunos façam uma vez que eles descobriram que estão tendo dificuldade com o som de ‘p’, por exemplo.
Nick: Então, eu acho que, vindo de um ponto de vista de ensino, o que eu sempre tentei fazer com os alunos foi identificar de forma gentil e dizer, Ei, isso não estava muito certo. E nós dávamos mais conteúdo, talvez em um contexto diferente para praticar. Então você errou esse som. Como um humano, como um falante nativo, aqui você pode ouvir que você errou aqui, e então eu posso dizer, ok, qual é outra palavra que podemos praticar que contenha esse mesmo som, para que você possa praticar em um contexto diferente, em contextos diferentes, conteúdo diferente, frase diferente. E é isso que tentamos fazer. Então o primeiro passo do nosso caso é identificar onde eles erraram. E então, seguindo em frente, ser capaz de oferecer algumas sugestões. Então sugestões corretivas, e depois bons ou corretos exemplos disso. Então, se eles erram o som do R ou L ou ‘dz’. Uma palavra com a qual meus alunos costumavam ter dificuldade era ‘casual’. E outra palavra que eu costumava escolher era ‘usual’, e colocávamos isso em frases diferentes, fazíamos eles praticarem novamente. Então essa é a ideia, que com o LCAT, ele é capaz de emular o que um professor pode fazer ao identificar onde você errou. E então os alunos podem ver isso, ouvir o bom exemplo. E realmente tentar de novo. E continuar praticando até conseguirem acertar.
Jay: Sim, realmente é. Eu tenho brincado com a língua persa e tentando fazer aquele som “kh”, ‘khubi’ “khubam”. E eu achei que é bem divertido. Ou é uma boa ideia como professor de idiomas fazer isso, falar, começar a dizer alguns sons em outra língua que você simplesmente não tem na sua primeira língua e sentir o quão desconfortável e estranho é, e então tentar fazer com que pareça, sabe, normal, padrão para fazer isso. Isso é interessante.
Nick: Concordo totalmente, quando eu estava aprendendo mandarim, os sons que existem no mandarim que, como falante nativo de inglês, você nunca aprendeu. Então foi realmente difícil, especialmente como adulto, praticar esses sons específicos.
Jay: Sim, sim. Isso mesmo. Quero dizer, a coisa boa quando você aprende outro idioma é que, sabe, um número de, digamos, existem 44 sons, sabe, eu acho que no árabe eles têm 38 deles. E eles não têm — não vou fazer a conta — seis desses sons que simplesmente não existem, então eles precisam praticar esses. Então, acho que parte da literatura que é realmente útil aí é a literatura sobre interferência da primeira língua. O que fizemos na E2school é que temos todos os sons lá. No entanto, temos essa pequena ferramenta que seleciona o conteúdo. Então eu entro e digo que sou falante de árabe, e aí ela me diz quais fonemas específicos eu preciso trabalhar porque não preciso fazer todos. Também existe literatura sobre isso para gramática, que em algum momento vamos abordar também. Mas sim, isso é algo interessante. Vou mudar um pouco o assunto aqui para falar menos sobre as tecnicalidades da pronúncia e mais sobre, eu me interesso pelo elemento social da pronúncia e por que alguém gostaria de melhorar a pronúncia. Tenho algumas ideias, mas gostaria de ouvir o que você tem a dizer sobre isso. Tipo, por que, se eu vou conseguir um emprego no Reino Unido, ou por qualquer outro motivo, eu quero ter uma pronúncia clara.
Nick: Acho que como tema geral, pronúncia é basicamente quando na linguagem falada ou no inglês falado, se sua pronúncia estiver completamente errada, não importa quão precisa seja sua gramática, vocabulário ou fluência, você não consegue realmente transmitir o que está tentando dizer. Então, se seus sons estiverem errados, e posso estar errado academicamente aqui, mas pela minha experiência em ensinar e aprender outras línguas, se sua pronúncia estiver errada, você não consegue transmitir nenhum significado. E as pessoas aprendem a falar outras línguas por uma ampla variedade de razões. Acho que, obviamente, sendo um grupo de preparação para testes, você entende que há um mercado enorme para pessoas que querem fazer testes reconhecidos, como PTE, IELTS, TOEFL, etc. Tem muitas pessoas que querem fazer isso por diversão também. Elas realmente gostam de aprender línguas, os poliglotas do mundo. E então tem pessoas que querem fazer coisas como viajar, e viajar para um país diferente e poder dizer, Onde fica o banheiro? Ou quanto custa isso? E essas coisas que você aprende, que são realmente básicas, como quando eu me mudei para a China, eu não sabia, não falava mandarim. E me perdi horrivelmente algumas vezes. Então foi muito útil poder dizer, Vá em frente e vire à direita, pare aqui. Então sim, esse é realmente o, acho que o acadêmico é um dos maiores, estudar no exterior, por diversão, por viagem, coisas assim. E esse é realmente o núcleo da linguagem falada, de realmente transmitir qualquer significado e ser capaz de se comunicar com alguém.
Jay: Isso mesmo. Sim. Mas sim, ser entendido. E você mencionou antes sobre grafemas e fonemas. Você pode explicar para mim ou para o público, o que é um grafema? O que é um fonema? E qual é a relação entre os dois? Porque eu sei que em inglês, a relação muitas vezes não é tão clara.
Nick: Sim. Então. E de novo, eu não sou linguista nem médico, mas tenho um tipo de formação em tecnologia. Mas o próprio inglês é formado por uma mistura de várias línguas diferentes, latim, alemão, francês, tudo isso. E então grafemas são nosso alfabeto. O alfabeto de 26 letras, e fonemas são os sons e o alfabeto fonético, mas obviamente as 26 letras e 44 sons não vão corresponder. E acho que um exemplo que mencionei antes foi que você pode fazer o som ‘sh’ de 12 maneiras diferentes em inglês. Então 12 combinações diferentes de grafemas fazem o som de “shirt” uma vez. É
Jay: Então não é só ‘sh’.
Nick: Não.
Jay: Certo. Entendi. Esse ‘ss’ e ‘zh’, e tem
Nick: ‘ti’
Jay: e ‘ti’.
Nick: Sim. Sim. Então, é tipo, não faz sentido. Não é muito lógico, mas existe. E, sabe, é comunicação. Então é uma língua difícil. Então essa é a relação, eles não se alinham. Mas há regras mais gerais que explicam a maioria dos casos, mas não há uma regra clara para todos eles.
Jay: Acho que isso é extremamente frustrante para pessoas que estão estudando em seus países como China ou Coreia do Sul. Eles aprendem inglês de livro didático. Isso é o que eu ensinei na Coreia do Sul por alguns anos. E, sabe, eu tenho que dizer que a língua coreana é fascinante porque eles realmente têm, acho que chamam de ortografia perfeita, o que significa que a relação entre escrita e som é basicamente um para um. Não há exceções. Mas como você disse, em inglês, a relação entre escrita e som é radicalmente diferente porque comunicação ‘ti’ e o que acontece com os estudantes coreanos é que eles aprendem esses textos e a gramática, etc., depois chegam na Austrália ou nos EUA, e de repente, eles ficam tipo, o que todo mundo está dizendo? Eu estudei inglês por 12 anos e não consigo entender ninguém nessas coisas loucas, tipo, uma das coisas que fazemos em inglês é se o que você quer fazer neste fim de semana. Whatchya, o que ‘dz’. O que você quer fazer? Whatcha. Então esses tipos loucos de fusões e coisas assim.
Nick: E isso prova ser um problema técnico real também. Tipo, tivemos alguns problemas reais quando você pode juntar dois sons que são iguais. Então, se você diz depois do show, nós, como falante nativo, você diz depois do show nós, você concatena, junta esses sons das palavras. E a IA procura os dois sons porque é baseada no nosso dicionário, nosso léxico, ela diz, ei, tem dois sons. E mesmo que você obtenha uma boa pontuação para um dos sons, ela vai te dar uma pontuação menor para o segundo som, mesmo que, como falante nativo, você simplesmente juntou eles. Sim. Então isso cria muitos problemas técnicos, mesmo quando você tem um falante nativo tentando acertar tudo isso. Do ponto de vista da imprecisão do produto?
Jay: Bem, sim, é realmente confuso, não é? Tipo, até a pergunta? Como você está? A gente não fala isso, a gente fala, como você tá? Certo? Então você tem que treinar a máquina para reconhecer isso. Eu acho que a regra é que se há um som de vogal seguido por um som de consoante, ou algo é juntado, ou movido, para que sua máquina reconheça essas pequenas regras?
Nick: Sim, quando lançamos o produto pela primeira vez, tivemos todo tipo de problema. Obviamente, quando você lança pela primeira vez sem serviço rápido, ele travou, na verdade, tivemos tanto uso do grupo na Coreia que o servidor travou. E meio que a infraestrutura. Sim. E então, do ponto de vista da precisão do conteúdo, ser capaz de avaliar frases como "depois do show nós" e "como você está?" E é principalmente um problema de dados para resolver. Mas você também tem que ser esperto com a forma como configura o dicionário ou o léxico para fazer tudo funcionar bem junto.
Jay: Entendi. Ok, estou tentando imaginar como o sistema é programado, porque existem regras. E uma das regras é, sabe, às vezes adicionamos um som também, adicionamos esses sons, deletamos sons, acho que eles chamam isso de alusão, deleção, tecnicamente. Uau. Então, ok, você tem que programar o sistema. E não é tão simples quanto colocar um dicionário e dizer, é assim que tudo soa? Então, quem realmente programou tudo isso? E como isso aconteceu?
Nick: Então, originalmente, quando comecei isso, eu estava morando na China, eu estava ensinando. Eu não falava com meus pais há alguns anos, e tinha falado com eles por cerca de três ou quatro meses. E eles disseram: Ei, queremos que você arrume um emprego normal e volte para a universidade, e coisas assim. E eu montei uma lista de pesquisadores ao redor do mundo que tinham habilidades em áreas específicas, como IA, redes neurais profundas, linguística computacional, e literalmente peguei o telefone e comecei a ligar dizendo: Ei, quero construir isso, você pode me ajudar? E encontrei muita ajuda no MIT. Então encontramos alguns jovens bem espertos lá para nos aconselhar, e formamos uma equipe para realmente construir o produto. Bem, levou muito tempo para passar do que eu acho que foi nossa primeira demonstração funcional com cinco frases. E então o salto de cinco frases que funcionavam com precisão para um produto que pudéssemos escalar milhões e milhões de vezes para milhões, milhões de usuários, e também torná-lo preciso para uma ampla variedade de conteúdos com uma diferença tão grande, na verdade, levou um bom tempo, mas numa trajetória ascendente legal. No momento, acho que acabamos de atingir 20 milhões de chamadas de API em produção, o que é muito legal. E também olhando para nossos próprios testes automatizados de inglês e coisas assim. Então, tudo começou com uma lista e muitas mensagens no LinkedIn, muitas ligações frias. Bastantes pessoas desligaram na minha cara, mas faz parte, né.
Jay: Uau, cara, isso é incrível. Então eles tiveram que colaborar entre si. É como se você tivesse reunido uma equipe de pesquisadores?
Nick: Sim, montamos uma equipe e encontramos alguns programadores realmente ótimos aqui em Sydney, estudando coisas como matemática e física, em lugares como a UNSW, para juntar tudo e fazer funcionar, de uma ideia para realmente um produto funcionando.
Jay: Caramba. É incrível. Eu na verdade não sabia dessa parte da história. Que legal. E então você vê, eu tive 20 milhões de chamadas de API. Isso significa que 20 milhões de alunos clicaram no botão, falaram para o computador e receberam feedback. Isso é, isso é insano, cara. Porque se você pensar em quantos professores seriam necessários para dar 20 milhões de feedbacks verbais para um aluno, é tipo, é impensável, né?
Nick: Sim, é muito legal. Na verdade, chegamos a 10 milhões muito rápido porque, obviamente, durante a COVID as coisas ficaram bem movimentadas. Mas sim, acabamos de chegar a 20 milhões recentemente. E sim, quero dizer, é realmente empolgante que estamos realmente tendo um impacto ajudando os alunos a aprenderem, fazendo isso bem, tornando escalável. Definitivamente há um aspecto social no negócio, acho que o que estamos fazendo é um benefício líquido para a sociedade e para a educação. Então isso me deixa. Sim, muito animado e muito feliz, meio que muito gratificante.
Jay: Sim, eu concordo. Acho que definitivamente há um benefício líquido para a sociedade. É interessante, sabe, vivemos em tempos em que as pessoas estão muito conscientes sobre diferentes formas de discriminação. E acho que estamos progredindo bem na sociedade, e tal. Mas uma forma de discriminação que eu acho que é negligenciada são os sotaques. As pessoas são extremamente discriminatórias com base no sotaque. Eu li algo em algum lugar, tipo um artigo de revista, que dizia qual é a forma mais preferida da língua inglesa e qual é a pior forma. E essa pesquisa é meio terrível. Mas eles dizem que sotaques masculinos britânicos são as formas mais favorecidas do inglês falado. E a pior era o inglês falado por homens vietnamitas, por causa da interferência da primeira língua deles e de como a pronúncia vietnamita é diferente, que as pessoas não gostam do inglês falado por vietnamitas. Isso faz sentido. Então, sabe, isso é horrível. E, sabe, acho que fazer mudanças em relação à discriminação, tornar as pessoas mais conscientes disso é essencial. Mas há um papel a ser desempenhado pelo aluno ali. E o que você está fazendo é, na verdade, ajudar as pessoas a falarem mais claramente e a superar, sabe, essas deficiências? Bem interessante, não é?
Nick: Sim, com certeza. Quero dizer, eu também já fui culpado disso, onde me peguei julgando a inteligência de alguém pela capacidade de se comunicar verbalmente.
Jay: Sim.
Nick: E, e isso é completamente incorreto. É apenas uma coisa natural nativa, eu acho, onde você pensa, Ah, não conseguimos nos comunicar, portanto, você não é muito inteligente. E para mim, quando você percebe isso, você pensa, espera, isso não está correto de jeito nenhum. É apenas uma coisa natural inerente. E definitivamente já me encontrei nessa situação antes. Mas aprendendo e ensinando idiomas, você entende que na verdade não tem nada a ver com isso, é que a habilidade de se comunicar é realmente importante. E isso é definitivamente parte do motivo pelo qual fazemos isso e enfrentamos as dificuldades. Isso é uma startup e a montanha-russa de tudo isso é que me dá, minha visão para como isso será em 10 anos é que qualquer estudante em qualquer lugar do mundo, em um smartphone, pode ter uma aula de idioma totalmente aberta e automatizada com um tutor de IA. É realmente aí que vejo a visão para isso e isso elimina muito desse preconceito e abre muitas portas para esses alunos também que não podem pagar $50, $60 por uma hora.
Jay: Sim.
Nick: Para um professor.
Jay: Sim.
Nick: É que eles podem pagar $5 por mês por uma aula de alta qualidade em um telefone que é realmente escalável.
Jay: Então, você vai se envolver ou olhar para a interatividade? Porque agora, e essa é uma limitação de alguns testes de inglês por aí, não há interatividade envolvida na avaliação da fala, eles leem em voz alta ou repetem uma frase ou descrevem uma imagem, etc. Acho que há limitações nos testes de inglês que realmente têm interatividade por causa da natureza do interlocutor. Mas você pode me falar sobre como a confiança no idioma pode chegar lá com a interatividade?
Nick: Sim, então um dos grandes problemas técnicos que enfrentamos originalmente foi como fazer isso além de tornar esse produto escalável em termos de infraestrutura? Como fazer esse produto capaz de avaliar uma ampla gama de conteúdos. E isso levou muito tempo para descobrir como fazer o produto capaz de avaliar uma gama muito, muito ampla de conteúdos. E o que fizemos foi realizar experimentos, e descobrimos para cada palavra, quanta quantidade de dados ou conjuntos de dados precisávamos para tornar a IA precisa. E então extrapolamos essa informação e tornamos precisa para as 10.000 palavras mais comuns em inglês e qualquer combinação delas. Então, no momento, você pode simplesmente digitar o texto e obter seu resultado de avaliação. Mas obviamente, isso ainda é um cenário fechado do ponto de vista de testes e aprendizado. É incrivelmente importante ter perguntas criativas abertas e feedback, perguntas e respostas. Então o próximo passo para nós, e já tivemos muito interesse nisso, é realmente ter uma avaliação aberta. Então agora podemos fazer a avaliação do conteúdo. Uma vez que sabemos o que é. E, mas o que precisamos fazer primeiro é ser capazes de reconhecer o que é. Então, na verdade, temos uma demonstração em nosso site onde você pode simplesmente falar, e então fazemos a avaliação. Assim, você pode ter uma resposta mais criativa e aberta para isso. Obviamente, há limitações nisso como produto. Então, você sabe, usar o reconhecimento de fala para decifrar o que está sendo dito, e então fazemos a avaliação de como foi dito, tudo isso depende de quão preciso é o reconhecimento desde o primeiro passo. Então, se você tem um aprendiz iniciante, ou algum sotaque forte, mesmo o melhor ASR do mundo não vai te dar uma leitura precisa do que eles estão realmente tentando dizer. O contexto entra nisso. Mas na verdade acho que encontramos uma solução para isso. Mas requer bastante desenvolvimento. Então definitivamente estamos seguindo por esse caminho. E nos testes automatizados que construímos também, estamos experimentando isso, além de ter respostas de um a três minutos perguntando aos alunos sobre arte, meio ambiente e perguntas no estilo IELTS.
Jay: Sim.
Nick: E fazer isso como uma avaliação totalmente automatizada de respostas abertas, o que é realmente muito legal. E muito empolgante. Acho que é aí que realmente vamos decolar. E esse é o nosso nicho, nosso foco é trabalhar nisso. Porque sim, como você disse, do ponto de vista de testes e do aprendizado, é muito importante que não seja apenas ler o texto ou a frase. Repetir a palavra que só pode avaliar até certo ponto. Mas realmente obter uma boa medida da habilidade linguística de alguém, e ajudá-los a aprender, é ter esse diálogo aberto com eles.
Jay: Sim, legal. Sim. Isso é, isso é enorme. Então o problema com respostas abertas é realmente o conteúdo. Está correto?
Nick: Ironia das ironias, todas as outras métricas, como fluência e porosidade, são agnósticas ao conteúdo, então você não precisa saber o que está sendo dito. Mas para pronúncia, ou seja, os sons, você precisa saber o que o usuário está tentando dizer. E então você pode fazer uma avaliação de quão bem isso foi dito.
Jay: Então é assim que funciona? Digamos que eu esteja descrevendo uma foto da Torre Eiffel. E então estou dizendo frases, e ele está transcrevendo em palavras, como um serviço de transcrição para digitação por voz, por exemplo. Eu não faço ideia de como diabos isso funciona. Como funciona?
Nick: Então, digamos que usamos reconhecimento de voz para decifrar o que está sendo dito como o primeiro passo. E isso te dá o texto e, uma vez que você tem o texto, você envia isso junto com o áudio para nossa API, e fazemos a avaliação e enviamos o resultado de volta.
Jay: Ok, então está olhando para os sons, passando pelo seu software de avaliação de pronúncia, mas também para as palavras, fazendo uma espécie de mapa semântico e dizendo, sim, ele está falando sobre o que eu disse sobre a Torre Eiffel, e então me dando uma pontuação para o conteúdo também. E possivelmente até para a gramática. Bem, isso fica realmente...
Nick: Sim, esse é exatamente o plano, sim, ter seis métricas principais como uma forma de medir como você transmite significado e realmente quantificar isso e colocar em categorias, essencialmente compartimentalizadas. Temos pronúncia, porosidade, fluência, gramática, vocabulário ou recurso lexical, e então relevância do conteúdo. Essas seis métricas, nós nos sentamos e analisamos tudo, desde o critério do IELTS até requisitos técnicos, o que podemos fazer, o que não podemos fazer? E então colocamos isso nesse processo, onde pensamos que isso pode mudar a forma como você realmente entrega uma avaliação aberta totalmente automatizada usando essas métricas para teste e também para aprendizado.
Jay: Legal, legal. E então, um dia, no futuro distante, haverá interatividade onde você realmente poderá conversar. Mas isso é um jogo totalmente diferente, não é?
Nick: Eu tenho o plano para isso escrito. Sei exatamente como fazer. Mas é muito difícil, tecnicamente. Então sim, vai acontecer. Mas não por um tempo.
Jay: Foi quando você viu aquele filme ‘Ela’ em que eles têm aqueles pequenos fones de ouvido e ele se apaixona pela... Você já viu esse filme? É com Jaoquin Phoenix, seja lá qual for o nome dele, é um filme lindo. Na verdade, é um dos meus filmes favoritos. E eles têm esses fones que ficam no futuro. E ele se apaixona pela IA no seu ouvido. Mas então ele percebe que todo mundo está apaixonado pela sua IA porque eles têm essas conversas maravilhosas. Vale a pena assistir. É realmente, é realmente legal. Certo, legal. Isso é realmente interessante. Então, rapidamente, me conte sobre esse teste que você criou.
Nick: Sim, estamos trabalhando com um grupo chamado Holmes Education Group. E estamos usando basicamente, em parceria com eles, construímos um teste automatizado. O DuoLingo lançou um no meio da COVID, acho que foi há cerca de um ano. E custava 69 dólares. E eu não acho que era totalmente automatizado, ainda acho que havia um elemento humano na avaliação. Enquanto o nosso é totalmente automatizado. Começando, desculpa, totalmente automatizado, e para fala e escuta para começar. E o uso original era para agilizar inscrições em escolas e universidades. Mas conforme continuamos construindo e desenvolvendo isso, na verdade parece que vamos usá-lo para o exame de entrada real. Assim podemos automatizar esse processo. E acho que nunca vai substituir o IELTS, mas definitivamente queremos avançar nessa direção com a tecnologia.
Jay: Uau, que habilidades ele testa?
Nick: No momento é só fala e escuta, mas estamos adicionando leitura, gramática, compreensão, etc.
Jay: Certo. Sim, porque muitos desses testes realmente negligenciam a fala, como o TOEIC, por exemplo, que pelo que eu sei, é muito focado em escuta e leitura, porque avaliar a fala é caro. Normalmente requer pessoas. Eu sei que na E2Language, avaliamos muitas redações e avaliações orais. E, sabe, ainda usamos avaliadores humanos porque para esse nível de complexidade, como uma redação do IELTS, não encontramos nenhuma IA que satisfaça os alunos, e os alunos realmente precisam ficar satisfeitos porque querem um feedback e explicações de alto nível, etc. Então, sim, é um mercado incrível. Se você conseguisse entrar e resolver isso, seria realmente algo extraordinário.
Nick: Definitivamente é difícil. Mas acho que estamos no caminho certo.
Jay: Sim, eu acho que problemas grandes como esse, você só tem que começar a resolver aos poucos. Você não precisa ter uma ideia completa, só resolver pequenos problemas até resolver o problema grande. Bem, quero dizer, estamos tentando resolver o grande problema de ensinar inglês em um computador. E descobrir como fazer isso. Já faz um tempo que estou olhando para isso, uns 10 anos, e ainda estou mudando de ideia e ainda não descobri como ensinar gramática. Essa parte, eu não sei como ensinar gramática, cara, já passei por tantas abordagens diferentes, sabe, fui de um lado para o outro e voltei para o primeiro. E finalmente, acho que desisti e talvez esteja perto, perto agora que desisti. Desculpa, continue.
Nick: Eu ia dizer que faz muito sentido, certo? Porque eu acho que em mandarim é um “kàn shénme?” legal. E isso é ‘Você está olhando o quê?’ não ‘O que você está olhando?’ E eu acho que alemães, franceses e todas as línguas baseadas no latim são meio parecidas na estrutura da língua, o inglês é o único que tem essa estrutura, isso está correto?
Jay: Não sei se você já viu no Google Imagens, o que é fascinante. Mapas de morfemas, se você digitar morpheme map, o que ele faz é colocar a frase em inglês na parte inferior. ‘What are you looking at’, e colocará a frase em mandarim chinês no topo. E ele realmente desenha uma linha para mostrar a ordem das palavras. E algumas são radicalmente diferentes. Quero dizer, isso é só a ordem das palavras. Nem se fala de como os verbos funcionam? E como indicam tempo e gramática? Acho a gramática totalmente fascinante. Mas parece insolúvel, sim. Legal, Nick, como as pessoas podem entrar em contato com você e saber mais sobre o language confidence.
Nick: Acesse nosso site. languageconfidence.ai. Ou me envie um e-mail para [email protected]. Sim, as demonstrações estão no site, experimente. E nos dê qualquer feedback. Estou sempre procurando parceiros para melhorar o produto. É assim que trabalhamos com nossos parceiros. É uma relação realmente colaborativa. Acho que passamos bastante tempo com nosso CTO em Melbourne, definindo o produto, o melhor caso de uso e como usar isso e coisas assim. Então sim, entre em contato. Adoraríamos ouvir você.
Jay: Olha, isso fez uma grande diferença para nossa plataforma E2school, porque o curso de pronúncia, quero dizer, se tivéssemos duas opções, ou não dar feedback, ou pagar um professor, nesse caso o custo do curso dispararia, e ninguém usaria. Então o que conseguimos fazer com o language confidence é fornecer muito feedback para o aluno. E acho que o custo é $19 por três meses ou algo assim. Então sim, é uma ferramenta extremamente valiosa para nós. E sim, nossos alunos estão usando, o que é ótimo.
Nick: Sim, isso é incrível. E sim, eu realmente gostei de trabalhar com vocês também. Foi muito divertido, e espero muitos anos mais disso.
Jay: Sim, com certeza. Vamos continuar expandindo e ver onde chegamos. Legal. Muito obrigado por se juntar a mim hoje, Nick.
Nick: Obrigado por me receber. Eu realmente aprecio.
Palestrante: Obrigado por ouvir o E2 Talks. Lembre-se de conferir e2language.com por cursos de PTE, IELTS, OET e TOEFL e se você precisar de ajuda com aprendizado geral da língua inglesa, confira e2school.com. Obrigado