![](/images/graphics-bg.png)
تصنيف صوتيمات اللغة العربية واستخلاص واصفاتها باستعمال التعلّم العميق بهدف كشف أخطاء النطق
العناوين الأخرى
Classifying Arabic phonemes and extracting their attributes using deep learning in view of mispronunciation detection
المؤلفون المشاركون
غنيم، ندى
المفشي، إلهام
الدكاك، أميمة
المصدر
مجلة جامعة دمشق للعلوم الهندسية
العدد
المجلد 38، العدد 3 (30 سبتمبر/أيلول 2022)، ص ص. 377-395، 19ص.
الناشر
تاريخ النشر
2022-09-30
دولة النشر
سوريا
عدد الصفحات
19
التخصصات الرئيسية
العلوم الهندسية والتكنولوجية (متداخلة التخصصات)
الملخص AR
يعد كشف النطق الخاطئ من الأمور الهامة في نظم تعلم اللغات بمساعدة الحاسوب Computer-Aided Language Learning (CALL)، حيث يساعد تحديد أماكن الخطأ في النطق متعلم اللغة في الحصول على تقييم دقيق لصحة اللفظ.
وقد لاقت هذه النظم اهتماما كبيرا لأنها تمكن متعلمي اللغة من تحسين قدراتهم اللغوية دون الحاجة للتواصل مع المختصين اللغويين بشكل مباشر، وذلك بالاستفادة من وسائل التعلم الحديثة والتقنيات المتطورة.
يهدف هذا البحث لإيجاد المنهجيات المناسبة في بناء نظام يساعد متعلم اللغة على كشف أخطاء النطق وتصحيحها، وذلك بدراسة إمكانية تصنيف الصوتيمات وتمييزها آليا وخاصة المتشابه والمشترك منها في مخرج الصوت وبعض صفات الحروف، إضافة لدراسة إمكانية تمييز واصفات النطق الكلامية بهدف استخدامها في كشف خطأ النطق وتحديد نوعه.
وقد تم التركيز في البحث على اللغة العربية بهدف تقليص الهوة البحثية الموجودة بين التقانات اللغوية الداعمة للغة العربية ومثيلاتها في اللغات العالمية والتي حققت تقدما كبيرا في العديد من المجالات.
الملخص EN
Mispronunciation Detecting is an important issue in computer-aided language learning (CALL) systems, where locating errors in pronunciation helps the language learner to obtain an accurate assessment of pronunciation correctness, these systems have received great attention because they give language learners the possibility to improve their language proficiency without the need to direct communication with language specialists, by making use of modern learning methods and advanced technologies.
This research aims to find appropriate methodologies in building a system that helps the language learner to detect and correct pronunciation errors, By studying the possibility of categorizing phonemes and distinguishing them automatically, especially the similar and common ones in the sound output and some character traits, in addition to studying the possibility of distinguishing speech descriptors in order to use them in detecting pronunciation error and determining its type.
The focus of the research was on the Arabic language, with the aim of reducing the research gap that exists between the linguistic technologies that support the Arabic language and its counterparts in international languages, which have achieved great progress in many fields.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
المفشي، إلهام والدكاك، أميمة وغنيم، ندى. 2022. تصنيف صوتيمات اللغة العربية واستخلاص واصفاتها باستعمال التعلّم العميق بهدف كشف أخطاء النطق. مجلة جامعة دمشق للعلوم الهندسية،مج. 38، ع. 3، ص ص. 377-395.
https://search.emarefa.net/detail/BIM-1529873
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
المفشي، إلهام....[و آخرون]. تصنيف صوتيمات اللغة العربية واستخلاص واصفاتها باستعمال التعلّم العميق بهدف كشف أخطاء النطق. مجلة جامعة دمشق للعلوم الهندسية مج. 38، ع. 3 (2022)، ص ص. 377-395.
https://search.emarefa.net/detail/BIM-1529873
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
المفشي، إلهام والدكاك، أميمة وغنيم، ندى. تصنيف صوتيمات اللغة العربية واستخلاص واصفاتها باستعمال التعلّم العميق بهدف كشف أخطاء النطق. مجلة جامعة دمشق للعلوم الهندسية. 2022. مج. 38، ع. 3، ص ص. 377-395.
https://search.emarefa.net/detail/BIM-1529873
نوع البيانات
مقالات
لغة النص
العربية
الملاحظات
يتضمن مراجع ببليوجرافية : ص. 392-394
رقم السجل
BIM-1529873
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)