アフリカ系アメリカ人英語の理解に対する転写スタイルの影響

トランスクリプションは、話された言葉を文にするプロセスだよ。これは人間がやることもあれば、自動音声認識（ASR）システムを使うこともある。この記事では、トランスクリプションのスタイルがアフリカ系アメリカ人英語（AAE）の理解の正確さにどう影響するかを見ていくよ。

#トランスクリプションの重要性

トランスクリプションは、研究から法的な場面まで、いろんな分野で重要な役割を果たしてるんだ。トランスクリプションがどれくらいできてるかを評価する際、多くの人が言葉の誤り率（WER）っていう方法を使うよ。WERは、欠けてる言葉、追加されてる言葉、間違って変更された言葉などのミスを測るんだ。でも、ただミスの数を見てると、特に異なるスタイルで作成されたトランスクリプトの場合、誤解を招くことがあるんだよね。

#トランスクリプションのスタイルの違い

トランスクリプションには主に2つのスタイルがあるよ：逐語的（verbatim）と非逐語的（non-verbatim）。逐語的トランスクリプションは、"um"や"uh"みたいなフィラーワードも含めて、言われたことを全部記録するんだ。一方で、非逐語的トランスクリプションは、テキストをきれいにするために少し変更を加えるけど、メインメッセージは保ってる。両方のスタイルには利点と欠点がある。そのスタイルの違いを比べると、実際よりもミスが多いように見えることもあるよ。

AAEみたいな方言からの音声の場合、トランスクリプションスタイルの違いがもっと難しさを生むことがあるんだ。AAEは標準的なアメリカ英語（SAE）に比べて文章での標準化がされてないから、正確な文章を作るのが難しいんだよね。

#ASRシステムの課題

自動音声認識システムは、音声をトランスクリプションするためによく使われてる。これらのシステムは、大量のデータから学んで、音声をよりよく理解できるようにするんだ。でも、AAEを正確に表現してないデータでトレーニングされると、正確なトランスクリプトを作るのが難しくなることがある。特に、ASRシステムがAAEのユニークな特徴を反映してないトランスクリプションを使うと、問題が顕著になるんだ。

#研究方法論

トランスクリプションスタイルの違いを研究するために、AAEを使用したインタビューの音声記録の複数のトランスクリプトを見たよ。この音声から6つのバージョンのトランスクリプトを集めたんだ。4つは人間が作って、2つはASRで作ったものだよ。異なるスタイルのトランスクリプションが、WERで測った全体の正確さにどう影響するかを見たかったんだ。

人間が作った4つのバージョンには：

1. 専門的なコーパス（CORAAL）からのオリジナルのトランスクリプト。
2. プロのトランスクリプション会社（Rev）によって生成されたトランスクリプト。
3. AAEに詳しいトランスクリプターを特にリクエストしたRevの別のトランスクリプト。
4. 別のトランスクリプションサービス（Amberscript）からのトランスクリプト。

2つのASRバージョンは、Revの内部ASRモデルとOpenAIのWhisperモデルによって生成されたものだよ。

#違いの分析

これらのバージョンの違いを3つの主要な分野で調べたよ：

1. 逐語的 vs. 非逐語的：ここでは、トランスクリプトがどれだけ頻繁にすべての言葉やフィラーワードを保持しているかを見たよ。
2. 形態統語的特徴：AAEとSAEを区別する文法的特徴に注目したんだ。
3. 省略と縮約：特定のフレーズがトランスクリプションでどのように短縮されているかを調べたよ。

#主な発見

分析から、いくつかの重要な発見が得られたよ：

• 人間のバージョン間でWERにかなりの違いがあって、約10%から20%の範囲だった。この広いギャップは、人間のトランスクリプター間でも多くのばらつきがあることを示してる。
• Revの人間のトランスクリプトは、しばしば互いに、そしてASRの出力に最も似ていた。このことは、トランスクリプターのトレーニングがバージョン間の正確さに影響を与えたことを示唆してる。
• トランスクリプト間の違いの大半は逐語的な選択に起因していて、すべての言葉をキャッチする選択が結果の正確さに大きな影響を与えたんだ。
• 形態統語的特徴に関する違いは、AAEのトランスクリプトがSAEに似て見えるという誤表現のパターンを浮き彫りにしたよ。

#スタイルガイドの役割

一つの問題は、トランスクリプション会社が提供するスタイルガイドの重要性だね。例えば、RevのスタイルガイドはAAEのユニークな側面に十分に対応していないかもしれない。この不明確さは、トランスクリプターが話されていることを意図せず変えたり誤表現したりする結果につながることがあるんだ、特に文法に関してね。

#次のステップ

この研究は貴重な洞察を提供してくれたけど、まだ探求することがたくさんあるよ。スタイルの選択がトランスクリプトの正確さ、特にAAEみたいな過小評価されてるスピーチのバリエーションにどう影響するかを理解することは重要なんだ。今後の研究は、さまざまな方言のトランスクリプションのための明確なガイドラインを作ることに焦点を当てるべきだね。これには、これらのバリエーションのユニークな言語的特徴を反映した具体例が含まれるかもしれない。

#結論

トランスクリプションは、人間でも機械システムでも、スタイルなどの多くの要因に影響される複雑なプロセスなんだ。AAEの異なるバージョンのトランスクリプトを調べた結果、これらのバリエーションが認識される正確さに大きな違いをもたらすことがわかったよ。今後は、スタイルの選択がトランスクリプションに与える影響についての認識を高め、さまざまなスピーチのトランスクリプション方法を改善して、すべての声が公平かつ正確に表現されるようにすることが重要だね。こうした問題に取り組むことで、人間と自動トランスクリプションの両方の効果を改善できるんだ。