Detección de errores de pronunciación en hablantes de un segundo idioma mediante modelos de aprendizaje automático y procesamiento de bioseñales del aparato fonador

Abstract

Esta tesis presenta un sistema computacional para la detección de errores de pronunciación en hablantes no nativos de inglés, mediante el uso combinado de señales de voz y electromiografía de superficie (sEMG) del aparato fonador. A partir de un protocolo experimental propio, se diseñó y construyó una base de datos que incluye registros simultáneos de audio y señales musculares durante la pronunciación de fonemas y pares mínimos problemáticos entre el inglés y el español. Las señales fueron preprocesadas, segmentadas y caracterizadas mediante atributos acústicos y bioeléctricos. Posteriormente, se entrenaron y evaluaron diversos algoritmos de aprendizaje automático —incluyendo redes neuronales, máquinas de soporte vectorial, y árboles de decisión— para la clasificación de fonemas correctamente o incorrectamente pronunciados. Los resultados demuestran que la combinación de señales acústicas y mioeléctricas mejora la precisión en la detección de errores fonéticos, superando el desempeño de los modelos basados en un solo tipo de señal. La propuesta ofrece una herramienta no invasiva y objetiva para apoyar el aprendizaje de lenguas extranjeras con retroalimentación fonética automatizada.