Zusammenfassend lässt sich sagen, dass Silbenraten zwischen 5 und 7 s/s am besten bewertet wurden. Ein Optimum zwischen minimaler und maximal verständlicher Silbenrate war erwartet worden, da sich hier ein Kompromiss zwischen der Länge des Dialogs und der kognitiven Beanspruchung der Nutzer einstellt. Eine Silbenrate von 7 s/s entspricht einer Verdopplung der Silbenrate des Auskunftssystems der Deutschen Bahn, das für diese Studie als Referenz diente. Die Ausführungszeit wurde für das hier verwendete System mit dieser Silbenrate in etwa halbiert. Bei einer weiteren Erhöhung des Sprechtempos ist der Abfall der Ausführungszeit weniger steil, d.h., eine weitere Erhöhung der Silbenrate ist auch im Hinblick auf die Performanz des Gesamtsystems kaum noch sinnvoll. Auf den Dialogverlauf im Sinne der hier gemessenen Interaktionsparameter hatte eine Erhöhung der Silbenrate auf 7 s/s keinen nennenswerten Einfluss: lediglich die Anzahl der Kommandos zur Wiederholung des vorangehenden System-Prompts zeigt bei dieser Silbenrate bereits einen leichten Anstieg. Dies spiegelte sich auch in der Wahrnehmung der Interaktion durch die Nutzer wider. Während das wahrgenommene Tempo der Interaktion bis 7 s/s stark ansteigt, wurden für die kognitive Beanspruchung und die Genauigkeit der Systemantwort bei dieser Silbenrate noch keine Einbußen gegenüber den langsameren Sprechtempi beobachtet. Bei höheren Geschwindigkeiten verbessert sich die Wahrnehmung des Tempos der Interaktion nur geringfügig, was jedoch auf Kosten einer schnellen Erhöhung des kognitiven Aufwands geht. Dass der Effekt auf die Beurteilung der Effizienz des Systems hier eher der Einstellung der Nutzer zum System als der Tempo-Wahrnehmung folgt, könnte daran liegen, dass die Nutzer auch die kognitive Belastung als Kriterium für Effizienz sehen. Möglicherweise handelt es sich aber hierbei um einen Halo-Effekt, d.h., die Gesamtbeurteilung färbte auf die Effizienz-Beurteilung ab. Ein Halo-Effekt könnte auch die schlechtere Bewertung für die Genauigkeit der Systemantwort bei hohen Silbenraten trotz gleicher Fehleranzahl erklären. Ein möglicher Bias der Ergebnisse ergibt sich aus der Reihenfolge, in der die Systeme mit unterschiedlichen Sprechtempi den Probanden präsentiert wurden. Probanden, die zunächst die Bedingung mit langsameren Sprechtempi erfahren hatten, kannten Teile der Prompts bereits und waren somit im Vorteil gegenüber Nutzern, die direkt mit einem System mit hohem Sprechtempo interagieren müssen. Eine Alternative wäre gewesen, dass die Tempi 10,5 s/s und evtl. auch 9 s/s immer zuerst getestet werden. Hier musste beim Design des Experiments ein Kompromiss gemacht werden zwischen Lerneffekten und der Verteilung von Reihenfolgeeffekten über alle Bedingungen. Da die Lerneffekte leichter abschätzbar sind, wurde ein diesbezüglicher Fehler bevorzugt in Kauf genommen. Hinsichtlich des Gültigkeitsbereichs der Studie ergeben sich einige Einschränkungen. Zunächst wurde das Experiment als Labortest durchgeführt, die Probanden befanden sich also in einer ruhigen Umgebung, in der keine Störungen des Dialogs auftraten. Durch die vorgegebene Aufgabenstellung hatten sie zudem Informationen über die Struktur des Interaktionsablaufs, die normale Nutzer des Systems möglicherweise aus den Prompts ableiten müssten. Beides wirkt sich tendenziell zum Vorteil höherer Silbenraten aus. Ferner war das verwendete System nicht in allen Punkten realistisch. Da in dem Experiment keine Spracherkennungsfehler auftraten (bzw. simuliert wurden), diese jedoch die kognitive Beanspruchung der Nutzer stark erhöhen können, ist eine entsprechende Folge-Studie angezeigt, um diese Ergebnisse zu bestätigen. Dabei sollte auch berücksichtigt werden, dass durch die Telefonübertragungsqualität Einbußen in der Verständlichkeit möglich sind, und dass diese sich bei unterschiedlichen Sprechtempi unterschiedlich auswirken können. In dieser Studie wurde hingegen das Audiosignal weitgehend ungestört übertragen. Schließlich handelt es sich bei den Testnutzern um eine relativ kleine und homogene Gruppe, bestehend aus größtenteils jungen Menschen ohne bekannte Gehörprobleme. In der Praxis werden Sprachdialogsysteme meist für viele unterschiedliche Nutzertypen designt. Das Sprechtempo sollte in diesem Fall auch für die schwächste Gruppe noch verständlich sein. Eine Adaption an den Nutzer wäre hier ggf. sinnvoll.
Studie zur Anwendbarkeit schneller Sprachsynthese in Sprachdialogsystemen
2014
8 Seiten, Bilder, 8 Quellen
Conference paper
German
Nutzerorientierte Feedbackgestaltung von Sprachdialogsystemen
Automotive engineering | 2011
|Sprachsynthese im Kraftfahrzeug
Tema Archive | 1983
|Schneller Sparer. Opel Studie Eco Speedster
Automotive engineering | 2002
|Studie rechnet mit schneller Entwicklung von Assistenzsystemen in allen Fahrzeugsegmenten
Automotive engineering | 2007
|