Många fördelar med AI för att öva samtal på främmande språk

Att kunna göra sig förstådd i ett samtal, konversera, är det som lockar och driver de flesta elever att lära sig främmande språk. Men många tycker att det är obehagligt att tala eller framträda inför andra och därför kan det vara utmanande att öva på konversation på ett främmande språk i klassrummet. Det är en anledning till att Elin Ericsson, tidigare gymnasielärare i franska, spanska och engelska valt att forska om digitala hjälpmedel för att öva konversation.

– De flesta vill kunna prata på det nya språket när man kommer ut i arbetslivet eller är ute och reser, men lär sig inte det i skolan, säger Elin Ericsson, nu adjungerad forskare vid institutionen för tillämpad IT vid Göteborgs universitet.

– Men muntlig interaktion är mer krävande än att läsa och skriva – man ska uppfatta vad den andra personen säger och snabbt följa upp med ett svar eller fråga som passar situationen. Undervisningen och inlärningen kan försvåras av talängslan som ungefär var tredje elev tampas med. Man är rädd att göra bort sig och bli bedömd inför andra. Det är svårt att ha ordförråd och grammatik på plats och kunna uttala det nya språket.

”Som lärare är det svårt eller omöjligt att träna på samtal med alla elever och lyssna in och ge dem individuell feedback.”

Att övning i sammanhang som är verklighetstrogna effektiviserar språkinlärning, och att möjligheten att samtala utan att behöva känna sig ängslig att prata främjar lärande, visar bland annat en analys av 26 språkstudier som forskaren Shaofeng Li vid Florida State University publicerat. Men att öva konversation på traditionellt sätt i klassrummet innebär flera utmaningar både för lärare och elever. Som lärare är det en stor utmaning att träna på samtal med alla elever och lyssna in och ge dem individuell feedback. För eleverna kan också situationen inför andra i klassrummet upplevas som obehaglig.

Även digitala hjälpmedel kan skapa autentiska sammanhang för samtal. Den tekniska utvecklingen av system för att öva konversation, eller ”muntlig språkfärdighet”, har gått fort senaste åren tack vare AI-teknologi. Med så kallade förkroppsligade konversationsagenter, ”embodied conversational agents (ECA), kan en elev tala med en virtuell människoliknande person som också svarar med naturligt tal. Eleven kan få återkoppling på talet på olika sätt och läraren kan följa elevens arbete och prestation. Så kallade chatbots är textbaserade och ger eleven möjlighet att konversera med text via tangentbord och skärm.

Tre huvudfrågor

Med sin doktorsavhandling om språkinlärning med konversationsagenter har Elin Ericsson försökt svara på tre huvudfrågor:

1. Vilka är språklärares uppfattningar om och erfarenheter av att undervisa och använda digitala lärresurser?
2. Hur upplever högstadieelever att i ett muntligt dialogsystem öva muntlig språkfärdighet på ett främmande språk, ett så kallat målspråk?
3. Hur upplever högstadieelever att prata ett målspråk med en konversationsagent?

– Jag har framför allt utforskat hur eleverna upplever de här olika dialogsystemen i undervisningen. Det finns främst kognitiva, emotionella och sociala faktorer som spelar in för utbildningsupplevelsen, säger Elin Ericsson. När det gäller språklärande vet vi att känslorna påverkar lärandet och att vi lär oss i social interaktion med andra.

– Med konversationsagenter finns ingen begränsning att öva öga mot öga. Det är viktigt att kunna ta ord och meningar om och om igen – mängdträning – och de här agenterna är ju helt enkelt outtröttliga. Dessutom behöver inte eleverna bli begränsade av sammanhanget i klassrummet med andra som ser och hör vad som sker.

En annan fördel med konversationsagenter är möjligheten att kunna erbjuda övningar som liknar verkliga och vardagsnära situationer.

– De kan vara programmerade för besök på ett kafé där man ska beställa eller för andra rollspel. Det ska vara vardagsnära situationer där man behöver använda språket för att klara en uppgift och där eleven får direkt återkoppling.

Möten med språklärare

Inför sin forskning om konversationsagenter hämtade Elin Ericsson först in underlag från möten med språklärare. Bland annat gästade Elin språklärarträffar där hon testade sina idéer och samlade information via enkäter om hur lärarna uppfattade läget kring muntlig språkfärdighet i sin undervisning.

– Många hade uppfattningen att muntlig språkfärdighet är svår att lära ut och tyckte att det lät väldigt spännande med de digitala konversationsagenterna, men hade inte provat det alls.

Sedan genomfördes flera praktiska studier i engelska och tyska med de två olika systemen Enskill (utvecklat i USA) och ImmerseMe (utvecklat på Nya Zeeland). Båda systemen bygger på den gemensamma europeiska referensramen för språk, GERS.

De två första studierna med elever pågick i ett par veckor. Eleverna använde skärmar och headset med mikrofon på sladden (airpods fungerade inte av tekniska skäl). Efter att eleverna använt respektive system en kvart på språklektionerna, reflekterade de i en digital loggbok fem minuter. Innan och efter studien fyllde de också i forskarnas enkät. Under dessa studier intervjuades också eleverna tills svaren blev återkommande i så hög grad att intervjuerna bedömdes som överflödiga.

Senare genomfördes en tredje studie med elever i klassrummet under cirka fyra månader där eleverna loggade sin upplevelse och sina erfarenheter i en digital loggbok, Loop Me, med frågor och svar i fritext och möjlighet till självskattning av upplevelsen. Resultaten visade att eleverna mestadels var ”kognitivt utmanade samt emotionellt och socialt engagerade” när de använde konversationsagenten. De elever som rapporterade frustration kopplade den oftast till brist på samhörighet med systemets agent eller tekniskt strul.

– Spridningen hur man upplevde de sociala egenskaperna hos konversationagenterna var stor bland eleverna. Vissa upplevde det som negativt – att det var som att prata med en död maskin. Men majoriteten upplevde att de rycktes med tack vare att samtalen upplevdes som ”verkliga” och det kändes som en social interaktion. Den positiva upplevelsen visade sig inte bara vara nyhetens behag. Medelvärdet för hela studietiden slutade högre än under den kortare första tiden i samma studie och eleverna höll i sitt engagemang över tid.

– För många elever blev det en aha-upplevelse att få prata med konversationsagenten. De beskrev det som att de aldrig använt språket tidigare: ”Wow! Jag kan göra mig förstådd!”

Vilka är de största utmaningarna med konversations-AI?

– Tålamodet hos eleven när den inte blir förstådd. När eleven säger en sak om och om igen och inte blir förstådd så blir frustrationen stor ganska snabbt. Det går i vissa system att som lärare i efterhand läsa transkriberingen och se vad som har sagts och varför det blir fel för just den här eleven, men annars kan det vara svårt att veta varför interaktionen inte flyter på som önskat. Det kan ju bero på elevens uttal, hörlurarna, en bugg i systemet, dålig uppkoppling, överbelastning eller något annat.

– Sedan finns ett problem med likvärdigheten eftersom det är upp till respektive huvudman om och vilka sådana här system som bekostas och används. Det kan ju bli orättvist när det skiljer sig åt mellan skolor. Det kan också vara viktigt att använda system som hanterar all sin data inom EU, och uppfyller skolans och nationella krav på personuppgiftshantering enligt GDPR.

Svagare elever mer stärkta

Studierna visade att eleverna var mer motiverade och uthålliga med övningarna om de kände en social samhörighet med konversationsagenten. En annan slutsats är att svagare elever upplevde att de blev mer stärkta av övningarna med AI-hjälpmedlen än snittet.

Någon kvantitativ mätning av kunskapsresultaten, färdigheterna, gjordes inte i någon av studierna.

– Det är komplicerat att definiera och mäta den muntliga språkfärdigheten. Systemen hade mätfunktioner, men det har inte varit i fokus i de här studierna. Eleverna bedömde själva att de lärde sig mer, och kände sig mer villiga att prata på målspråket efteråt. Det finns hittills få genomförda effektstudier, och de få är oftast genomförda av företagen som utvecklat systemen för att påvisa effekt på lärandet. Jag tycker att vi behöver fler kvantitativa studier med mätning, gärna kombinerat med det kvalitativa, men jag har varit tvungen att avgränsa i mina studier hittills.

En tydlig skillnad i resultaten framstod mellan tjejernas och killarnas helhetsuppskattning av övningarna. Tjejernas självskattning av helhetsupplevelsen låg alltid över pojkarnas, men orsaken är inte undersökt.

Kan du ge ett exempel på hur konversationsagenter kan användas i undervisningen?

– Om man har mat som tema så kan det vara lämpligt att låta eleverna öva med konversationer som har med mat att göra, exempelvis beställa mat och dryck på restaurang eller köpa bröd på bageriet. Det måste förstås vara didaktiskt och pedagogiskt planerat, men just att det ingår i ett sammanhang passar bra för de här övningarna. Man kan exempelvis börja med konversationsövningar med agenter, följa upp med ordinlärning utifrån resultaten och senare genomföra konversationen live. Läraren är fortfarande viktig för att denna aktivitet ska bli meningsfull och vävas in i den vanliga lektionsplaneringen.

Vad bedömer du att en lärare som vill använda konversationsagenter behöver?

– Tekniken har eleverna själva bra koll på, men som lärare behöver man en viss digital kompetens. Läraren behöver själv testa systemet först för att kunna introducera det och förklara vad eleverna kan förvänta sig av konversationsagenterna. Det underlättar att ha lite förförståelse för att kunna möta elevernas olika reaktioner. När det gäller tekniken så finns dialogsystemen oftast för dator, surfplatta och mobil. De flesta skolor har datorer och headset redan på plats för de kommande digitala nationella proven.

I framtiden vill Elin Ericsson titta närmare på lärarnas möjlighet att mäta elevernas muntliga aktivitet och följa prestationerna på individ- och gruppnivå.

– Det vore spännande att se möjligheter och utmaningar med AI i språklärarnas praktik vad gäller feedback, bedömning och även planering av undervisning för att möta elevernas identifierade behov. Jag vill även titta närmare på system som är mer anpassade efter svensk skola, läroplan och kursmål. Utveckling av de här systemen är kostsam och marknaden domineras av företag från andra länder. Men det finns mycket att forska vidare om – det jag har gjort är bara början.

– Nu när AI fångar det flyktiga talet har vi helt nya möjligheter att effektivisera undervisning och lärande men det måste vi lära oss mer om för att kunna utnyttja dess potential.

Referenser och lästips

Ericsson, Elin. (2023). Experiences of speaking with conversational AI in language education. [Doctoral thesis, University of Gothenburg].
gup.ub.gu.se/publication/333765

Ericsson, Elin. & Sofkova Hashemi, S. (2024). (Dis)Engagement and Usefulness: Students’ Experiences of Practicing Speaking German in a Virtual 360° Environment. Nordic Journal of Language Teaching and Learning, 12(1, 2024), 43–69.
journal.uia.no/index.php/NJLTL/article/view/1229/1049

Shaofeng, Li. (2017). Student and teacher beliefs and attitudes about oral corrective feedback. Corrective feedback in second language teaching and learning: Research, theory, applications, implications, (60) 143–157.
researchgate.net