AI-assisted tools and Pronunciation
No Thumbnail Available
Date
2026-06-01
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Tècnica de Ambato Facultad de Ciencias Humanas y de la Educaciòn Carrera de Pedagogía de los Idiomas Nacionales y Extranjeros
Abstract
This descriptive study aimed to analyze learners’ perspectives regarding the use of Artificial
Intelligence (AI)-assisted tools to improve English pronunciation. The research was
systematically conducted with a population consisting of 121 B1-level undergraduate
students enrolled in the Carrera Pedagogía de los Idiomas Nacionales y Extranjeros (PINE)
at Universidad Técnica de Ambato, Ecuador. The data collection process involved the online
distribution of a structured, 22-item Likert-scale survey. Content validity was established by
five academic experts using Aiken’s V (0.923) for relevance, clarity, and coherence.
Additionally, a pilot test was validated through Cronbach’s alpha (0.935). Empirical data
analysis, focused primarily on mean scores, revealed that the most frequently used functional
features are audio models and pronunciation examples in tools like YouGlish, followed
closely by immediate feedback in the tool Cake. In contrast, automated speech recognition
in tools like Google-Speech-to-Text was the least popular feature used due to limited
interactive guidance. Regarding learning strategies, students relied on adjustment on
feedback, model imitation, and repetition of pronunciation tasks, indicating learner
dependence on real-time corrective guidance. On the other hand, the self-recording of
pronunciation strategy received the lowest score. In terms of suprasegmental features, the
most developed were intonation and rhythm. These findings suggest that while AI-assisted
tools effectively promote contextual clarity and natural speech flow, structured pedagogical
interventions must place more emphasis on self-directed monitoring practices and mastering
syllable patterns to improve overall communicative competence.
Description
Este estudio descriptivo analizó las perspectivas de los estudiantes sobre el uso de
herramientas asistidas por Inteligencia Artificial para mejorar la pronunciación en inglés. La
investigación se aplicó sistemáticamente a 121 universitarios de nivel B1 de la carrera de
Pedagogía de los Idiomas Nacionales y Extranjeros en la Universidad Técnica de Ambato,
Ecuador. Para recolectar los datos se distribuyó una encuesta en línea estructurada con 22
ítems en escala de Likert. El contenifo due validado por cinco expertos mediante la V de
Aiken (0.923) para relevancia, claridad y coherencia, mientras que la confiabilidad se
confirmó con el alfa de Cronbach (0.935). El análisis de las medias reveló que las funciones
más utilizadas son los modelos de audio y ejemplos de pronunciación en herramientas como
YouGlish, seguidos por la retroalimentación inmediata en Cake. Por el contrario, el
reconocimiento automático del habla en Google Speech-to-Text fue la función menos
popular debido a su limitada guía interactiva. En cuanto a estrategias de aprendizaje, los
alumnos dependieron de la adaptación basada en retroalimentación, imitación de modelos y
repetición de tareas, evidenciando una alta dependencia de orientación correctiva en tiempo
real. En contraste, el autorregistro de la pronunciación obtuvo la menor puntuación. Respecto
a las características suprasegmentales, las más desarrolladas fueron entonación y ritmo. Estos
hallazgos sugieren que, si bien la IA promueve la claridad contextual y el flujo natural del
habla, las intervenciones pedagógicas deben enfatizar las prácticas de monitoreo
autodirigidas y el dominio de patrones silábicos para optimizar la competencia comunicativa
general.
Keywords
SUPRASEGMENTAL FEATURES, AI-ASSISTED TOOLS, LEARNING STRATEGIES