عند استخدامه جاهزا دون أي تدريب إضافي، سجل Whisper معدل أخطاء كلمات بلغ 84.6% لأطفال الروضة الذين يقرؤون عبارات نصية، مقابل 17.5% لتلاميذ الصف الرابع في الاختبار نفسه (Singh وSahidullah وKinnunen، Causal Analysis of ASR Errors for Children 2025). معدل أخطاء الكلمات (WER) هو نسبة الكلمات التي يستبدلها النظام أو يحذفها أو يضيفها قياسا إلى تفريغ بشري، لذلك يمكن أن يتجاوز 100% أيضا. وسجلت عائلة النموذج نفسها 25.00% على أطفال أمريكيين يتحدثون إلى معلم علوم افتراضي و5.40% على كلام البالغين المقروء (Jain وآخرون، Interspeech 2023)، والفجوة تتبع بيانات التدريب: فأكبر مدونة عامة لكلام الأطفال بالإنجليزية تضم نحو 470 ساعة (Linguistic Data Consortium، LDC2021S05)، بينما دُرِّب Whisper-largeV3 على مليون ساعة (Fan وآخرون، Interspeech 2024). والعمر ليس سوى محور واحد من المشكلة؛ فـفجوات اللهجات والنطق ومعدلات الهلوسة تتبع منطق تغطية البيانات نفسه. جمعنا البيانات من أوراق Interspeech وICASSP وWOCCI، ومن Journal of the Acoustical Society of America، وLinguistic Data Consortium، وFrontiers in Education، ولجنة التجارة الاتحادية الأمريكية.
أبرز النقاط
- معدل أخطاء الكلمات لـ Whisper دون تدريب إضافي في اختبار CSLU Kids النصي: 84.6% في الروضة مقابل 17.5% في الصف الرابع (Singh وآخرون، 2025).
- Whisper Large-V2 الجاهز: معدل أخطاء كلمات 25.00% على كلام الأطفال في MyST مقابل 5.40% على كلام البالغين في LibriTTS (Jain وآخرون، Interspeech 2023).
- Whisper large دون تدريب إضافي: معدل أخطاء كلمات 43.9% للأعمار من 4 إلى 7 مقابل 13.4% للأعمار من 8 إلى 10 (Ying وآخرون، WOCCI 2025).
- بلغ معدل عدم الطلاقة لدى الأطفال 10.1% مقابل 6.2% في محادثات Switchboard للبالغين (Tran وآخرون، Interspeech 2020).
- دُرِّب Whisper-largeV3 على مليون ساعة مقابل 133 ساعة من بيانات تدريب MyST المصفاة لكلام الأطفال (Fan وآخرون، Interspeech 2024).
- نحو 45% فقط من عبارات MyST البالغ عددها 227,567 مفرغة نصيا (Linguistic Data Consortium، LDC2021S05).
- الضبط الدقيق على 10 ساعات من كلام الأطفال خفّض معدل أخطاء كلمات Whisper Large-V2 على PF-STAR من 73.68% إلى 2.88% (Jain وآخرون، Interspeech 2023).
- التصحيح التوليدي للأخطاء خفّض معدل أخطاء كلمات الأطفال من 30.5% إلى 21.8%، أي انخفاضا نسبيا قدره 28.5% (Balaji Shankar وآخرون، CHSER، Interspeech 2025).
- اتفق نظام لفحص القراءة مع المقيّمين البشر بمعامل كابا 0.16 لدمج الفونيمات مقابل 0.72 للمفردات (Petscher وآخرون، Frontiers in Education 2026).
- تدرج قاعدة COPPA المعدلة البصمات الصوتية ضمن المعلومات الشخصية وتشترط حذف الصوت فور استخدامه (FTC، القاعدة النهائية لقانون COPPA 2025).
1. الفجوة بين الأطفال والبالغين دون تدريب إضافي
الرقم الأبرز لأي منتج يعالج كلام الأطفال هو نتيجة الاستخدام دون تدريب إضافي، أي نتيجة نموذج مستخدم كما هو دون أي تدريب إضافي على تسجيلات الأطفال. سجل Whisper Large-V2 معدل أخطاء كلمات بلغ 25.00% على كلام الأطفال في MyST و73.68% على الأطفال البريطانيين في مدونة PF-STAR، مقابل 5.40% على كلام البالغين المقروء، أي نحو 4.6 مرات و13.6 مرة من معدل البالغين (25.00 / 5.40 و73.68 / 5.40) في التقييم نفسه (Jain وآخرون، Adaptation of Whisper models to child speech recognition، Interspeech 2023). أحدث بيانات متاحة لهذه المقارنة: 2023.
النماذج الأحدث تضيّق الفجوة لكنها لا تغلقها. ففي معيار لعام 2024 تفوقت نماذج Canary وParakeet من NVIDIA على كل أحجام Whisper في كلام الأطفال رغم أن مجموعات تدريبها أصغر بكثير، ما دفع المؤلفين إلى استنتاج أن جودة البيانات أهم أحيانا من حجمها (Fan وBalaji Shankar وAlwan، Interspeech 2024). وهذه النسبة عنيدة منذ عقدين: فقد أفادت دراسة IEEE عام 2003 بالفعل بأن معدلات أخطاء الأطفال تساوي من مرتين إلى خمس مرات معدل البالغين.
| المقياس | القيمة | المصدر |
|---|---|---|
| معدل أخطاء كلمات Whisper Large-V2 دون تدريب على كلام الأطفال: أطفال MyST مقابل كلام البالغين المقروء في LibriTTS | 25.00% مقابل 5.40% | Jain وآخرون، Interspeech 2023 |
| معدل أخطاء كلمات Whisper Large-V2 دون تدريب على كلام الأطفال: أطفال بريطانيون في PF-STAR؛ كلام مقروء في CMU Kids | 73.68%؛ 12.69% | Jain وآخرون، Interspeech 2023 |
| معدل أخطاء كلمات Whisper-largeV3 دون تدريب إضافي: اختبار MyST مقابل اختبار OGI Kids | 12.6% مقابل 19.9% | Fan وآخرون، Interspeech 2024 |
| معدل أخطاء الكلمات دون تدريب إضافي لـ Canary (1B) مقابل Parakeet-RNNT (1.1B) في اختبار MyST؛ في اختبار OGI | 9.5% مقابل 11.1%؛ 18.2% مقابل 16.7% | Fan وآخرون، Interspeech 2024 |
| معدل أخطاء كلمات Whisper Medium.en دون تدريب إضافي: الكلام العفوي في CSLU Kids مقابل LibriSpeech test-clean للبالغين | 31.85% مقابل 3.02% | Attia وآخرون، Kid-Whisper، AAAI/ACM AIES 2024 |
| معدل خطأ أنظمة التعرف المدرَّبة على البالغين لدى الأطفال مقابل البالغين | أسوأ بمرتين إلى خمس مرات | Potamianos وNarayanan، IEEE Transactions on Speech and Audio Processing 2003 |
ملاحظة سياقية: رقما Whisper على MyST (25.00% و12.6%) لا يعنيان تناقضا في جودة النموذج. فقد حذف معيار 2024 العبارات التي يتجاوز معدل أخطائها 50% أو التي تقل عن 3 كلمات قبل التقييم، وهذا وحده يغير النتائج بعدة نقاط (انظر القسم 5).
2. معدلات الأخطاء حسب الفئة العمرية
«الأطفال» ليسوا فئة سكانية واحدة. في اختبار CSLU Kids النصي، انتقل Whisper دون تدريب إضافي من معدل أخطاء كلمات بلغ 84.6% في الروضة إلى 37.5% في الصف الأول و17.5% في الصف الرابع، أي فرق قدره 4.8 مرات (84.6 / 17.5) داخل مجموعة اختبار واحدة (Singh وSahidullah وKinnunen، Causal Analysis of ASR Errors for Children، 2025). ويأتي معظم التحسن بحلول الصف الرابع؛ وبعد ذلك يتوقف المنحنى عن الانخفاض، ويبقى معدل أخطاء Whisper في الصفوف من السادس إلى العاشر فوق أدنى قيمة له في الصف الرابع.
وجد معيار ESPnet لعام 2025 الهوة نفسها مع نماذج مختلفة. فقد سجل Whisper large دون تدريب إضافي 43.9% للأعمار من 4 إلى 7، ثم عاد المعدل إلى الارتفاع من 13.4% في الأعمار من 8 إلى 10 إلى 18.6% في الأعمار من 11 إلى 15، بينما بقي نموذج مفتوح مضبوط دقيقا على كلام الأطفال دون 10% في كل الفئات العمرية (Ying وآخرون، Benchmarking Training Paradigms for Child ASR in ESPnet، WOCCI 2025). وتظهر عقوبة العمر نفسها في التحقق من المتكلم (التأكد مما إذا كان تسجيلان يعودان إلى الشخص نفسه)، وهو أمر مهم لأي تسجيل دخول صوتي لحسابات الأطفال.
| المقياس | القيمة | المصدر |
|---|---|---|
| معدل أخطاء كلمات Whisper دون تدريب إضافي في اختبار CSLU Kids النصي: الروضة مقابل الصف الرابع | 84.6% مقابل 17.5% | Singh وآخرون، 2025 |
| الاختبار نفسه: الصف الأول؛ الصف الثاني؛ الصف الثالث | 37.5%؛ 28.0%؛ 23.1% | Singh وآخرون، 2025 |
| الاختبار نفسه: الصف العاشر | 22.4% | Singh وآخرون، 2025 |
| معدل أخطاء كلمات Whisper large دون تدريب إضافي حسب العمر: 4 إلى 7؛ 8 إلى 10؛ 11 إلى 15 | 43.9%؛ 13.4%؛ 18.6% | Ying وآخرون، WOCCI 2025 |
| معدل أخطاء كلمات OWSM v3.1 المضبوط دقيقا على كلام الأطفال حسب العمر: 4 إلى 7؛ 8 إلى 10؛ 11 إلى 15 | 9.0%؛ 7.3%؛ 1.8% | Ying وآخرون، WOCCI 2025 |
| معدل الخطأ المتساوي في التحقق من المتكلم (نسبة قرارات القبول أو الرفض الخاطئة عند نقطة التوازن)، الأعمار 4 إلى 7 مقابل 11 إلى 15 | 13.2% مقابل 3.73% | Ying وآخرون، WOCCI 2025 |
| العبارات الصادرة عن أطفال متوسط أعمارهم 4.9 سنوات والمفرغة نصيا بشكل صحيح تماما: Whisper large-v3 مقابل خدمة Google السحابية للتعرف على الكلام (2024) | 36.8% مقابل 9.6% | Janssens وآخرون، جامعة Ghent، Technological Advances in Human-Robot Interaction 2024 |
ملاحظة عن القيمة الشاذة: سجل نموذج MMS معدل أخطاء كلمات بلغ 193.3% في الصف السادس في اختبار Singh وآخرين، لأنه أضاف كلمات أكثر بكثير مما نُطق. ومعدل أخطاء كلمات فوق 100% علامة على إدخالات جامحة، وليس خطأ مطبعيا.
3. لماذا يربك كلام الأطفال النماذج المدرَّبة على البالغين: الصوتيات وعدم الطلاقة
تهيمن آليتان. أولا، الصوت نفسه هدف متحرك. وجدت دراسة شملت 436 طفلا تتراوح أعمارهم بين 5 و17 سنة و56 بالغا أن مدد المقاطع الصوتية تتقارب مع مستويات البالغين في حدود سن 12 فقط، بينما يستغرق تباين درجة الصوت والفورمانت (الرنينات التي تميز الحروف المتحركة) نحو سنتين إلى ثلاث سنوات إضافية (Lee وPotamianos وNarayanan، JASA 1999). والنموذج المضبوط على رنينات البالغين يستمع عمليا إلى آلة موسيقية مختلفة. أحدث بيانات متاحة: Lee وPotamianos وNarayanan، 1999.
ثانيا، يتحدث الأطفال بطريقة مختلفة. فقد أظهرت شروحاتهم العفوية معدلات أعلى من عدم الطلاقة وكلمات الحشو مقارنة بمحادثات البالغين، بما في ذلك كلمة ‘um’ بكثرة أكبر وكلمات مقطوعة في منتصفها أكثر (Tran وآخرون، Analysis of Disfluency in Children’s Speech، Interspeech 2020). ووضعت نمذجة سببية في عام 2025 العمر وعدد الكلمات في العبارة في صدارة عوامل الخطأ، قبل ضوضاء الخلفية وقدرة النطق. والكلام الذي يخرج عن معيار البالغين لأسباب سريرية يواجه الفخ نفسه، كما يوضح استعراضنا لبيانات عسر التلفظ والكلام غير النمطي.
| المقياس | القيمة | المصدر |
|---|---|---|
| المتحدثون في دراسة الصوتيات النمائية | 436 طفلا بأعمار 5 إلى 17؛ 56 بالغا | Lee وPotamianos وNarayanan، JASA 1999 |
| العمر الذي تبلغ عنده مدد المقاطع الصوتية مستويات البالغين | نحو 12 | Lee وPotamianos وNarayanan، JASA 1999 |
| الوقت الإضافي لوصول تباين درجة الصوت والفورمانت لدى المتحدث نفسه إلى نطاق البالغين | نحو 2 إلى 3 سنوات | Lee وPotamianos وNarayanan، JASA 1999 |
| العمر الذي تبدأ عنده أنماط درجة الصوت والفورمانت لدى الأولاد والبنات بالانقسام؛ ثم تترسخ تماما | نحو 11؛ نحو 15 | Lee وPotamianos وNarayanan، JASA 1999 |
| معدل عدم الطلاقة: الأطفال مقابل محادثات Switchboard للبالغين مقابل محادثات CallHome للبالغين | 10.1% مقابل 6.2% مقابل 6.3% | Tran وآخرون، Interspeech 2020 |
| معدل كلمة الحشو ‘um’: الأطفال مقابل Switchboard للبالغين | 2.3% مقابل 0.5% | Tran وآخرون، Interspeech 2020 |
| معدل الكلمات المقطوعة (كلمات مقطوعة في منتصفها): الأطفال مقابل Switchboard للبالغين | 1.8% مقابل 0.5% | Tran وآخرون، Interspeech 2020 |
ملاحظة سياقية: مدونة عدم الطلاقة صغيرة (26 طفلا، نحو 1.26 ساعة من كلام الأطفال)، وتذكر الورقة عمر الأطفال بأنه 4.8 إلى 7 في موضع و5 إلى 8 في موضع آخر. أحدث بيانات متاحة: 2020.
4. ندرة البيانات: ساعات كلام الأطفال مقابل مجموعات تدريب النماذج الأساسية
التفاوت في الحجم يبلغ عدة رتب عشرية. دُرِّب Whisper-largeV3 على مليون ساعة من الصوت، بينما توفر لمعيار 2024 ما مجموعه 133 ساعة من كلام الأطفال المصفى في MyST للضبط الدقيق، أي إن مجموعة الأطفال تساوي نحو 0.0133% من مجموعة التدريب المسبق تلك (133 / 1,000,000) (Fan وآخرون، Interspeech 2024). وحتى نموذج Parakeet الأخف شاهد 64,000 ساعة، أي نحو 480 ضعف مجموعة تدريب MyST (64,000 / 133).
وMyST نفسها كبيرة بمقاييس كلام الأطفال فقط. يسرد فهرس Linguistic Data Consortium نحو 470 ساعة من 1,371 طالبا في الصفوف من الثالث إلى الخامس، جُمعت بين 2008 و2017، مع تفريغ نصي لـ 102,433 من أصل 227,567 عبارة (LDC2021S05, MyST Children’s Conversational Speech). ويصف مبتكروها المدونة بأنها نحو 400 ساعة وينوهون بصعوبة الحصول على كلام الأطفال على نطاق واسع (Pradhan وCole وWard، LREC-COLING 2024). أما الأطفال الأصغر سنا واللغات الأخرى فلديها أقل بكثير: فمدونة ماندرينية لعام 2025 للأعمار من 3 إلى 5 تضم 41.25 ساعة (Zhou وآخرون، ChildMandarin 2025).
| المقياس | القيمة | المصدر |
|---|---|---|
| بيانات التدريب المسبق: Whisper-largeV3؛ Canary؛ Parakeet-TDT | 1,000,000؛ 85,000؛ 64,000 ساعة | Fan وآخرون، Interspeech 2024 |
| مدونة MyST كما هي مفهرسة | نحو 470 ساعة؛ 1,371 طالبا في الصفوف من الثالث إلى الخامس؛ 10,496 جلسة تدريس | Linguistic Data Consortium، LDC2021S05 (2021) |
| عبارات MyST المفرغة نصيا | 102,433 من 227,567 (نحو 45%) | Linguistic Data Consortium، LDC2021S05 (2021) |
| مدونة ChildMandarin، أطفال بأعمار 3 إلى 5 | 41.25 ساعة؛ 397 متحدثا | Zhou وآخرون، ChildMandarin 2025 |
| مدونة PF-STAR لأطفال الإنجليزية البريطانية، كما وردت في مسح للمدونات عام 2025 | 14.5 ساعة؛ 158 متحدثا بأعمار 4 إلى 14 | Zhou وآخرون، ChildMandarin 2025 |
| CMU Kids؛ كلام OGI Kids النصي | 9 ساعات، 76 متحدثا؛ 70 ساعة، 1,118 متحدثا | Ying وآخرون، WOCCI 2025 |
| بيانات تدريب الأطفال مقابل البالغين في دراسة نقل التعلم لعام 2018 | 91.61 ساعة (أعمار 6 إلى 14) مقابل 205.82 ساعة (بالغون من TED-LIUM) | Shivakumar وGeorgiou، arXiv 2018 |
ملاحظة سياقية: تختلف أعداد ساعات MyST بحسب المصدر (نحو 470 في فهرس LDC، و393 أو نحو 400 في ورقة المدونة، ونحو 240 ساعة مفرغة نصيا في معيار 2024). ونورد كل رقم مع مصدره.
5. مكاسب الضبط الدقيق والتكييف
الضبط الدقيق يعني مواصلة تدريب النموذج على تسجيلات الأطفال. وهو الحل الأكثر موثوقية، وتكون المكاسب أكبر حيث كان النموذج دون تدريب إضافي في أسوأ حالاته. انخفض معدل أخطاء كلمات Whisper Large-V2 من 73.68% إلى 2.88% على الأطفال البريطانيين في PF-STAR بعد ضبطه دقيقا على 10 ساعات فقط من كلام PF-STAR (Jain وآخرون، Interspeech 2023). وعلى الكلام الحواري في MyST، انتقل Whisper-small من 13.4% إلى 9.3%، أي انخفاض نسبي قدره 30.6% ((13.4 - 9.3) / 13.4)، وطابقت وحدة تكييف صغيرة تحدّث 1.29 مليون معامل الضبط الدقيق الكامل لـ 242 مليون.
التقنيات الأحدث تلاحق النقاط الأخيرة. فقد حقق دمج أوزان الانتباه فقط من نماذج ذات صلة رقما قياسيا على MyST بمعدل أخطاء كلمات 8.69% لـ Whisper-small (Balaji Shankar وآخرون، Selective Attention Merging، ICASSP 2025)، وخفّض نموذج تصحيح نصي مدرَّب على 200 ألف زوج من مخرجات التعرف والتفريغ البشري الأخطاء عبر أربع مدونات للأطفال. وطريقة تنظيف مجموعة الاختبار لا تقل أهمية عن الأسلوب: فحذف الملفات ذات معدل أخطاء فوق 50% أو أقل من 3 كلمات نقل معدل أخطاء اختبار Whisper-Large-v1 على MyST من 26.2% إلى 14.2%، دون أي تغيير في النموذج (Attia وآخرون، Kid-Whisper، AIES 2024).
| المقياس | القيمة | المصدر |
|---|---|---|
| معدل أخطاء كلمات Whisper Large-V2 على PF-STAR: قبل الضبط الدقيق على 10 ساعات من كلام الأطفال مقابل بعده | 73.68% مقابل 2.88% | Jain وآخرون، Interspeech 2023 |
| معدل أخطاء كلمات Whisper-small، دون تدريب إضافي مقابل مضبوط دقيقا: اختبار MyST؛ اختبار OGI Kids | 13.4% مقابل 9.3%؛ 25.4% مقابل 1.8% | Fan وآخرون، Interspeech 2024 |
| المعاملات المدرَّبة، ضبط وحدة التكييف مقابل الضبط الدقيق الكامل (كلاهما 9.3% معدل أخطاء كلمات على MyST) | 1.29 مليون مقابل 242 مليون | Fan وآخرون، Interspeech 2024 |
| معدل أخطاء كلمات Whisper Medium.en على الكلام العفوي في CSLU Kids: دون تدريب إضافي مقابل مضبوط دقيقا على MyST مع CSLU | 31.85% مقابل 16.53% | Attia وآخرون، Kid-Whisper، AIES 2024 |
| Whisper-small مع دمج Selective Attention وتعزيز البيانات، معدل أخطاء الكلمات على MyST | 8.69% (انخفاض نسبي يصل إلى 14%) | Balaji Shankar وآخرون، ICASSP 2025 |
| التصحيح التوليدي للأخطاء، معدل أخطاء الكلمات عبر أربع مدونات للأطفال: قبل مقابل بعد | 30.5% مقابل 21.8% (28.5% نسبي) | Balaji Shankar وآخرون، CHSER، Interspeech 2025 |
| الضبط الدقيق المختلط على كلام الأطفال والبالغين مقابل النموذج المدرَّب مسبقا | انخفاض مطلق في معدل أخطاء الكلمات يصل إلى 5% (21% نسبي) | Graave وآخرون، Interspeech 2024 |
| معدل أخطاء الحروف لـ Whisper-small على كلام الأطفال الماندريني بأعمار 3 إلى 5: دون تدريب إضافي مقابل مضبوط دقيقا | 37.99% مقابل 17.45% | Zhou وآخرون، ChildMandarin 2025 |
ملاحظة عن القيمة الشاذة: المكاسب لا تنتقل بسلاسة عبر اللهجات والأعمار وأساليب الكلام. ففي دراسة 2023 نفسها سجل Whisper Medium نسبة 19.76% على أطفال PF-STAR بعد الضبط الدقيق على كلام MyST الأمريكي، مقابل 3.15% بعد الضبط الدقيق على PF-STAR نفسها.
6. تقييم القراءة في الفصل الدراسي: حيث تلتقي معدلات الأخطاء بالقرارات
في التعليم، لا يكون معدل أخطاء الكلمات هو المقياس النهائي. فالمعلم الآلي للقراءة عليه أن يقرر ما إذا كان الطفل قرأ كل كلمة قراءة صحيحة، لذلك قد يسجل التفريغ النصي معدلا محترما ومع ذلك تفوته الأخطاء التي يحتاج المعلم إلى رؤيتها. في اختبارات القراءة الجهرية الهولندية التي شملت 71 طفلا بأعمار 7 إلى 11، بلغ معامل ارتباط ماثيوز (MCC، مقياس اتفاق يعني فيه 0 الصدفة و1 الاتفاق التام) لـ Whisper large-v2 دون ضبط دقيق .01 في اكتشاف أخطاء القراءة، مقابل .63 لنظام Kaldi مخصص (Molenaar وآخرون، Automatic Assessment of Oral Reading Accuracy for Reading Diagnostics، Interspeech 2023). أحدث بيانات متاحة: 2023.
وجدت دراسة أمريكية عام 2026 لنظام تجاري للتحقق من الكلام النمط نفسه بحسب المهمة (Petscher وآخرون، Frontiers in Education 2026). وكان الاتفاق مع المقيّمين البشر، المقاس بمعامل كابا لكوهين (الاتفاق بما يتجاوز الصدفة، من 0 إلى 1)، الأعلى في المفردات التعبيرية والأدنى في دمج الفونيمات، وهي المهمة الأكثر تعقيدا من الناحية الفونولوجية بين المهام الثلاث. واختلف التطابق أيضا بحسب فئة الطلاب في قراءة الكلمات، وهي نتيجة مهمة لأي منطقة تعليمية تستخدم الفحص الآلي لتحديد الأطفال الذين يحتاجون إلى دعم في تعليم القراءة الصوتي.
| المقياس | القيمة | المصدر |
|---|---|---|
| الأطفال في دراسة القراءة الجهرية الهولندية؛ النطاق العمري | 71؛ 7 إلى 11 | Molenaar وآخرون، Interspeech 2023 |
| الاتفاق مع أحكام البشر على أخطاء القراءة (MCC): نظام Kaldi-PM مقابل Whisper large-v2 | .63 مقابل .01 | Molenaar وآخرون، Interspeech 2023 |
| معدل أخطاء الكلمات في قراءة الأطفال مقارنة بالتفريغ اليدوي: نظام Kaldi-PM مقابل Whisper large-v2 | 5.2% مقابل 13.4% | Molenaar وآخرون، Interspeech 2023 |
| أطفال الروضة في دراسة التحقق من الكلام الأمريكية | 429 من 20 مدرسة في ثلاث ولايات | Petscher وآخرون، Frontiers in Education 2026 |
| كابا بين النظام والمقيّمين البشر عند عتبة 50: دمج الفونيمات؛ المفردات التعبيرية؛ قراءة الكلمات | 0.16؛ 0.72؛ 0.51 | Petscher وآخرون، Frontiers in Education 2026 |
| نسبة الاستجابات المصنفة بالطريقة نفسها التي صنفها بها المقيّمون البشر عند عتبة 50، للمهام الثلاث نفسها | 0.52؛ 0.87؛ 0.80 | Petscher وآخرون، Frontiers in Education 2026 |
| كابا قراءة الكلمات عند عتبة 80: الطلاب السود مقابل الطلاب البيض | 0.25 مقابل 0.47 | Petscher وآخرون، Frontiers in Education 2026 |
ملاحظة سياقية: Kaldi-PM ليس اختصارا قابلا للنشر، لأن قائمة مفرداته تجمع بين نصوص القراءة وكلمات من التفريغات اليدوية لبيانات الاختبار. فاعتبره مقياسا لما يستطيعه نظام مقيد بإحكام، واقرأ نسبة 5.2% في ضوء ذلك الإعداد.
7. قواعد الخصوصية التي تحد من جمع كلام الأطفال
فجوة البيانات في القسم 4 هي في جزء منها نتيجة سياسية. أضافت قاعدة COPPA المعدلة، المنشورة في 22 أبريل 2025، المعرّفات البيومترية إلى تعريف المعلومات الشخصية للأطفال وسمّت البصمات الصوتية صراحة (FTC، تعديلات القاعدة النهائية لقانون COPPA 2025). ويشمل استثناء موافقة الوالدين الخاص بالصوت ملفا يحتوي صوت الطفل ولا يحتوي أي معلومات شخصية أخرى، ويُستخدم فقط للرد على طلب الطفل ويُحذف فورا بعد ذلك، ولا يترك هذا الاستثناء مجالا للاحتفاظ بالملف كبيانات تدريب.
ويدعم التطبيق النص. ففي عام 2023 وجهت FTC ووزارة العدل إلى Amazon تهمة الاحتفاظ بتسجيلات Alexa للأطفال إلى أجل غير مسمى؛ وتضمن الأمر المقترح غرامة مدنية قدرها 25 مليون دولار ومنع استخدام بيانات الصوت المشمولة لبناء منتجات بيانات أو تحسينها (بيان FTC الصحفي، 31 مايو 2023). ويستجيب الباحثون بنقل التعرف إلى الجهاز نفسه: فقد عمل نموذج Whisper tiny.en مضبوط دقيقا على Raspberry Pi بمعدل أخطاء كلمات 15.9% على MyST، مع الإشارة إلى قواعد الخصوصية بوصفها الدافع (Dutta وChandupatla وHansen، WOCCI 2025).
| المقياس | القيمة | المصدر |
|---|---|---|
| العمر الذي يشمله قانون COPPA | الأطفال دون سن 13 | بيان FTC الصحفي، 2023 |
| قاعدة COPPA المعدلة: تصويت اللجنة؛ التعليقات العامة التي روجعت | 5-0؛ قرابة 300 | بيان FTC الصحفي، 16 يناير 2025 |
| القاعدة المعدلة: النشر في Federal Register؛ مهلة الامتثال الكاملة | 22 أبريل 2025؛ سنة واحدة من النشر | FTC، تعديلات القاعدة النهائية لقانون COPPA 2025 |
| المعرّفات البيومترية المسماة معلومات شخصية | البصمات الصوتية، إلى جانب بصمات الأصابع وقوالب الوجه وأنماط المشي | FTC، القاعدة النهائية لقانون COPPA 2025 |
| قضية Amazon Alexa: الغرامة المدنية؛ الأطفال الذين يستخدمون Alexa عبر ملفهم الشخصي | 25 مليون دولار؛ أكثر من 800,000 | بيان FTC الصحفي عن Amazon Alexa ومدونة الأعمال، 31 مايو 2023 |
| Whisper tiny.en على الجهاز في Raspberry Pi: معدل أخطاء الكلمات على MyST؛ مع تصفية البيانات؛ عامل الزمن الحقيقي (زمن المعالجة مقسوما على طول الصوت) | 15.9%؛ 11.8%؛ 0.23 إلى 0.41 | Dutta وآخرون، WOCCI 2025 |
ملاحظة سياقية: وضعت سياسة FTC لعام 2017 بشأن التسجيلات الصوتية منطق الاحتفاظ القصير نفسه، إذ سمحت بجمع الصوت فقط بديلا عن الكلمات المكتوبة وحذفه فورا (بيان سياسة FTC، 2017). أحدث بيانات متاحة عن قضية Amazon: 2023.
الخلاصة: معدل أخطاء الكلمات في التعرف على كلام الأطفال بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| معدل أخطاء كلمات Whisper دون تدريب إضافي في اختبار CSLU Kids النصي: الروضة مقابل الصف الرابع | 84.6% مقابل 17.5% | Singh وآخرون، 2025 |
| معدل أخطاء كلمات Whisper Large-V2 دون تدريب على كلام الأطفال: أطفال MyST مقابل كلام البالغين المقروء | 25.00% مقابل 5.40% | Jain وآخرون، Interspeech 2023 |
| معدل أخطاء كلمات Whisper large دون تدريب إضافي: الأعمار 4 إلى 7 مقابل 8 إلى 10 | 43.9% مقابل 13.4% | Ying وآخرون، WOCCI 2025 |
| معدل خطأ التحقق من المتكلم: الأعمار 4 إلى 7 مقابل 11 إلى 15 | 13.2% مقابل 3.73% | Ying وآخرون، WOCCI 2025 |
| أطفال متوسط أعمارهم 4.9: التفريغ النصي الصحيح تماما، Whisper large-v3 مقابل Google | 36.8% مقابل 9.6% | Janssens وآخرون، Technological Advances in Human-Robot Interaction 2024 |
| أنظمة التعرف المدرَّبة على البالغين لدى الأطفال مقابل البالغين | أسوأ بمرتين إلى خمس مرات | Potamianos وNarayanan، IEEE TSAP 2003 |
| العمر الذي تبلغ عنده مدد المقاطع الصوتية لدى الأطفال مستويات البالغين | نحو 12 | Lee وPotamianos وNarayanan، JASA 1999 |
| معدل عدم الطلاقة: الأطفال مقابل Switchboard للبالغين | 10.1% مقابل 6.2% | Tran وآخرون، Interspeech 2020 |
| بيانات التدريب المسبق، Whisper-largeV3 مقابل مجموعة تدريب MyST المصفاة لكلام الأطفال | 1,000,000 مقابل 133 ساعة | Fan وآخرون، Interspeech 2024 |
| حجم مدونة MyST | نحو 470 ساعة؛ 1,371 طالبا | Linguistic Data Consortium، LDC2021S05 |
| مدونة ماندرينية للأطفال، الأعمار 3 إلى 5 | 41.25 ساعة؛ 397 متحدثا | Zhou وآخرون، ChildMandarin 2025 |
| Whisper Large-V2 على PF-STAR: قبل الضبط الدقيق على 10 ساعات وبعده | 73.68% مقابل 2.88% | Jain وآخرون، Interspeech 2023 |
| أفضل معدل أخطاء كلمات مسجل لـ Whisper-small على MyST (دمج الانتباه مع تعزيز البيانات) | 8.69% | Balaji Shankar وآخرون، ICASSP 2025 |
| التصحيح التوليدي للأخطاء عبر أربع مدونات للأطفال | معدل أخطاء كلمات من 30.5% إلى 21.8% | Balaji Shankar وآخرون، CHSER، Interspeech 2025 |
| الاتفاق في اكتشاف أخطاء القراءة (MCC): نظام Kaldi-PM مقابل Whisper large-v2 | .63 مقابل .01 | Molenaar وآخرون، Interspeech 2023 |
| كابا فحص الروضة: دمج الفونيمات مقابل المفردات التعبيرية | 0.16 مقابل 0.72 | Petscher وآخرون، Frontiers in Education 2026 |
| قضية بيانات أصوات الأطفال في Amazon Alexa، الغرامة المدنية | 25 مليون دولار | FTC، 2023 |
المنهجية والمصادر
أجرينا 21 عملية بحث على الويب وقرأنا الورقة الأصلية أو إدخال الفهرس أو المقالة العلمية أو النص التنظيمي الذي يقف وراء كل رقم أعلاه. تُعرض قيم معدل أخطاء الكلمات تماما كما تطبعها كل ورقة؛ وتختلف مجموعات الاختبار وتطبيع النصوص والتصفية بين الدراسات، لذلك قارن الأرقام داخل صف واحد أو دراسة واحدة لا بين الدراسات. والأرقام الأقدم من ثلاث سنوات موسومة في أقسامها بأنها أحدث بيانات متاحة.
- Singh وSahidullah وKinnunen، Causal Analysis of ASR Errors for Children، arXiv 2025 (مقدمة إلى Computer Speech and Language)
- Jain وBarcovschi وYiwere وCorcoran وCucu، Adaptation of Whisper models to child speech recognition، Interspeech 2023
- Fan وBalaji Shankar وAlwan، Benchmarking Children’s ASR with Supervised and Self-supervised Speech Foundation Models، Interspeech 2024
- Ying وآخرون، Benchmarking Training Paradigms, Dataset Composition, and Model Scaling for Child ASR in ESPnet، WOCCI 2025
- Attia وآخرون، Kid-Whisper: Towards Bridging the Performance Gap in Automatic Speech Recognition for Children vs Adults، AAAI/ACM AIES 2024
- Janssens وآخرون، Child Speech Recognition in Human-Robot Interaction: Problem Solved?، 2024
- Potamianos وNarayanan، Robust Recognition of Children’s Speech، IEEE Transactions on Speech and Audio Processing 2003
- Lee وPotamianos وNarayanan، Acoustics of children’s speech: developmental changes of temporal and spectral parameters، JASA 1999
- Tran وآخرون، Analysis of Disfluency in Children’s Speech، Interspeech 2020
- Linguistic Data Consortium، MyST Children’s Conversational Speech، LDC2021S05
- Pradhan وCole وWard، My Science Tutor (MyST): A Large Corpus of Children’s Conversational Speech، LREC-COLING 2024
- Zhou وآخرون، ChildMandarin: A Comprehensive Mandarin Speech Dataset for Young Children Aged 3-5، arXiv 2025
- Shivakumar وGeorgiou، Transfer Learning from Adult to Children for Speech Recognition، arXiv 2018
- Balaji Shankar وآخرون، Selective Attention Merging for low resource tasks: A case study of Child ASR، ICASSP 2025
- Balaji Shankar وآخرون، CHSER: A Dataset and Case Study on Generative Speech Error Correction for Child ASR، Interspeech 2025
- Graave وآخرون، Mixed Children/Adult/Childrenized Fine-Tuning for Children’s ASR، Interspeech 2024
- Molenaar وآخرون، Automatic Assessment of Oral Reading Accuracy for Reading Diagnostics، Interspeech 2023
- Petscher وآخرون، Evaluation of the Consistency of a Speech Verification System with Human Raters in Early Literacy Screening Assessments، Frontiers in Education 2026
- Dutta وChandupatla وHansen، Adapting Whisper for Lightweight and Efficient ASR of Children for On-device Edge Applications، WOCCI 2025
- FTC، FTC Finalizes Changes to Children’s Privacy Rule، 16 يناير 2025 و16 CFR Part 312: COPPA Final Rule Amendments
- FTC ووزارة العدل، بيان Amazon Alexa الصحفي، 31 مايو 2023 ومدونة FTC للأعمال حول قضية Alexa
- ملاحظة حول البيانات: (1) تتراوح نتائج Whisper دون تدريب إضافي على MyST بين نحو 12.5% و25% بحسب ما إذا كانت مجموعة الاختبار قد صُفّيت، لذا فإن معياري 2023 و2024 غير قابلين للمقارنة المباشرة. (2) يُذكر حجم MyST بأنه نحو 470 ساعة (LDC)، و393 أو نحو 400 ساعة (ورقة المدونة)، ونحو 240 ساعة مفرغة نصيا (معيار 2024). (3) نتائج Singh وآخرين حسب الصف الدراسي هي مسودة بحثية سابقة للنشر، وتصف الورقة MyST بأنها للصفوف من الثالث إلى الخامس في موضع وللصفوف من الخامس إلى الثامن في موضع آخر. (4) ينسب معيار ESPnet أفضل متوسط معدل أخطاء كلمات لديه إلى Whisper-small في قسم وإلى Whisper medium في قسم آخر. (5) انخفاض 13.3% في ملخص CHSER للأنظمة المضبوطة دقيقا أصلا ينطبق على Whisper Tiny فقط؛ ويعطي النص نطاقا من 9% إلى 13.3%. (6) تطبع ورقة Molenaar وآخرين معامل MCC لنظام Kaldi-PM بقيمة .62 في نص النتائج و.63 في موضع آخر (نستخدم .63)، ويعرض جدولها نظام Kaldi-MO، الذي تأتي مفرداته من تفريغات الاختبار وحدها، عند .65. (7) قيّمت دراسة Frontiers نظاما تجاريا واحدا، لذلك لا ينبغي تعميم أرقام الاتفاق فيها على كل أدوات القراءة. (8) وُسمت عدة أرقام أساسية (1999 و2003 و2020 و2023) بأنها أحدث بيانات متاحة؛ ومن المتوقع أن تحدّث أوراق ICASSP 2027 أرقام المعايير.
آخر تحديث: 31 أكتوبر 2026. نحدّث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع التحديث التالي عند نشر وقائع مؤتمر ICASSP 2027.