英语主导下越南语如何被多说一点：两次学前项目实施的输入输出时长对比

英文题目：Measuring English and Vietnamese language input and output in an Australian preschool – A longitudinal study

会议身份：conference:interspeech:2026:conference-paper-id:tran26b_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #语言习得 #多语言 #语音 #语言识别

评分：5.5/10 | 创新 1.0/2 | 技术严谨 1.2/1.5 | 实验充分 0.8/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.8/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Ha Chi Tran：机构信息未能从会议 PDF 纯文本可靠映射
• Minh Anh Tran：机构信息未能从会议 PDF 纯文本可靠映射
• Mai Linh Tran：机构信息未能从会议 PDF 纯文本可靠映射
• Weicong Li：机构信息未能从会议 PDF 纯文本可靠映射
• Paola Escudero：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究测量澳大利亚墨尔本学前机构中越南语 heritage 语与英语的输入输出，输入为Zoom课堂录音，输出为引导者与儿童按英越划分的言语时长及相对使用率，难点在于多人重叠、儿童语音稀疏、英越频繁切换且自动工具失效。方法分四步：每年按相同规则抽取8个片段并由越英双语第一作者在Praat中标注四类区间起止，再用MATLAB脚本汇总时长并计算描述统计。然后在RStudio中用brms包做以秒级时长为因变量的贝叶斯回归，最后检验5个方向性假设并报告估计值、95%可信区间与证据比。与既往问卷加LENA日记录或单轮视频编码相比，本研究坚持跨年可比取样加纵向建模，更适合评估课程迭代对师幼互动的影响。在相同取样条件的8段课堂语料评测下，IMP-2的言语占比指标为25.3%，高于IMP-1的言语占比指标10.9%。结论仅适用于该园所、单名越南语引导者、结构化主题课程初期的师幼互动，未验证遗产语儿童与附加语（Additional Language，无家庭背景的课堂新语言）儿童的分群轨迹，也未检验长期保持效果。跨园所推广与不同引导者条件下的效果尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么，目标是什么，这篇解读要保留什么？

这篇解读的输入是论文报告的澳大利亚墨尔本一所学前机构的越南语接触项目，比较第一年实施与第二年实施前 8 个片段中英语和越南语的输入与输出时长。目标读者是刚进入语音、音乐、音频领域的研究生，需要能核对实验条件并能向他人复述方法。

必须保留的信息包括研究对象是 3 到 5 岁儿童与 1 名越南语组织者，记录方式是用 Zoom 录制的约 30 分钟音视频，从中选取两个 10 分钟片段和 6 个 5 分钟片段，标注方式是第一作者用 Praat 手动标出组织者和儿童说英语或越南语的起止时间，再用 MATLAB 脚本提取时长并在 R 的 brms 包中做贝叶斯回归。输出是一套可复述的流程说明与带条件的结论，不做超出证据的推广。全文按学习依赖展开，先讲任务与相关路线，再讲方法全景与组件计算，然后讲构造与统计，最后讲实验条件、结果、反证与复现。

凡是教学举例都会标明是例子，不把例子里的数字当作论文报告的数字。

此前人们如何量化儿童的语言输入与输出？

论文把已有方法分为间接方法和直接方法。间接方法最常用的是家长问卷，例如用于量化双语经验的问卷，可以询问儿童在家接触英语与越南语的比例。它的优点是成本低、能覆盖长期家庭背景，缺点是依赖回忆与估计。直接方法是在家或在课堂录音，例如用语言环境分析系统做全天录音，或在学前教室用麦克风、头戴相机、便携录音机、三脚架摄像机采集教师与儿童互动，再转写分析。

论文引用了悉尼一所西班牙语与英语双语学前的研究，助理在八周的早晨做视频记录，从 138 段中选 61 段，由双语助理标注教育者或儿童说西班牙语、英语或混合语的时长，作者认为有目标的视频加人工编码比自动化系统更精确。另一条线是土耳其语荷兰语与波兰语荷兰语学前儿童的研究，同时用问卷与全天录音，发现两者与组合方法都可视为可靠。这些工作说明本研究选择人工标注课堂录像是有先例的，不是临时发明。

直接测量 × 间接测量： 直接测量指录音录像后人工转写标注的时长，承担捕捉真实课堂互动的分工；间接测量指家长问卷估计的语言经验，承担覆盖家庭长期背景的分工；两者搭配是因为问卷易得但依赖回忆，录音费力但精确，组合后才能既知道儿童在家接触多少，又验证课堂里实际说了多少。

本研究与上述路线的区别在于它不是测家庭全天输入，而是测结构化语言项目课堂内的输入与输出，并且纵向比较同一项目两年实施的前 8 个片段。理解这一点才能明白后文为何只选 8 段、为何关注师生比，而不是比较家庭问卷分数。

与同输入同目标的工作如何对照？

按同输入、同目标、同监督与同运行阶段对照。同输入都是学前课堂互动，同目标都是量化输入输出，西班牙语双语学前研究与本研究最接近，都用视频加人工标注时长，区别是前者覆盖八周日常活动 61 段，后者聚焦结构化项目前 8 段，因此本研究儿童话语占比高于前者不能直接读作方法更优，可能源于结构化活动更易引发开口。

同监督方面，问卷加全天录音的研究监督来自家庭报告与自动切分，本研究监督来自课堂人工语言判定，适用阶段不同，前者适合家庭输入，后者适合课堂项目评估。同运行阶段方面，教师话语与儿童词汇增长的研究多用转写加计算机程序分析，本研究只到时长层面，未做词汇与句法分析，因此不能比较语言质量收益。这样的对照避免把类别差异当成同条件胜负，也 clarifies 本研究的增量是纵向两年比较与精细化时长方法，而不是首次提出人工标注。

这项研究要回答哪两个具体问题？

论文提出两个研究问题。第一，第二年实施中儿童的总体语言输出是否高于第一年报告的水平。第二，儿童的越南语与英语输入和输出是否从第一年增加到第二年。这里输入特指组织者说给儿童听的英语与越南语时长，输出特指儿童自己说的英语与越南语时长。作者的预期是总体输出在第二年更高，因为约一半第一年儿童返回，对组织者与项目内容更熟悉，可以带动同伴理解与表达。

同时作者预测越南语使用仍会偏低且可能不增加，因为第二年仍有一半以上是把越南语当附加语学的儿童，其中许多新加入的 3 岁儿童此前没有越南语基础。把预期写清楚很重要，后文贝叶斯假设检验正是围绕这 5 个方向展开，分别是儿童总话语增加、组织者英语增加、儿童英语增加、组织者越南语减少、儿童越南语增加。

初学者容易把增加理解为能力提高，论文实际测的是时长概率变化，需要与年龄发育效应区分，后文讨论专门用年龄分布相当来排除单纯长大两岁的解释。

从一场活动到时长数字，完整链路是怎样的？

先沿一个样本走完输入到输出。假设某次 45 分钟主题活动被 Zoom 录成约 30 分钟文件，研究者取其中间 5 分钟作为一个分析片段，如果需要 10 分钟片段，则在该 5 分钟之前再向前取 5 分钟。第一作者同时懂越南语与英语，戴耳机在 Praat 中听该片段，每当听到组织者说英语就标一段英语输入区间，每当听到儿童说越南语就标一段越南语输出区间，记录起点与终点。然后用 MATLAB 脚本把所有同类区间的时长相加，得到该片段组织者英语秒数、组织者越南语秒数、儿童英语秒数、儿童越南语秒数。

再对 8 个片段汇总并计算百分比与师生比，最后把秒数作为因变量送入贝叶斯回归，检验从第一年到第二年的变化。主题按学期推进，依次是水果与颜色、农场动物与数字、太空与宇宙，每个主题覆盖词汇、听、说、读写与数理 5 个语言成果，每节课结构固定为互动导入、动手活动、全班练习与结尾回顾。这样的固定结构保证两年比较的是相似教学环节，而不是完全不同的活动类型。 下面这张表把可核对的采集与取样条件放在一起，帮助复述时不漏掉时长口径。

表前问题是两年比较是否用了相同时长与相似取样位置，公平条件是都用 8 段且包含两个 10 分钟加 6 个 5 分钟，指标方向是片段越长越能覆盖完整互动但也增加标注成本。

表后解释是该取样设计的主要收益是控制了总时长与位置，使两年可比，代价是只看前 8 个片段，不能代表整年三学期的变化趋势，也不能反映每个儿童的个体轨迹。

未胜出的替代做法是分析全部录音或随机抽整年片段，论文未采用，原因是标注成本高且前 8 段更能反映项目刚开始时的参与状态。需要补的边界是未报告标注者一致性与儿童重叠说话的处理规则，复现时要先明确这两点。

标注与计算组件各自做什么，为何这样搭配？

标注组件由第一作者完成，使用 Praat 标出组织者与学前儿童说英语或越南语的起止。选择人工而非自动化的理由是课堂有多人重叠、儿童发音不清，自动化在这种情况下效果较差，而人工能做更细的语言归属。计算组件用 MATLAB 脚本提取每个区间的时长并汇总，再算描述统计。统计组件用 R 的 brms 包做贝叶斯回归，因变量是秒数，自变量是实施轮次与说话人。论文解释选择贝叶斯的三点理由是可以用先验累积知识，给出可信区间以直观表达不确定性，尤其在样本有限时比频率学派的固定值检验更易理解。初学者可以这样记，Praat 解决何时何人说何语，MATLAB 解决加总多久，贝叶斯解决变化是否可信。

语言输入 × 语言输出： 语言输入指组织者说英语或越南语并被儿童听到的时长，承担提供可理解榜样的分工；语言输出指儿童自己说两种语言的时长，承担练习与参与的分工；两者搭配是因为只看输入无法知道儿童是否开口，只看输出无法判断机会是否充分，组合后才能用输入输出比判断参与度变化。

传承语 × 附加语： 传承语指在家说但社会多数人不说的越南语，承担维持家庭语言的分工；附加语指把越南语当新语言学的儿童类别，承担从零接触的分工；两者搭配是因为同一课堂混合了两类儿童，组合分析才能解释为何英语主导且越南语增长有限，而不是把全班平均误读为每个儿童都进步。

举例说明，假如某 5 分钟片段中组织者越南语说了 200 秒英语说了 20 秒，儿童英语说了 15 秒越南语说了 5 秒，那么输入以越南语为主，输出以英语为主，师生比很大。这个例子只是帮助理解口径，不是论文报告的数值，论文真实汇总值见结果部分表格导读。

本研究有没有训练模型，真实计算过程是什么？

本研究没有训练神经网络模型，也没有冻结或更新任何模型参数，不存在梯度路径与优化步骤。真实计算过程是规则式信号标注加统计建模。第一步是人工听辨与区间标注，第二步是脚本求和与百分比换算，第三步是贝叶斯回归估计。回归把秒数当因变量，把第一年对第二年、儿童对组织者当分类自变量，检验 5 个假设的估计值、标准误、可信区间与证据比。

论文未报告先验的具体分布、链数、迭代数与收敛诊断，这是缺项，复现时不能从 brms 包名推定默认设置，必须向作者索取代码或按自己明确记录的先验重做并说明差异。同样未报告 Praat 标注的最小切分单位与静音门限，复现时要先固定操作定义，例如小于多少毫秒的停顿是否合并，否则不同标注者会得到不同秒数。把无训练等同于确定性求解是误解，人工标注与贝叶斯抽样都带不确定性，只是来源不是梯度下降。

描述性统计 × 贝叶斯回归： 描述性统计指对秒数求和并算百分比与师生比的分工，承担呈现原始量级；贝叶斯回归指以时长为因变量、以实施轮次和说话人为自变量估计概率变化的分工，承担在小样本下给出可信区间与证据强度；两者搭配是因为前者直观但不量化不确定性，后者补充了从第一年到第二年变化是否可信的判断。

因此复现重点不是调参，而是保证取样位置、语言判定标准与汇总口径一致，才能得到可比的时长与证据比。

被试、分组与伦理条件如何交代？

记录来自墨尔本一所学前机构的越南语接触项目第二年，共 30 名 3 到 5 岁儿童，包括 13 名越南语传承语儿童与 17 名附加语儿童。一半第一年儿童返回并长大，同时新加入一批 3 岁儿童，使平均年龄在两年间保持相当，避免单纯年龄效应。家长通过问卷提供人口学与语言使用数据，问卷与电子知情同意一起通过在线系统发放。

伦理方面，第一年与第二年数据收集获西悉尼大学人类伦理委员会批准，文号不同，第二年首批 10 段分析由第一作者执行另获批准，所有数据完全去标识化并指定数据保管人。课程为每周 2 次、连续三学期，学期周数分别为 11 周、9 周与 10 周。分析只用前 8 段，两个 10 分钟加 6 个 5 分钟，与第一年已发表分析用相同选择标准。初学者复述时要同时说清儿童构成、每周频次、学期结构与 8 段取样，缺任何一项都会让时长数字失去可比基础。

论文未公开代码、模型或数据链接，本次也未收到可验证的开源资源，因此不能声称数据已公开，复现需按上述条件重新采集或申请受限数据。

总体话语与师生比发生了什么变化？

先看总体参与度。论文报告第二年儿童话语占所测总话语的 25.3%，超过第一年可比 8 段的 10.9%，师生话语比从 8.17 降至 2.94。这意味着第二年儿童说了更多，与组织者的互动更频繁。组织者在两年都贡献了大部分话语，但占比从 89.3% 降至 75.8% 左右，儿童占比相应上升。英语在两年都是主导语言，组织者与儿童的英语时长都增加，组织者越南语输入减少，儿童越南语输出有所增加但证据强度仅为中等。

理解时要注意百分比与秒数的区别，百分比反映相对使用，秒数反映绝对时长，两者同时看才能判断是此消彼长还是同增同减。 表前比较问题是第二年参与度是否真实高于第一年，公平条件是同为 8 段且同为项目初期，指标方向是儿童占比越高、师生比越低表示参与越高。

表后解释是主要收益是儿童绝对与相对话语都上升，支持熟悉组织者与内容带来更高参与的解释，代价是英语同步大幅上升，越南语输入反而下降，说明参与度提高不等于传承语输入提高。

未胜出项是组织者越南语输入，它从高位下降，与最大化越南语使用的指导相冲突，论文用包容性与语码转换解释，即组织者用共享英语维持兴趣。未评测边界是传承语儿童与附加语儿童分开的轨迹，合并分析可能掩盖两组的不同模式。

五个假设检验各自得到多强证据？

论文基于描述结果提出 5 个方向假设并做贝叶斯检验。儿童总话语增加获强证据，组织者英语增加获很强证据，儿童英语增加获很强证据，组织者越南语减少获很强证据，儿童越南语增加获中等证据。证据强度用估计值、标准误、可信区间与证据比表达，可信区间不包含零且证据比大表示方向更可信。初学者不要把证据比读作准确率，它是支持方向假设相对零假设的程度。

对复现而言，关键是保留原文的可运行策略，即以秒数为因变量、以实施与说话人为自变量的回归，而不是事后挑选最优片段重算最大值，后者不能代替可部署的课堂收益。论文未报告去掉返回儿童后是否仍有增长，也未报告只看传承语儿童时越南语是否更强，这是缺失的对照，不能自行推断拿掉某组后必然怎样。

反证方面，组织者越南语下降与儿童越南语仅中等证据构成对越南语大幅提升预期的否定，说明项目在提高参与上有效，在增加传承语输入上未达指导目标。

哪些边界会改变结论的适用范围？

论文明确承认的主要局限是把儿童当作单一整体分析，未把传承语儿童与附加语儿童分开纵向追踪。合并可能掩盖独特模式，例如传承语儿童的越南语输出可能更高，而附加语儿童拉低平均。第二个局限是只分析前 8 个片段，不能推广到整年，项目后期概念与语言复杂度上升，输入输出格局可能不同。第三个局限是新老混合与年龄相当的论证依赖平均年龄，个体发育与家庭背景差异仍未控制。

测量层面未报告标注一致性、重叠语音处理与环境噪声影响，Zoom 录音的拾音距离与压缩也可能影响短促儿童话语的检出。这些缺失不是技术错误，但意味着结论应表述为报告与支持，而非因果证明。例如可以说结果支持熟悉度提高参与的解释，但不能说证明返回儿童导致增长，仍需待验证的分组追踪来确认。同样未测量误判率、延迟与成本，不能承诺该人工方法在更大规模下依然高效。

要复现这套测量，先做什么、记什么？

复现先做四件事。第一，固定课程与录制条件，记录每周频次、每节时长、学期周数、录制设备与文件时长，保证与原文 45 分钟活动、约 30 分钟录音可比。第二，固定取样规则，明确 8 段中哪两段为 10 分钟、哪 6 段为 5 分钟，5 分钟取自录音中部，10 分钟在 5 分钟前再向前取 5 分钟，并记录主题与教学环节。第三，固定标注手册，明确英语与越南语的判定标准、混合话语归属、重叠与噪声段处理、最小区间与合并规则，标注者需同时懂两种语言并记录标注者一致性。

第四，固定汇总与统计口径，记录秒数求和、百分比基数、师生比计算，以及贝叶斯模型的因变量、自变量、先验、抽样设置与证据比阈值。伦理上需提前获批、家长知情同意与去标识化，并指定数据保管人。何时值得尝试是当课堂有多人互动且自动化对儿童语音效果差时，人工标注仍有价值；当只需要家庭长期估计时，问卷可能更经济。还需补的验证是分组纵向分析与整年抽样，以及公开标注手册与脚本以便他人重跑。

综合判断与下一步验证是什么？

综合来看，这项纵向比较显示结构化接触项目能让儿童在第二年说得更多，师生比明显下降，参与度提升的判断得到强证据支持。但英语主导未改变，组织者越南语输入减少而儿童越南语输出仅获中等证据，说明提高参与与增加传承语输入是两个不同目标，需要不同策略。论文用包容性与语码转换解释英语上升，认为用共享语言维持兴趣有助于学习环境，但这属于有限解释，尚未验证何种比例的英语支架最有利于越南语产出。

下一步应分开追踪传承语与附加语儿童的纵向轨迹，补充整年取样，检验返回儿童的同伴带动机制，并记录标注一致性与统计先验以实现可运行复现。对实践的启示是支持在澳大利亚与全球推广类似传承语项目时，要同时设计如何保障组织者高比例越南语输入，否则参与度收益可能主要流向英语。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 interspeech-2026 论文汇总