Live-ondertiteling & spraakherkenning De invloed van reductie bij live-ondertiteling op de perceptie van de ondertitels bij senioren (Masterverhandeling Lisa Kussé) Raphaël de Pitteurs Yoshi Denis

Live-ondertitelen ◦ Reductie Spraakherkenning Onderzoek Lisa Kussé Implicaties

Live ondertiteling De geschreven weergave van wat er gezegd wordt op een live show op televisie (Kussé, 2010)

Waarom live-ondertiteling? Initieel voor doven en slechthorenden maar volgens onderzoek door VRT bleek het al snel buiten die groep in de smaak te vallen, vooral bij senioren.

Proces live-ondertiteling

Neon (Nederlandse Ondertiteling) Neon (Nederlandse Ondertiteling) Ondertitelingsproces wordt met behulp van spraaktechnologie met 40% versneld (Nog) niet mogelijk om volledig geautomatiseerd te ondertitelen

Reductie Het weglaten en herformuleren van ondertitels om ze aan te passen aan de gemiddelde leessnelheid (Kussé, 2010)

Waarom reductie? Gemiddelde presentatiesnelheid van ondertitels is 120 à 125 woorden per minuut Gemiddelde spreeksnelheid tijdens liveshows is 180 woorden per minuut

Onderzoeksopzet 35 senioren tussen 62 en 84 jaar vulden een vragenlijst in over hun begrip en waardering van verschillende ondertitelde fragmenten Controlegroep van 30 studenten 3 fragmenten met telkens 3 verschillende ondertitelvarianten: ◦ Letterlijke variant ◦ Samengevat (25% reductie) ◦ Maximaal gereduceerd (50% reductie)

Resultaten van het onderzoek Beelden ◦ Reductie verhoogt het begrip van de beelden maar niet van de inhoud. Ondertitels ◦ Gereduceerde ondertitels geven meer tijd om de beelden te bekijken maar krijgen een lagere waardering

Kanttekening bij het onderzoek Leeftijdsverschil binnen de doelgroep is vrij groot, in hoeverre is dit representatief voor senioren? Wanneer wordt iemand als een ‘senior’ beschouwd?

Nood aan ondertiteling Gerrit Callewaert

Wat is spraakherkenning? De technologie om te identificeren en te reageren op hetgeen een wat een persoon zegt (Kotelly, 2003)

Wat zijn de mogelijke toepassingen? ◦ Zowel private als maatschappelijke toepassingen

Private toepassingen o Zelfstudie Leren van een vreemde taal door middel van “computer-assisted learning” o Gaming en vrijetijdsbesteding Locatie restaurants, taxi’s, sportcomplexen,... op smartphone, PC, tablet  bv. “Welke goede restaurants zijn hier?” Uitleg toeristische bezienswaardigheden bij GPS-toestellen Mens-systeem dialogen bij gaming of simulaties

Maatschappelijke toepassingen Zorgsector: ◦ Computersystemen om patiënteninformatie op te vragen ◦ Hulp voor patiënten met een spraakgebrek ◦ Opmaak documenten ◦ Controle op afstand voor patiënten die zelfstandig willen blijven wonen E-government ◦ Informatieverstrekking buiten de openingstijden ◦ Verbetering zoekfunctie binnen officiële archieven ◦ Zoeken naar relevante passages binnen parlementaire zittingen

Cultureel erfgoed ◦ Verbetering zoekfunctie binnen digitaal beschikbaar gemaakt erfgoed (d.m.v. geautomatiseerde “knowledge bases”) ◦ Voorziening van automatische ondertiteling van gearchiveerd geluids- en beeldmateriaal Veiligheid ◦ Snelle verwerking van grootschalige informatiestromen Media mining ◦ Aanpassing digitale informatie naar tekst en spraak ◦ Behering persoonlijk profiel op gsm, PDA, etc.

Wat zijn de huidige implicaties? Voorlopig enkel Engels? Relatief stille omgeving nodig Spraakproblemen

Voorbeelden Watson Siri

Bedankt voor uw aandacht!