Decolonizing Linguistic Policies in Automated Speech Recognition: A Framework for Cross-Culturally Competent Speech AI
arXiv 论文 2608.06141v1 提出 ASR 中的语言政策去殖民化框架，引入 Three Harms (3M) 分类法（Misrecognition、Misalignment、Mistrust）和七层情境模型，并建议参与式框架和最低审计协议。
Development
- First ReportDecolonizing Linguistic Policies in Automated Speech Recognition: A Framework for Cross-Culturally Competent Speech AIarXiv cs.CL
- Current Assessment该研究可能推动 ASR 行业对低资源语言和非标准方言的重视，促使企业采用更包容的语言政策，并可能影响监管和审计要求。下一信号：是否有主要 ASR 提供商（如 Google、Amazon）公开回应或采纳相关框架。Agent Pulse · analysis
该论文指出，自动语音识别（ASR）及其语音界面在公共服务、医疗和教育中的失败，不仅是技术错误，更是隐性的语言政策，再现了殖民语言等级。作者结合语言资本、种族语言学意识形态、语言政策研究和去殖民计算，展示数据、指标和模型先验如何决定哪些声音可被机器识别。论文提出 Three Harms (3M) 分类法（Misrecognition、Misalignment、Mistrust）和七层情境模型，以涵盖 ASR 中的语言多样性，并建议参与式框架和最低审计协议，将受影响社区定位为共同设计者、评估者和治理伙伴。
论文提出的 3M 分类法和七层情境模型为 ASR 系统评估提供了结构化框架，可能影响未来 ASR 系统的设计、评估和审计标准。下一信号：是否有后续工作将 3M 分类法应用于具体 ASR 系统评估，或七层模型被采纳为基准。
该研究可能推动 ASR 行业对低资源语言和非标准方言的重视，促使企业采用更包容的语言政策，并可能影响监管和审计要求。下一信号：是否有主要 ASR 提供商（如 Google、Amazon）公开回应或采纳相关框架。
对 ASR 提供商而言，采用该框架可提升在公共服务、医疗和教育领域的市场准入，降低因语言歧视导致的声誉风险，并可能开拓低资源语言市场。下一信号：是否有企业客户要求 ASR 供应商提供文化能力审计报告。
未来 ASR 系统可能需内置文化能力评估，社区参与成为标准实践。下一信号：是否有后续论文或行业报告引用该框架，或出现基于该框架的审计工具。