Syftet med studien är att undersöka erfarna lärare i svenska som andraspråks uppfattningar i arbetet med momentet uttal. Detta syfte avser jag uppfylla genom att besvara följande frågor: 1.      Vilka faktorer påverkar enligt lärarna elevers uttal i svenskan? 2.      Vilka arbetssätt väljer lärarna att använda? 3.      Vilka arbetsmetoder använder lärarna i sin undervisning? Det teoretiska ramverket i denna studie bygger dels på behaviorismen och dess kontrastiva hypotes dels på den sociokulturella teorin. I denna kvalitativa studie har fem behöriga lärare i svenska som andraspråk, som arbetar i årskurserna 4-6 och har lång erfarenhet intervjuats. Intervjuerna har kategoriserats med en kvalitativ innehållsanalys för att identifiera och ta fram teman för innehållet. Sammanfattningsvis kan konstateras att hos samtliga respondenter genomsyrar undervisningen i svenskt uttal de flesta momenten i ämnet svenska som andraspråk. Elevernas ankomstålder, modersmål och studieteknik är de faktorer som mest påverkar deras förmåga att tillägna sig ett korrekt svenskt uttal. För att nå detta mål söker lärarna att hitta elevernas proximala utvecklingszon, för att med den som utgångspunkt bestämma vilka arbetssätt (innehållet i undervisningen) som ska prioriteras. De vanligaste arbetsmetoderna är högläsning och imitation, där man tränar uttal av olika kontraster av fonem, kvantitet, betoning och prosodi. / The purpose of the study is to investigate experienced teachers´ perceptions about teaching pronunciation in swedish as a second language. This purpose I intend to fulfill by answering the following questions:   1. What factors do teachers consider important when working to develop pronunciation? 2. In which way do teachers choose to work? 3. What teaching methods do teachers use and how are they applied?   The theoretical framework in this study is based on behaviorism and its contrastive hypothesis and partly on socio-cultural theory. In this qualitative study, five qualified and experienced teachers in Swedish as second language, who work in grades 4-6 have been interviewed. The interviews have been categorized with a qualitative content analysis as a method to identify and develop themes for the content.   In conclusion, it can be noted that all interviewees consider that teaching of swedish pronunciation permeates most of the topics in the subject Swedish as other language. The students' age of arrival to Sweden, mother tongue and study technique are the factors that most affect their ability to acquire a correct Swedish pronunciation. To achieve this goal, the teachers seek to find the students' zone of proximal development as starting point in determining which way to work (the content of teaching) to be prioritized. The most common working methods are aloud reading and imitation, where pupils practice the pronunciation of different contrasts of phoneme, quantity, accent, and prosody.

Sammanfattning Syftet med denna studie är att undersöka vilken inställning lärare inom SFI (Svenska för invandrare) har till uttalsundervisning. Studien har genomförts med hjälp av enkäter och intervjuer besvarade av aktiva lärare inom svenska för invandrare i olika kommuner i Sverige. Informanterna har medverkat frivilligt och besvarat frågorna muntligt och/eller skriftligt. Svaren har sedan jämförts med tidigare forskning inom samma område. Forskningsfrågorna som har studerats är följande: Hur relevant anser lärarna att uttalsundervisning är i elevernas utbildning? Hur ser lärarnas förutsättningar att jobba med uttal ut? Hur värderar och prioriterar lärarna uttalsundervisning? Resultaten har visat att lärare inom svenska för invandrare uppskattar och prioriterar uttalsundervisning högt. De upplever att de har de material som behövs och även om de kan ha önskemål om förbättringar är intrycket att många är positiva. De som inte är helt positiva uttrycker en acceptans för förutsättningarna som råder. Forskning visar att för svagt uttal kan leda till sämre självkänsla och onödiga hinder för andraspråksinlärare både yrkesmässigt och socialt. Då en utförlig och noggrann uttalsundervisning är av så stor vikt behövs ytterligare fokus på uttal inom andraspråksinlärningen och mer forskning inom detta område.

The rise of multilingualism has fueled the demand for computer-assisted pronunciation training (CAPT) systems for language learning, CAPT systems make use of speech technology advancements and offer features such as learner assessment and curriculum management. Mispronunciation detection (MD) is a crucial aspect of CAPT, aimed at identifying and correcting mispronunciations in second language learners’ speech. One of the significant challenges in developing MD models is the limited availability of labeled second-language speech data. To overcome this, the thesis introduces SpeechBlender - a fine-grained data augmentation pipeline designed to generate mispronunciations. The SpeechBlender targets different regions of a phonetic unit and blends raw speech signals through linear interpolation, resulting in erroneous pronunciation instances. This method provides a more effective sample generation compared to traditional cut/paste methods. The thesis explores also the use of pre-trained automatic speech recognition (ASR) systems for mispronunciation detection (MD), and examines various phone-level features that can be extracted from pre-trained ASR models and utilized for MD tasks. An deep neural model was proposed, that enhance the representations of extracted acoustic features combined with positional phoneme embeddings. The efficacy of the augmentation technique is demonstrated through a phone-level pronunciation quality assessment task using only non-native good pronunciation speech data. Our proposed technique achieves state-of-the-art results, with Speechocean762 Dataset [54], on ASR dependent MD models at phoneme level, with a 2.0% gain in Pearson Correlation Coefficient (PCC) compared to the previous state-of-the-art [17]. Additionally, we demonstrate a 5.0% improvement at the phoneme level compared to our baseline. In this thesis, we developed the first Arabic pronunciation learning corpus for Arabic AraVoiceL2 to demonstrate the generality of our proposed model and augmentation technique. We used the corpus to evaluate the effectiveness of our approach in improving mispronunciation detection for non-native Arabic speakers learning. Our experiments showed promising results, with a 4.6% increase in F1-score for the Arabic AraVoiceL2 testset, demonstrating the effectiveness of our model and augmentation technique in improving pronunciation learning for non-native speakers of Arabic. / Den ökande flerspråkigheten har ökat efterfrågan på datorstödda CAPT-system (Computer-assisted pronunciation training) för språkinlärning. CAPT-systemen utnyttjar taltekniska framsteg och erbjuder funktioner som bedömning av inlärare och läroplanshantering. Upptäckt av felaktigt uttal är en viktig aspekt av CAPT som syftar till att identifiera och korrigera felaktiga uttal i andraspråkselevernas tal. En av de stora utmaningarna när det gäller att utveckla MD-modeller är den begränsade tillgången till märkta taldata för andraspråk. För att övervinna detta introduceras SpeechBlender i avhandlingen - en finkornig dataförstärkningspipeline som är utformad för att generera feluttalningar. SpeechBlender är inriktad på olika regioner i en fonetisk enhet och blandar råa talsignaler genom linjär interpolering, vilket resulterar i felaktiga uttalsinstanser. Denna metod ger en effektivare provgenerering jämfört med traditionella cut/paste-metoder. I avhandlingen undersöks användningen av förtränade system för automatisk taligenkänning (ASR) för upptäckt av felaktigt uttal. I avhandlingen undersöks olika funktioner på fonemnivå som kan extraheras från förtränade ASR-modeller och användas för att upptäcka felaktigt uttal. En LSTM-modell föreslogs som förbättrar representationen av extraherade akustiska egenskaper i kombination med positionella foneminbäddningar. Effektiviteten hos förstärkning stekniken demonstreras genom en uppgift för bedömning av uttalskvaliteten på fonemnivå med hjälp av taldata som endast innehåller taldata som inte är av inhemskt ursprung och som ger ett bra uttal, Vår föreslagna teknik uppnår toppresultat med Speechocean762-dataset [54], på ASR-beroende modeller för upptäckt av felaktigt uttal på fonemnivå, med en ökning av Pearsonkorrelationskoefficienten (PCC) med 2,0% jämfört med den tidigare toppnivån [17]. Dessutom visar vi en förbättring på 5,0% på fonemnivå jämfört med vår baslinje. Vi observerade också en ökning av F1-poängen med 4,6% med arabiska AraVoiceL2-testset.