Refine
Document Type
Has Fulltext
- no (3)
Reviewed
Keywords
- Artificial Intelligence (1)
- Chatberatung (1)
- Computerunterstützte Kommunikation (1)
- Generative KI (1)
- Hochschule (1)
- Lehre (1)
- Onlineberatung (1)
- Onlinekommunikation (1)
- Psychosoziale Beratung (1)
- Social Counseling (1)
Institute
Is part of the Bibliography
- yes (3)
Der Beitrag beleuchtet das Projekt "Virtuelle*r Klient*in (ViKl)" am Institut für E-Beratung der Technischen Hochschule Nürnberg Georg Simon Ohm, das sich mit der Nutzung eines KI-basierten Chatbots für die Simulation von Klient*innen in der Lehrveranstaltung "Querschnitt Onlineberatung" im Bachelor-Studiengang Soziale Arbeit befasst. Ziel ist es, praxisnahe Erfahrungen zu vermitteln und die Fähigkeiten der Studierenden im digitalen Beratungsgespräch zu verbessern. Durch den Einsatz verschiedener maschineller Lernarchitekturen werden passende Antworten generiert, die zum Gesprächsverlauf und zur psychosozialen Problemstellung passen. Die Nutzung einer umfangreichen Datenbasis aus dem Zertifikatskurs "Onlineberatung" sowie ein zielgruppenadäquates didaktisches Konzept tragen zur Qualität des*der ViKl bei. Die Diskussion umfasst auch zukünftige Entwicklungen in der Onlineberatung, die didaktische Gestaltung von KI-basierten Lehr-Lern-Formaten, sowie Herausforderungen und Vorteile dieser Ansätze.
In this work, we present our submission to the Speech Accessibility Project challenge for dysarthric speech recognition. We integrate parameter-efficient fine-tuning with latent audio representations to improve an encoder-decoder ASR system. Synthetic training data is generated by fine-tuning Parler-TTS
to mimic dysarthric speech, using LLM-generated prompts for corpus-consistent target transcripts. Personalization with x-vectors consistently reduces word error rates (WERs) over non-personalized fine-tuning. AdaLoRA adapters outperform full fine-tuning and standard low-rank adaptation, achieving relative WER reductions of ∼23% and ∼22%, respectively. Further improvements (∼5% WER reduction) come from incorporating wav2vec 2.0-based audio representations. Training with synthetic dysarthric speech yields up to ∼7% relative WER improvement over personalized fine-tuning alone.