Naukowcy z zakresu przetwarzania języka naturalnego opracowali nową skalowaną metodę do pomiaru, które spółgłoski mają największy wpływ na zrozumiałość wyrazów. Zamiast tradycyjnych badań percepcyjnych, które są trudne do przeprowadzenia na dużą skalę, zespół zaproponował podejście wykorzystujące maskowanie akustyczne - systematyczne wyciszanie poszczególnych spółgłosek w wyrażonych słowach i sprawdzenie, czy modele automatycznego rozpoznawania mowy (ASR) wciąż prawidłowo je identyfikują.
Wskaźnik Called MMR (mask-induced misrecognition rate) jest definiowany jako proporcja przypadków, w których wyciszenie danej spółgłoski powoduje błędne rozpoznanie wyrazu przez model. Badanie przetestowało tę metodę na czterech językach - angielskim, hiszpańskim, niemieckim i czeskim - korzystając z trzech architektur ASR: MMS (encoder-only), Whisper (encoder-decoder) oraz Qwen3-ASR (oparta na modelach dużych). Wyniki pokazały, że spółgłoski o wyższej częstotliwości w języku są mniej destruktywne dla rozpoznawania, gdy się je wycisza, podczas gdy spółgłoski niosące większy kontrast leksykalny (functional load) są bardziej istotne dla zrozumienia.
Metoda ta ma praktyczne znaczenie dla logopedii i terapii zaburzeń mowy, gdzie specjaliści ze względu na ograniczony czas dostępny do pracy z pacjentami muszą strategicznie wybierać cele interwencji. Skalowalna procedura pozwala na bardziej precyzyjną priorytetyzację, którymi spółgłoskami warto się zająć jako pierwszymi. Konsekwentne wyniki na wielu językach i modelach ASR sugerują, że mechanizm leżący u podstaw wpływu spółgłosek na zrozumiałość może być językowo uniwersalny.