Phonological disorders are characterized by substitutions, insertion and/or deletions of sounds during the process of language acquisition, which are known as Phonological Processes (PPs). In the speech therapy domain, an early identification of PPs allows the diagnosis and treatment of various pathologies and may improve clinical tasks, however, there are few proposals that focus on the identification of PPs for supporting Speech-Language Pathologists (SLPs). Recent research applied Case-Based Reasoning (CBR) in medical domain to identify specific cases related to patients. Situation-Awareness (SA) is a technique that allows computing systems to adapt itself and respond to users or other systems according to environment information. Moreover, there is no indicative in related literature of CBR and SA being used for detecting PPs that may occur in pronunciation. In this paper, we introduce the union of SA and CBR, tied to machine learning algorithms for proposing a system to predict PPs, supporting specialists in their clinical decisions. To evaluate the system, we implemented it in a software architecture prototype and evaluated the prototypes using a knowledge base containing near one hundred thousand audio files, collected from more than 1,000 pronunciation assessments. The evaluation of the prototypes showed an accuracy over 93% in the prediction of PPs, resulting in a efficient tool for clinical decision support and therapeutic planning. We also presented a direct qualitative comparison between our approach and related work.

语音障碍的特征在于在语言习得过程中声音的替换，插入和/或删除，这被称为语音过程（PPs）。在言语治疗领域，对PP的早期识别可以诊断和治疗各种病理情况，并且可以改善临床任务，但是，很少有提案着重于PP的识别以支持言语病理学家（SLP）。最近的研究在医学领域应用了基于案例的推理（CBR）来识别与患者相关的特定案例。情境感知（SA）是一种允许计算系统根据环境信息进行自我调整并响应用户或其他系统的技术。此外，在相关文献中，没有任何迹象表明CBR和SA用于检测发音中可能出现的PP。在本文中，我们介绍了SA和CBR的结合，并结合了机器学习算法，以提出一种预测PP的系统，从而支持专家的临床决策。为了评估该系统，我们在软件体系结构原型中实现了该系统，并使用一个知识库对原型进行了评估，该知识库包含从超过1,000个语音评估中收集的近十万个音频文件。对原型的评估显示，PPs的预测准确性超过93％，从而为临床决策支持和治疗计划提供了有效的工具。我们还提出了我们的方法与相关工作之间的直接定性比较。我们介绍了SA和CBR的结合，并结合了机器学习算法，以提出一种预测PP的系统，从而支持专家的临床决策。为了评估该系统，我们在软件体系结构原型中实现了该系统，并使用一个知识库对原型进行了评估，该知识库包含从超过1,000个语音评估中收集的近十万个音频文件。对原型的评估显示，PPs的预测准确性超过93％，从而为临床决策支持和治疗计划提供了有效的工具。我们还提出了我们的方法与相关工作之间的直接定性比较。我们介绍了SA和CBR的结合，并结合了机器学习算法，以提出一种预测PP的系统，从而支持专家的临床决策。为了评估该系统，我们在软件体系结构原型中实现了该系统，并使用一个知识库对原型进行了评估，该知识库包含从超过1,000个语音评估中收集的近十万个音频文件。对原型的评估显示，PPs的预测准确性超过93％，从而为临床决策支持和治疗计划提供了有效的工具。我们还提出了我们的方法与相关工作之间的直接定性比较。我们在一个软件体系结构原型中实现了该原型，并使用一个知识库对原型进行了评估，该知识库包含从1000多个语音评估中收集的近十万个音频文件。对原型的评估显示，PPs的预测准确性超过93％，从而为临床决策支持和治疗计划提供了有效的工具。我们还提出了我们的方法与相关工作之间的直接定性比较。我们在一个软件体系结构原型中实现了该原型，并使用一个知识库对原型进行了评估，该知识库包含从1000多个语音评估中收集的近十万个音频文件。对原型的评估显示，PPs的预测准确性超过93％，从而为临床决策支持和治疗计划提供了有效的工具。我们还提出了我们的方法与相关工作之间的直接定性比较。