
Este estudo propõe o modelo GEM para categorizar chatbots de reconhecimento de voz voltados ao ensino de idiomas, baseando-se em orientação por objetivos, personificação e multimodalidade. Ao analisar 37 pesquisas empíricas, os autores identificaram oito tipos de sistemas e doze benefícios educacionais distintos que essas tecnologias proporcionam aos estudantes. A pesquisa destaca que ferramentas customizadas oferecem suporte pedagógico estruturado, enquanto interfaces visuais e transcrições em tempo real facilitam a autocorreção e a compreensão. O texto argumenta que a rápida evolução de modelos de linguagem extensos, como o ChatGPT, exige uma compreensão mais profunda de como diferentes designs influenciam a aprendizagem. Por fim, os autores sugerem que o desenvolvimento futuro deve focar na integração de pistas não verbais e recursos multimídia para criar experiências mais imersivas.