由語音訊號中自動判斷發音正確性是一件相當不容易的事。本論文著力於如何利用電腦,自動分析國語語音訊號,偵測其中發音是否有所偏誤,及可能的偏誤類型。 本論文先定義出一組新的語音訊號特徵,並從語音訊號中抽取此特徵。用該特徵訓練分類器,以取代常被使用的聲音特徵組,亦即梅爾刻度倒頻譜係數。之後再使用分類與回歸決策樹做為分類器,可以依據此特徵組的各個參數,評估學習者的發音正確性。我們期望此種架構近似於一般專業人士評估發音正確性的思維。 偵測發音偏誤類型的最大困難之一,即是由專業人士標記的偏誤資料不易取得。針對此種標記資料稀少,未標記資料眾多的狀況,本論文引進機器學習領域中的半督導式學習法。此法除了使用標記資料的知識外,大量未標記資料的分佈狀況也將併入此學習法的分類考量。本論文嘗試利用此法擷取高可信度的偏誤音框,增加決策樹的訓練資料量。