動画冒頭でこのスライドを見せながら「CBT動画形式」の説明をする。視聴時間の目安も伝える。
この3つの問いが全14回の軸になる。「音声認識はただの技術ではなく、人間の認知・言語・UX設計と深く結びついている」というコースの哲学を最初に伝える。
CBT回（太字）とオンライン同期回が交互になっていることを視覚的に示す。
CBTはGoogle Formsで実施。繰り返し回答可・最高点採用。
同期回はあくまで「その時間に参加する選択肢がある」という位置づけ。参加形式で評価に差が出ない設計にする。
「普段何気なく使っているものが、この授業で学ぶ技術の上に成り立っている」という実感を引き出す。
このスライドは後の「音声処理パイプライン」の伏線。「こんなに多くのステップがある」という驚きを引き出す。
この5ステップのパイプライン図を軸に、毎回「今日はどのステップか」を意識させると理解が深まる。
出典：Radford ほか (2022) Whisper 論文 付録 D.1.1、greedy decoding。人間の文字起こし担当者のWERは Xiong ほか (2016) で Switchboard 5.9%・CallHome 11.3%。「人間並み」は評価条件つきの話であることを添える。
技術だけでなく倫理・社会的視点も授業全体を通じて扱う旨を予告する。第13・14回の伏線。
「範囲外を明確にすること」で学生の不安を下げる。「音声処理の全部をマスターする必要はない」と伝える。