تم دراسة فهم القراءة على نطاق واسع. ومن أبرز مهام فهم القراءة هو مجموعة بيانات ستانفورد للأسئلة والأجوبة (SQuAD)، حيث أصبح الأداء الآلي فيها مماثلاً للأداء البشري. من ناحية أخرى، فإن الوصول إلى مجموعات كبيرة من المحتوى المتعدد الوسائط أو المحتوى المنطوق أكثر صعوبة واستهلاكاً للوقت بالنسبة للبشر مقارنة بالمحتوى النصي البسيط. ولذلك، فإن تطوير آلات قادرة على فهم المحتوى المنطوق بشكل آلي يعد جذاباً للغاية. في هذه الورقة البحثية، نقترح مهمة جديدة لفهم الاستماع - Spoken SQuAD (SQuAD المنطوق). وفي هذه المهمة الجديدة، اكتشفنا أن أخطاء التعرف على الكلام لها تأثير كارثي على فهم الآلة، واقترحنا عدة طرق لتخفيف هذا التأثير.