evidoria

← Volver al listado

Buena práctica Importada

SABAY-Salita — Piloto de cribado de habla y dislexia con IA del ECAIR en escuelas del DepEd, Filipinas

Filipinas · Manila · Ver el perfil de Filipinas · Ver el perfil de Manila

Evidencia: Descriptivo / autodeclarado Top 81% 33/100 · Pregunte a Evidence Copilot sobre esta práctica

El ECAIR del DepEd puso a prueba SABAY-Salita, un sistema de IA que analiza grabaciones de voz infantiles para detectar dislexia y trastornos del habla, en dos escuelas de Manila desde finales de 2025, buscando casos que el cribado manual pasa por alto y aliviando la carga docente.

2 schools
Escuelas piloto (Región Capital Nacional) (2nd semester 2025)

Detalles

Madurez
Piloto
Promotor
DepEd — Education Center for AI Research (ECAIR)
Período
2025–2026 (pilot rollout, two schools)
Palabras clave
special education, disability screening, speech-language pathology

Contexto

El Departamento de Educación de Filipinas (DepEd), a través de su Education Center for AI Research (ECAIR), desarrolló SABAY-Salita para analizar grabaciones de voz de niños en busca de señales de dislexia y trastornos del habla.

Objetivos

La herramienta está diseñada como primera línea de detección, distinguiendo a los estudiantes que probablemente necesiten derivación a un especialista de los que no, para detectar trastornos que a menudo pasan desapercibidos tras las revisiones preliminares realizadas por los docentes.

Actividades

ECAIR construyó el sistema junto con la División de Inclusión Estudiantil de la Oficina de Prestación del Aprendizaje del DepEd, además de expertos en educación, profesionales de la salud y especialistas en educación especial, e inició las pruebas piloto en dos escuelas de la Región Capital Nacional en el segundo semestre de 2025.

Resultados

El DepEd presentó públicamente SABAY-Salita en septiembre de 2025 como parte de un conjunto más amplio de proyectos de IA, junto a su impulso nacional de transparencia e integridad en IA, y ECAIR ha declarado su intención de ampliar el piloto en 2026 a más regiones, con conjuntos de datos más grandes y formación adicional para docentes y estudiantes.

Conclusiones

En la etapa piloto actual, no se han publicado cifras independientes de precisión, tasas de falsos positivos/negativos ni resultados de intervenciones posteriores; la evidencia documentada cubre la justificación del diseño de la herramienta y su despliegue inicial en dos escuelas, no su rendimiento de detección.

Implementación
Coste indicativo
Medio (50 000–500 000 €)
Tiempo hasta resultados
Medio (1–3 años)
Personal y competencias
DepEd Education Center for AI Research (ECAIR) technical team, DepEd Bureau of Learning Delivery - Student Inclusion Division, Healthcare professionals and special-education practitioners co-developing the tool

Condiciones para el éxito

  • Inter-agency co-development spanning education, health and special-education expertise
  • Phased rollout starting with a small, controlled two-school pilot before wider expansion
  • Planned additional training for teachers and learners as the pilot expands

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles