evidoria

← Retour à la liste

Bonne pratique Importée

Une Application Mobile Adaptative Enseigne la Langue des Signes Mexicaine — Le TecNM et l'UABC Rapportent 95,7 % de Précision Gestuelle et de Solides Progrès d'Apprentissage

Mexique · Tijuana · Voir le profil de Mexique

Preuves: Quasi expérimental Top 25% 60/100 · Demandez à Evidence Copilot à propos de cette pratique

Des chercheurs du TecNM et de l'UABC à Tijuana ont conçu une appli combinant vision par ordinateur et difficulté adaptative pour enseigner la langue des signes mexicaine, avec 95,7 % de précision et un gain d'apprentissage de 0,78 face à un groupe témoin.

95.7 %
Précision top-1 de la reconnaissance gestuelle (2026)
98.61 %
Précision top-3 de la reconnaissance gestuelle (2026)
72 %
Réduction de la taille du modèle (2026)
~112 ms/frame
Vitesse d'inférence sur l'appareil (2026)
0.78 gain score
Gain d'apprentissage normalisé (groupe adaptatif) (2026)
48.2 to 88.7 %
Amélioration de la précision de reconnaissance des signes (2026)
84.3 %
Rétention au post-test différé (2026)
73.5 vs 57.2 %
Précision des tâches de transfert (adaptatif vs témoin) (2026)
89.1 /100
Score sur la System Usability Scale (2026)
+72 NPS
Net Promoter Score (2026)
62 to 44 score
Réduction de la charge cognitive (NASA-TLX) (2026)
Une Application Mobile Adaptative Enseigne la Langue des Signes Mexicaine — Le TecNM et l'UABC Rapportent 95,7 % de Précision Gestuelle et de Solides Progrès d'Apprentissage

Détails

Maturité
Pilote
Promoteur
Tecnológico Nacional de México (TecNM) / Instituto Tecnológico de Tijuana, with Universidad Autónoma de Baja California (UABC)
Période
2023–2026
Mots-clés
higher education, assistive technology, computer vision, deaf education

Contexte

La langue des signes mexicaine (LSM) est la langue première de la communauté sourde du Mexique, mais sa place dans l'éducation formelle a longtemps été limitée par une pénurie d'interprètes qualifiés et un manque de technologies soutenant un enseignement personnalisé. Une équipe de recherche du Tecnológico Nacional de México (TecNM), basée à l'Instituto Tecnológico de Tijuana, a entrepris de combler cette lacune en 2023, dans le cadre d'une bourse de recherche approuvée par le TecNM, conjointement avec l'Universidad Autónoma de Baja California (UABC).

Objectifs

Le projet visait à développer une application mobile combinant reconnaissance gestuelle par vision par ordinateur et difficulté adaptative des leçons pour enseigner la LSM, selon un processus de conception Scrum avec la contribution d'enseignants, de linguistes et de membres de la communauté sourde.

Activités

L'équipe a construit un modèle de reconnaissance gestuelle utilisant des réseaux neuronaux convolutifs et l'estimation de pose, compressé pour une utilisation embarquée, et a mené une comparaison contrôlée de l'application adaptative avec un groupe témoin non adaptatif, publiée après évaluation par les pairs dans Future Internet (MDPI) en septembre 2026.

Résultats

Le modèle de reconnaissance gestuelle a atteint une précision top-1 de 95,7 % (98,61 % top-3) après compression de 38 Mo à 10,4 Mo, avec un temps d'exécution d'environ 112 ms par image. Les apprenants utilisant la version adaptative ont obtenu un gain d'apprentissage normalisé de 0,78 (précision de reconnaissance des signes passant de 48,2 % à 88,7 %), une rétention de 84,3 % lors d'un post-test différé, et une précision de 73,5 % sur les tâches de transfert contre 57,2 % pour le groupe témoin non adaptatif ; l'utilisabilité a obtenu un score de 89,1/100 (System Usability Scale) avec un Net Promoter Score de +72, et la charge cognitive autodéclarée (NASA-TLX) est passée de 62 à 44.

Conclusions

Ces résultats proviennent d'une seule étude évaluée par des pairs, menée par l'équipe même du développement, et non d'un déploiement multi-sites répliqué de manière indépendante ; la publication ne précise pas non plus le nombre d'élèves sourds ayant participé, ni un quelconque déploiement à l'échelle de la classe au-delà du pilote.

Mise en œuvre

Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles