evidoria

← Voltar à navegação

Boa prática Importada

Aplicativo Móvel Adaptativo Ensina Língua de Sinais Mexicana — Pesquisadores do TecNM/UABC Relatam 95,7% de Precisão em Gestos e Ganhos de Aprendizagem Sólidos

México · Tijuana · Ver o perfil de México

Evidência: Quase-experimental Top 25% 60/100 · Pergunte a Evidence Copilot sobre esta prática

Pesquisadores do TecNM e da UABC em Tijuana criaram um app que usa visão computacional e dificuldade adaptativa para ensinar Língua de Sinais Mexicana, com 95,7% de precisão e ganho de aprendizagem de 0,78 sobre um grupo de controle.

95.7 %
Precisão top-1 do reconhecimento de gestos (2026)
98.61 %
Precisão top-3 do reconhecimento de gestos (2026)
72 %
Redução do tamanho do modelo (2026)
~112 ms/frame
Velocidade de inferência no dispositivo (2026)
0.78 gain score
Ganho de aprendizagem normalizado (grupo adaptativo) (2026)
48.2 to 88.7 %
Melhoria da precisão do reconhecimento de gestos (2026)
84.3 %
Retenção no pós-teste diferido (2026)
73.5 vs 57.2 %
Precisão em tarefas de transferência (adaptativo vs. controlo) (2026)
89.1 /100
Pontuação na System Usability Scale (2026)
+72 NPS
Net Promoter Score (2026)
62 to 44 score
Redução da carga cognitiva (NASA-TLX) (2026)
Aplicativo Móvel Adaptativo Ensina Língua de Sinais Mexicana — Pesquisadores do TecNM/UABC Relatam 95,7% de Precisão em Gestos e Ganhos de Aprendizagem Sólidos

Detalhes

Maturidade
Piloto
Promotor
Tecnológico Nacional de México (TecNM) / Instituto Tecnológico de Tijuana, with Universidad Autónoma de Baja California (UABC)
Período
2023–2026
Palavras-chave
higher education, assistive technology, computer vision, deaf education

Contexto

A Língua Gestual Mexicana (LSM) é a língua principal da comunidade surda do México, mas o seu lugar no ensino formal tem sido há muito limitado pela escassez de intérpretes qualificados e pela falta de tecnologia de apoio ao ensino personalizado. Uma equipa de investigação do Tecnológico Nacional de México (TecNM), sediada no Instituto Tecnológico de Tijuana, começou a colmatar esta lacuna em 2023, ao abrigo de uma bolsa de investigação aprovada pelo TecNM, em conjunto com a Universidad Autónoma de Baja California (UABC).

Objetivos

O projeto visava desenvolver uma aplicação móvel que combinasse o reconhecimento de gestos por visão computacional com a dificuldade adaptativa das lições para ensinar a LSM, seguindo um processo de conceção em Scrum com contributos de educadores, linguistas e membros da comunidade surda.

Atividades

A equipa construiu um modelo de reconhecimento de gestos usando redes neuronais convolucionais e estimativa de pose, comprimido para utilização no próprio dispositivo, e realizou uma comparação controlada da aplicação adaptativa com um grupo de controlo não adaptativo, publicada em testes revistos por pares na revista Future Internet (MDPI) em setembro de 2026.

Resultados

O modelo de reconhecimento de gestos atingiu 95,7% de precisão top-1 (98,61% top-3) após compressão de 38MB para 10,4MB, funcionando a cerca de 112ms por fotograma. Os alunos que utilizaram a versão adaptativa alcançaram um ganho de aprendizagem normalizado de 0,78 (precisão de reconhecimento de gestos de 48,2% para 88,7%), 84,3% de retenção num pós-teste diferido, e 73,5% de precisão em tarefas de transferência, contra 57,2% no grupo de controlo não adaptativo; a usabilidade obteve 89,1/100 (System Usability Scale), com um Net Promoter Score de +72, e a carga cognitiva autorreportada (NASA-TLX) desceu de 62 para 44.

Conclusões

Estes resultados provêm de um único estudo revisto por pares, realizado pela própria equipa de desenvolvimento, e não de uma implementação replicada de forma independente em múltiplos locais; além disso, a publicação não indica o número de alunos surdos que participaram nem qualquer expansão à escala da sala de aula para além do projeto-piloto.

Implementação

Custo indicativo
Baixo (< 50 mil €)
Tempo até resultados
Médio (1–3 anos)

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis