WeSign — Feedback em Tempo Real com IA para o Ensino da Língua Gestual Vietnamita, Hanói

O Ministério da Educação e Formação do Vietname publicou normas nacionais para o ensino da Língua Gestual Vietnamita (LGV), mas os professores de alunos surdos e com deficiência auditiva têm frequentemente dificuldade em demonstrar com precisão a soletração manual e a formação de sinais, e a prática autónoma em casa é rara. Investigadores da Universidade de Ciência e Tecnologia de Hanói, da Universidade Nacional de Educação de Hanói e da Universidade Metropolitana de Hanói criaram o WeSign, um sistema de software interativo cujo módulo de IA observa o aluno a soletrar uma letra ou item de vocabulário perante a webcam e devolve feedback em tempo real sobre se a soletração ou a formação do sinal estava correta. O conteúdo das lições do 1.º ano foi desenvolvido em conjunto com professores de uma escola especializada para crianças surdas em Hanói, em conformidade com a circular ministerial sobre as normas nacionais de LGV.
A equipa realizou uma avaliação de métodos mistos: um inquérito de avaliação de necessidades a 30 educadores de três instituições especializadas, seguido de um piloto com 30 participantes (professores e alunos) numa escola especializada de Hanói. Os resultados da Escala de Usabilidade do Sistema tiveram uma média de 92,58 em 100 ("o melhor imaginável"), com os professores a atribuir 94,00 e os alunos 92,30. Um artigo relacionado, de uma equipa parcialmente sobreposta da Universidade de Ciência e Tecnologia de Hanói, avaliou o reconhecedor de soletração manual, baseado em Mediapipe e aprendizagem profunda, com mais de 91% de precisão em vídeo bruto e 95% em dados processados, para 23 sinais do alfabeto LGV e 2 sinais de acentuação.
A base de evidências ainda é preliminar: o piloto em sala de aula mediu usabilidade e aceitação, não ganhos de aprendizagem medidos, envolveu uma única escola e 30 participantes, e as fontes publicadas não detalham as salvaguardas de proteção de dados ou consentimento para a captura de vídeo de que depende a função de reconhecimento.