Un sistema intuitivo de conversión de números mediante reconocimiento gestual para estudiantes con necesidades educativas especiales en Ciencias de la Computación
DOI:
https://doi.org/10.46661/ijeri.10880Palabras clave:
Inteligencia Artificial, personas con discapacidades, reconocimiento de gestos manuales, aprendizaje inclusivo, conversión numéricaResumen
La función primordial de un docente es lograr una participación activa y significativa de todos los alumnos en el proceso educativo. Cada clase está constituida por una diversidad de estudiantes que varían en inteligencia, comunicación, niveles de comprensión, habilidades para resolver problemas, aprendizaje y habilidades matemáticas. Es una necesidad urgente hacer que los estudiantes con discapacidades de aprendizaje o intelectuales puedan competir con los otros estudiantes para evitar una división social en el aula. El currículo de ciencias de la computación tiene muchos temas/áreas que plantean dificultades de aprendizaje para las personas con capacidades diferentes. Desafortunadamente, los problemas que enfrentan estos estudiantes no han sido abordados adecuadamente, lo que provoca que se queden atrás en el proceso de aprendizaje. El artículo propone un método de gestos manuales, implementado mediante inteligencia artificial (IA) para conversiones numéricas, que puede ser utilizado tanto por docentes como estudiantes con capacidades diferentes. La eficiencia de la herramienta de gestos manuales para interpretar gestos se probó con varios clasificadores, y se obtuvo una precisión media del 96,97 % en varios sistemas numéricos. El método basado en gestos manuales se evaluó entre los estudiantes y demostró ser eficiente en la retención y recuperación de conceptos. Los estudiantes mostraron una mayor mejora desde las puntuaciones del pre-test hasta el post-test en todas las categorías. Este método resultó muy útil para involucrar a los estudiantes, mejorar la comprensión, hacer el aprendizaje más agradable, con una claridad notable, efectividad y facilidad de uso, lo que lo convierte en una valiosa herramienta educativa.
Descargas
Citas
Alibali, M. W., & DiRusso, A. A. (1999). The function of gesture in learning to count: More than keeping track. Cognitive Development, 14(1), 37–56. https://doi.org/10.1016/S0885-2014(99)80017-3
Alibali, M. W., & Nathan, M. J. (2012). Embodiment in mathematics teaching and learning: Evidence from learners’ and teachers’ gestures. Journal of Learning Science, 21(2), 247–286. https://doi.org/10.1080/10508406.2011.611446
Chang V, Eniola RO, Golightly L, Xu QA. An Exploration into Human-Computer Interaction: Hand Gesture Recognition Management in a Challenging Environment. SN Comput Sci. 2023, 4(5), 441. https://doi.org/10.1007/s42979-023-01751-y
Chang, Y. J., Chen, S. F., & Chuang, A. F. (2011). A gesture recognition system to transition autonomously through vocational tasks for individuals with cognitive impairments. Research in Developmental Disabilities, 32(6), 2064–2068. https://doi.org/10.1016/j.ridd.2011.08.010
Cook, S. W., Yip, T. K., & Goldin-Meadow, S. (2010). Gesturing makes memories that last. Journal of Memory and Language, 63(4), 465–475. https://doi.org/10.1016/j.jml.2010.07.002
De Koning, B. B., & Tabbers, H. K. (2013). Gestures in instructional animations: A helping hand to understanding non-human movements? Applied Cognitive Psychology, 27(5), 683–689. https://doi.org/10.1002/acp.2937
Hashiyana, V., Veiko, V., Suresh, N., Ujakpa, M.M. & Sverdlik, W. (2022). Assistive Technology for Children with Learning Disabilities as an Artificial Intelligence Application. In Assistive Technologies for Differently Abled Students, 1st ed. (113-125). IGI Global. https://doi.org/10.4018/978-1-7998-4736-6.ch007
Johnson-Glenberg, M. C., & Megowan-Romanowicz, C. (2017). Embodied science and mixed reality: How gesture and motion capture affect physics education. Cognitive Research: Principles and Implications, 2(1), 24. https://doi.org/10.1186/s41235-017-0060-9
Ladner, R.E. (2011). Accessible Technology and Models of Disability. In: Oishi, M., Mitchell, I., Van der Loos, H. (eds) Design and Use of Assistive Technology. Springer, New York, NY. https://doi.org/10.1007/978-1-4419-7031-2_3
Lee, W., Huang, C., Wu, C., Huang, S., & Chen, G. (2012). The effects of using embodied interactions to improve learning performance. Advanced Learning Technologies (ICALT), 2012 IEEE 12th International Conference, 4–6 July 2012, 557–559. https://doi.org/10.1109/ICALT.2012.104
Merkouris, A., Chorianopoulou, B., Chorianopoulos, K., & Chrissikopoulos, V. (2019). Understanding the Notion of Friction Through Gestural Interaction with a Remotely Controlled Robot. Journal of Science Education and Technology, 28(3), 209–221. https://doi.org/10.1007/s10956-018-9760-2
Micó-Amigo, E., & Bernal Bravo, C. (2020). Evaluative research on teaching innovation with simulators in the area of Technology in Compulsory Secondary Education. IJERI: International Journal of Educational Research and Innovation, (14), 134–146. https://doi.org/10.46661/ijeri.4855.
Moral-Sánchez, S. N., Ruiz Rey, F. J., & Cebrián-de-la-Serna, M. (2023). Analysis of artificial intelligence chatbots and satisfaction for learning in mathematics education. IJERI: International Journal of Educational Research and Innovation, (20), 1–14. https://doi.org/10.46661/ijeri.8196.
Román-Graván, P., & Fernández-Cerero, J. (2022). Training of university teachers in ICT and disability. The case of the University of Seville. IJERI: International Journal of Educational Research and Innovation, (17), 135–151. https://doi.org/10.46661/ijeri.6168.
Xu, X., & Ke, F. (2021). Learning Number Conversions through Embodied Interactions, Springer Journal of Technology, Knowledge and Learning 28(1), 1-5. https://doi.org/10.1007/s10758-021-09557-8
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Renjith P R, Jeeva Jose
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
