Design-Based Study of an Invisible Field Tool for Endangered Languages

En el vasto paisaje de la comunicación humana, algunos idiomas son hablados por millones, mientras que otros penden de un hilo, hablados por solo unos pocos miles de personas dispersas por todo el globo. Cuando un idioma enfrenta este tipo de peligro, la lucha para salvarlo a menudo se traslada al mundo digital. Una de las herramientas más poderosas para este propósito es un proyecto masivo y global donde voluntarios se graban a sí mismos leyendo oraciones en voz alta. Estas grabaciones se utilizan para enseñar a las computadoras cómo entender el habla humana, una tecnología conocida como reconocimiento de voz. Para que un idioma sea incluido en un proyecto de este tipo, necesita una enorme colección de estas grabaciones, pero reunirlas es difícil cuando los hablantes son pocos, viven en muchos países diferentes y pueden no sentirse cómodos con software de computadora complejo. El desafío no es solo encontrar personas para hablar, sino asegurar que el texto que leen esté escrito correctamente, una tarea que se vuelve increíblemente difícil cuando un idioma utiliza un alfabeto único que los teclados de computadora estándar no soportan fácilmente.

Esta es la historia de cómo un investigador abordó este problema para dos lenguas en peligro, el adigue y el kabardo, que son hablados por comunidades circasianas en Rusia, Turquía y el Medio Oriente. Estos idiomas comparten una historia profunda pero fueron estandarizados en dos formas escritas separadas utilizando el alfabeto cirílico hace décadas. Hoy en día, sus hablantes están dispersos, y muchos luchan con los caracteres específicos requeridos para escribir correctamente en una computadora. Un investigador llamado Mehmet Uğur Nemlioğlu se propuso construir un puente entre el deseo de la comunidad de preservar su lengua y las demandas técnicas de una plataforma digital global. No construyó un nuevo sitio web ni un sistema de inteligencia artificial complejo. En su lugar, creó una herramienta simple e invisible que vive dentro de un programa de hojas de cálculo común, diseñada para limpiar el texto, corregir errores y organizar los datos para que los voluntarios ordinarios pudieran contribuir sin necesidad de ser expertos en computación.

El viaje comenzó con una realidad frustrante. Antes de que existiera esta herramienta, el proceso de preparar oraciones para la plataforma de grabación era lento y propenzo a errores. Los voluntarios escribían oraciones en documentos compartidos, pero estos documentos a menudo contenían errores ocultos. El error más común involucraba una letra específica del alfabeto cirílico que parece una barra vertical, utilizada para marcar una parada brusca en la garganta. Debido a que los teclados estándar no tienen esta tecla, la gente a menudo escribía accidentalmente una letra latina "I" regular o un número "1" en su lugar. Estos pequeños errores hacían que las oraciones fueran inutilizables para las computadoras que intentaban aprender el idioma. Además, el proceso de verificar estos errores requería que alguien con habilidades técnicas avanzadas ejecutara complejos programas de línea de comandos, una barrera que impedía que muchos miembros de la comunidad ayudaran. Las oraciones permanecían en el limbo durante días o semanas, esperando a que un especialista las arreglara, lo que a menudo causaba que los voluntarios perdieran el interés y dejaran de contribuir.

Para resolver esto, el investigador desarrolló una herramienta que funciona dentro de una hoja de cálculo, un programa que casi todo el mundo ya sabe usar. La construyó pieza por pieza, probándola con la comunidad y corrigiendo problemas a medida que aparecían. La herramienta actúa como un editor silencioso. Cuando un voluntario pega una lista de oraciones en la hoja de cálculo, la herramienta escanea instantáneamente cada línea. Encuentra los caracteres incorrectos y los reemplaza con los correctos. Verifica que la puntuación esté en el lugar adecuado y que las oraciones no sean demasiado largas. También clasifica las oraciones en diferentes carpetas basadas en a qué versión del idioma pertenecen, como la versión hablada en Turquía o la que se habla en Rusia. Esta clasificación es crucial porque los dos idiomas tienen dialectos diferentes, y las grabaciones deben mantenerse separadas para ser útiles. Una vez que la herramienta termina su trabajo, produce archivos limpios listos para ser cargados a la plataforma global en cuestión de minutos, una tarea que anteriormente tomaba días.

Los resultados de este enfoque fueron inmediatos y significativos. El tiempo que tomaba procesar un lote de mil oraciones cayó de varios días a aproximadamente veinte o cincuenta minutos. Este cambio de velocidad hizo más que solo ahorrar tiempo; cambió el ánimo de la comunidad. Los voluntarios podían ver su trabajo pasar de la preparación a la cola de grabación casi instantáneamente, lo que los mantenía motivados para continuar. La calidad de los datos también mejoró dramenteamente. La herramienta detectó miles de errores que de otro modo habrían pasado desapercibidos, asegurando que las grabaciones cargadas en la base de datos global fueran limpias y precisas. El investigador observó que la herramienta se integró tanto en el flujo de trabajo diario que se sentía invisible para los usuarios, quienes simplemente veían sus oraciones siendo corregidas y organizadas sin necesidad de entender jamás el código detrás de ella.

Sin embargo, el estudio también descubrió un elemento humano sorprendente que la tecnología por sí sola no podía resolver. El investigador había incluido una función para traducir automáticamente el texto cirílico a una versión de alfabeto latino, con la esperanza de ayudar a los hablantes que no podían leer el guion tradicional. Esperaba que esto hiciera el proyecto más accesible. En cambio, la comunidad se opuso. Muchos hablantes, incluso aquellos que tenían dificultades con el guion cirílico, sentían un fuerte apego a su sistema de escritura tradicional. Preferían leer y grabar en el guion original en lugar de una versión transliterada. Esta resistencia mostró que, en el esfuerzo por salvar un idioma, los sentimientos de la comunidad sobre su propia identidad y tradiciones de escritura son tan importantes como la conveniencia técnica. El investigador tuvo que escuchar estos comentarios y ajustar el proyecto, priorizando el guion tradicional sobre la opción latina más "técnicamente flexible".

El éxito de este proyecto ofrece una nueva forma de pensar sobre cómo construir tecnología para lenguas en peligro. Sugiere que las herramientas más efectivas no son siempre las más complejas, sino aquellas que desaparecen en el fondo, permitiendo a las personas enfocarse en lo que mejor hacen: hablar y preservar su cultura. El investigador encontró que, al eliminar las barreras técnicas, podía empoderar a un pequeño grupo de voluntarios para realizar el trabajo de un equipo mucho más grande. Sin embargo, este enfoque también trajo una advertencia. Debido a que la herramienta era tan fluida, era fácil pasar por alto errores sutiles dentro de la misma herramienta. Fue solo cuando el investigador dejó de usar la herramienta y miró el código con ojos frescos, preparándose para compartirlo con el mundo, que encontró pequeños errores que habían estado escondidos a plena vista durante años. Esto le enseñó que incluso las herramientas invisibles necesitan ser visibles para la comunidad para que puedan ser revisadas y confiadas.

En última instancia, este estudio demuestra que salvar un idioma en la era digital requiere una asociación entre la tecnología y la confianza humana. La herramienta no solo aceleró un proceso; reconstruyó la relación entre los voluntarios y los datos. Al hacer que el trabajo fuera accesible, el investigador ayudó a una comunidad dispersa a sentirse conectada y capaz. Los hallazgos confirman que cuando la tecnología se diseña con las necesidades y sentimientos específicos de una comunidad en mente, puede convertirse en una fuerza poderosa para la preservación. El camino a seguir implica tomar estas lecciones y construir una versión basada en la web de la herramienta que cualquiera pueda usar, asegurando que el trabajo de mantener vivas estas lenguas continúe mucho después de que el proyecto inicial haya terminado. La historia del adigue y el kabardo muestra que el futuro de las lenguas en peligro no reside solo en grabar voces, sino en crear el espacio adecuado para que esas voces sean escuchadas.