Suvana: An Integrated Platform for Two-Way Deaf–Hearing Communication in Sri Lankan Sign Language

En muchas partes del mundo, la comunicación es un intercambio fluido y compartido que ocurre sin esfuerzo entre personas que pueden oír y aquellas que no pueden hacerlo. Pero para la comunidad sorda en Sri Lanka, este intercambio se ve a menudo bloqueado por la falta de recursos. No hay suficientes intérpretes profesionales para cerrar la brecha, y el país aún no cuenta con una versión única y completamente estandarizada de su lengua de señas con la que todos estén de acuerdo. Si bien la tecnología ha dado grandes pasos para ayudar a las personas a comunicarse, la mayoría de estas herramientas están construidas para la Lengua de Señas Americana, dejando en gran medida ignoradas a las lenguas locales como la Lengua de Señas de Sri Lanka por parte de los desarrolladores. Esto crea una situación en la que las personas que más necesitan estas herramientas se quedan sin ellas, y la tecnología que existe a menudo no logra comprender las formas únicas en que las personas en Sri Lanka se expresan con sus manos y sus rostros.

Un investigador se ha propuesto abordar esta brecha con una nueva plataforma digital llamada Suvana. En lugar de intentar construir una única y masiva aplicación desde cero, tomó cuatro herramientas de software diferentes que habían sido desarrolladas por separado y las unió en una experiencia fluida y cohesiva. El objetivo no era pretender que habían resuelto por completo el problema de las barreras de comunicación, sino demostrar que estas piezas distintas podían funcionar juntas como un solo producto. La plataforma incluye una herramienta que convierte los signos manuales en habla en cingalés, una función que convierte el habla en cingalés en un avatar digital que devuelve la seña, una aplicación móvil que alerta a los usuarios sobre sonidos importantes como bocinas de autos o la rotura de cristales, y un tutor de práctica para personas oyentes que desean aprender el idioma. Lo que hace que este proyecto sea notable no es solo la combinación de estas herramientas, sino la honestidad con la que el investigador reporta lo que ha logrado y, quizás más importante, lo que aún no ha demostrado.

El hallazgo más significativo del trabajo proviene del tutor de práctica, una herramienta diseñada para ayudar a los estudiantes a practicar señas y recibir retroalimentación sobre su desempeño. El investigador construyó un sistema que compara los movimientos de las manos de un estudiante contra un video de referencia de un signante fluido. Para hacer esto, utilizó un método que alinea las dos secuencias de movimiento en el tiempo, permitiendo diferencias en la velocidad para que un signo lento pero correcto no sea penalizado por ser lento. Sin embargo, durante sus pruebas, descubrió una limitación crítica en cómo funciona esta tecnología. Descubrieron que algunas señas que son completamente diferentes entre sí pueden parecer sorprendentemente similares para la computadora, mientras que dos personas realizando exactamente la misma seña correctamente pueden verse bastante diferentes entre sí.

Debido a esto, el investigador se dio cuenta de que el sistema no puede usarse de forma segura para adivinar qué seña está intentando hacer una persona si la computadora no sabe ya qué debería estar señalando. Si el sistema intentara identificar una seña desconocida, probablemente cometería errores porque la distancia entre dos señas diferentes es a veces menor que la distancia entre dos intentos correctos de la misma seña. En su lugar, el sistema está diseñado para funcionar de manera distinta: se le pide al estudiante que practique una seña específica, y la computadora simplemente califica qué tan bien realizó esa seña en particular. Este enfoque evita la trampa de adivinar la palabra equivocada. El investigador midió qué tan bien podía el sistema distinguir entre un intento correcto y uno incorrecto, encontrando que podía distinguirlos con un nivel de precisión significativamente mejor que el azar, aunque todavía lejos de ser perfecto.

El investigador también fue muy cuidadoso con lo que afirmaba respecto a las otras partes de la plataforma. Para la herramienta que convierte las señas en habla, señaló que el sistema funciona bien cuando la persona que hace la seña es la misma con la que la computadora fue entrenada, pero no afirmó que funcionaría para cualquier otra persona. Declaró explícitamente que aún no puede decir si el sistema funcionaría para una persona nueva que no han visto antes, debido a que sus datos son limitados. Del mismo modo, para la parte del sistema que convierte el habla en un avatar de señas, fue claro en que los movimientos del personaje digital fueron creados por un estudiante oyente y no han sido verificados por un signante sordo. Presenta este avatar como una demostración de cómo funciona la tecnología, no como una forma validada de comunicación, reconociendo que sin la aportación de la comunidad sorda, no puede asegurar si las señas son realmente comprensibles.

Quizás la parte más importante del artículo es lo que el autor dice sobre su propio papel en el proyecto. Los cuatro investigadores son personas oyentes, lo que significa que no poseen la experiencia vivida de ser sordos. Admiten abiertamente que carecen de la fluidez y el contexto cultural para juzgar si el sistema que construyeron es verdaderamente útil o aceptable para las personas a las que está destinado a ayudar. Señalan que en el campo de la tecnología de accesibilidad, es común que los investigadores oyentes construyan herramientas sin suficiente participación de la comunidad sorda, una práctica que puede conducir a productos que no alcanzan el objetivo. Describen su trabajo actual como un paso hacia una solución, pero enfatizan que los siguientes pasos deben involucrar directamente a los signantes sordos. Esto significa grabar nuevos videos de referencia con profesores sordos y que ellos validen la retroalimentación que el sistema proporciona.

El investigador concluye que, si bien han integrado con éxito estas cuatro herramientas en una sola plataforma y han calibrado el sistema de calificación basándose en datos reales, el trabajo está lejos de terminar. Han medido cómo se desempeña el sistema contra un conjunto de videos grabados, pero aún no han medido cómo se desempeña con estudiantes reales o qué tan bien ayuda a las personas a aprender. No han probado el sistema con un grupo diverso de signantes, ni han validado el contenido con la comunidad sorda. Sus hallazgos sirven como un mapa claro de lo que es posible con la tecnología actual y de lo que permanece desconocido. El camino a seguir, argumentan, requiere ir más allá de solo construir la tecnología para asegurar que las personas que la usarán sean quienes guíen su desarrollo. Hasta que eso suceda, el sistema sigue siendo un prototipo prometedor en lugar de una solución completa, y el investigador es claro en que la verdadera prueba de su trabajo solo llegará cuando los signantes sordos estén involucrados en cada etapa del proceso.