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

Em muitas partes do mundo, a comunicação é uma troca compartilhada e fluida que acontece sem esforço entre pessoas que ouvem e aquelas que não ouvem. Mas para a comunidade surda no Sri Lanka, essa troca é frequentemente bloqueada pela falta de recursos. Não há intérpretes profissionais suficientes para preencher a lacuna, e o país ainda não possui uma versão única e totalmente padronizada de sua língua de sinais sobre a qual todos concordem. Embora a tecnologia tenha feito grandes progressos para ajudar as pessoas a se comunicarem, a maioria dessas ferramentas é construída para a Língua de Sinais Americana, deixando as línguas locais, como a Língua de Sinais do Sri Lanka, amplamente ignoradas pelos desenvolvedores. Isso cria uma situação em que as pessoas que mais precisam dessas ferramentas são deixadas sem elas, e a tecnologia que existe frequentemente falha em compreender as formas únicas pelas quais as pessoas no Sri Lanka se expressam com as mãos e o rosto.

Um pesquisador decidiu enfrentar essa lacuna com uma nova plataforma digital chamada Suvana. Em vez de tentar construir uma única aplicação massiva do zero, ele pegou quatro ferramentas de software diferentes que haviam sido desenvolvidas separadamente e as costurou em uma experiência contínbil. O objetivo não era alegar que haviam resolvido inteiramente o problema das barreiras de comunicação, mas demonstrar que essas peças distintas poderiam trabalhar juntas como um único produto. A plataforma inclui uma ferramenta que transforma sinais manuais em fala em Sinhala, um recurso que converte a fala em Sinhala em um avatar digital sinalizando de volta, um aplicativo móvel que alerta os usuários sobre sons importantes, como buzinas de carros ou vidros quebrados, e um tutor de prática para pessoas ouvintes que desejam aprender a língua. O que torna este projeto notável não é apenas a combinação dessas ferramentas, mas a honestidade com que o pesquisador relata o que alcançou e, talvez mais importante, o que ainda não provou.

O achado mais significativo do trabalho vem do tutor de prática, uma ferramenta projetada para ajudar alunos a praticar sinais e receber feedback sobre seu desempenho. O pesquisador construiu um sistema que compara os movimentos das mãos de um aluno contra um vídeo de referência de um sinalizador fluente. Para fazer isso, eles usaram um método que alinha as duas sequências de movimento no tempo, permitindo diferenças de velocidade para que um sinal lento, porém correto, não seja penalizado por ser lento. No entanto, durante seus testes, descobriram uma limitação crítica na forma como essa tecnologia funciona. Eles descobriram que alguns sinais que são completamente diferentes entre si podem parecer surpreendentemente semelhantes para o computador, enquanto duas pessoas realizando exatamente o mesmo sinal corretamente podem parecer bastante diferentes uma da outra.

Por causa disso, o pesquisador percebeu que o sistema não pode ser usado com segurança para adivinhar qual sinal uma pessoa está tentando fazer se o computador já não souber o que eles deveriam estar sinalizando. Se o sistema tentasse identificar um sinal desconhecido, provavelmente cometeria erros porque a distância entre dois sinais diferentes é às vezes menor do que a distância entre duas tentativas corretas do mesmo sinal. Em vez disso, o sistema é projetado para funcionar de forma diferente: o aluno é solicitado a praticar um sinal específico, e o computador simplesmente avalia o quão bem ele executou aquele sinal específico. Essa abordagem evita a armadilha de adivinhar a palavra errada. O pesquisador mediu o quão bem o sistema conseguia distinguir entre uma tentativa correta e uma incorreta, descobrindo que ele podia distinguir entre elas com um nível de precisão significativamente melhor do que o acaso, embora ainda longe de ser perfeito.

O pesquisador também foi muito cuidadoso sobre o que afirmava em relação às outras partes da plataforma. Para a ferramenta que transforma sinais em fala, ele observou que o sistema funciona bem quando a pessoa que sinaliza é a mesma sobre a qual o computador foi treinado, mas não afirmou que funcionaria para qualquer outra pessoa. Ele declarou explicitamente que ainda não pode dizer se o sistema funcionaria para uma pessoa nova que nunca viram antes, porque os dados que possuem são limitados. Da mesma forma, para a parte do sistema que transforma a fala em um avatar de sinais, ele foi claro ao dizer que os movimentos do personagem digital foram criados por um estudante ouvinte e não foram verificados por um sinalizador surdo. Eles apresentam este avatar como uma demonstração de como a tecnologia funciona, não como uma forma validada de comunicação, reconhecendo que, sem o aporte da comunidade surda, não podem dizer se os sinais são realmente compreensíveis.

Talvez a parte mais importante do artigo seja o que o autor diz sobre o seu próprio papel no projeto. Todos os quatro pesquisadores são pessoas ouvintes, o que significa que não possuem a experiência vivida de ser surdo. Eles admitem abertamente que carecem da fluência e do contexto cultural para julgar se o sistema que construíram é verdadeiramente útil ou aceitável para as pessoas a quem se destina. Eles apontam que, no campo da tecnologia de acessibilidade, é comum que pesquisadores ouvintes construam ferramentas sem o input suficiente da comunidade surda, uma prática que pode levar a produtos que não atingem o objetivo. Eles descrevem o trabalho atual como um passo em direção a uma solução, mas enfatizam que os próximos passos devem envolver sinalizadores surdos diretamente. Isso significa gravar novos vídeos de referência com professores surdos e fazer com que eles validem o feedback que o sistema fornece.

O pesquisador conclui que, embora tenham conseguido integrar essas quatro ferramentas em uma única plataforma e calibrado o sistema de pontuação com base em dados reais, o trabalho está longe de terminar. Eles mediram como o sistema performa contra um conjunto de vídeos gravados, mas ainda não mediram como ele performa com alunos reais ou o quão bem ele ajuda as pessoas a aprenderem. Eles não testaram o sistema com um grupo diversificado de sinalizadores, nem validaram o conteúdo com a comunidade surda. Suas descobertas servem como um mapa claro do que é possível com a tecnologia atual e do que permanece desconhecido. O caminho a seguir, argumentam, exige ir além de apenas construir a tecnologia para garantir que as pessoas que irão utilizá-la sejam aquelas que guiam seu desenvolvimento. Até que isso aconteça, o sistema permanece um protótipo promissor, em vez de uma solução completa, e o pesquisador é claro ao dizer que o verdadeiro teste de seu trabalho só virá quando sinalizadores surdos estiverem envolvidos em cada etapa do processo.