Software en el proceso de enseñanza aprendizaje de lengua de señas: una revisión sistemática y bibliométrica
DOI:
https://doi.org/10.5281/zenodo.18014342Palabras clave:
aprendizaje, enseñanza, softwareResumen
El objetivo de esta revisión sistemática y bibliométrica fue analizar el impacto del software en el proceso de enseñanza-aprendizaje de la lengua de señas. Para ello, se revisaron publicaciones entre 2010 y 2023, aplicando el método PRISMA y una búsqueda estructurada en Scopus y Web of Science. De los 628 estudios identificados, 16 cumplieron los criterios de inclusión. Los artículos seleccionados evaluaron herramientas tecnológicas diversas, como redes neuronales convolucionales, realidad aumentada, avatares animados, reconocimiento de voz y sistemas de visión computacional. Los resultados revelan que estas tecnologías fomentan un aprendizaje más accesible y eficiente, especialmente para personas con discapacidad auditiva y usuarios oyentes en formación. Además, se concentró la mayor producción científica en países como India, Arabia Saudita y Egipto. En conclusión, los hallazgos destacan el potencial de estas herramientas para potenciar la comunicación y promover la inclusión educativa.
Descargas
Referencias
Alaín, L., Gallego, J. L., Navarro, A., & Rodríguez, A. (2020). Evaluation for teachers and students in higher education. Sustainability, 12(10), Artículo 4078. https://doi.org/10.3390/su12104078
Alshomrani, S., Aljoudi, L., & Arif, M. (2021). Arabic and American sign languages alphabet recognition by convolutional neural network. Advances in Science and Technology Research Journal, 15(4), 136–148. https://doi.org/10.12913/22998624/142012
Antunes, B. R., Abreu, F. D. L., Rodrigues, S. C. M., Silva, D. P., Bonini, L. M. M., & Bissaco, M. A. S. (2018). Computerized method for teaching the Brazilian Sign Language. En Costa-Felix, R., Machado, J., Alvarenga, A. (Eds.) XXVI Brazilian Congress on Biomedical Engineering. IFMBE Proceedings, Vol. 70/2. Springer, Singapore. https://doi.org/10.1007/978-981-13-2517-5_101
Ato, M., López, J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038–1059. https://doi.org/10.6018/analesps.29.3.178511
Biju, S. M., Al-Khatib, O., Sheikh, H. Z., & Oroumchian, F. (2023). Glove based wearable devices for sign language—GloSign. IAES International Journal of Artificial Intelligence (IJ-AI), 12(4), 1666–1676. https://doi.org/10.11591/ijai.v12.i4.pp1666-1676
Brow, B., Dressler, R., Eaton, S. E., & Jacobsen, M. (2015). Practicing what we teach: Using action research to learn about teaching action research. The Canadian Journal of Action Research, 16(3), 61–78. https://journals.nipissingu.ca/index.php/cjar/article/view/228
Cheah, H. M., & Lee, L. L. (2015). Teaching and learning in an ICT-enhanced environment: Automating the assessment of 21st century skills. Advances in the Scholarship of Teaching and Learning, 2(1), 1–15.
Costa Machado, M., Diniz Gomes, C. A., Graciano Leal dos Santos, G., Dias de Sousa, L., & Borcard Cancela, L. (2017). Inclusao social de deficientes auditivos por meio de tecnologias assistivas. Anais do Encontro Virtual de Documentação em Software Livre e Congresso Internacional de Linguagem e Tecnologia Online, 6(1), 1–6. http://www.periodicos.letras.ufmg.br/index.php/anais_linguagem_tecnologia/article/view/12091
Defensoría del Pueblo. (24 de septiembre de 2020). Defensoría del Pueblo: Debe facilitarse el aprendizaje de la lengua de señas peruana y promover la identidad lingüística y cultural de las personas sordas. Defensoría del Pueblo. https://www.defensoria.gob.pe/defensoria-del-pueblo-debe-facilitarse-el-aprendizaje-de-la-lengua-de-senas-peruana-y-promover-la-identidad-linguistica-y-cultural-de-las-personas-sordas/
Duwairi, R. M., & Halloush, Z. A. (2022). Automatic recognition of Arabic alphabets sign language using deep learning. International Journal of Electrical and Computer Engineering (IJECE), 12(3), 2996–3004. https://doi.org/10.11591/ijece.v12i3.pp2996-3004
Fadlilah, U., Prasetyo, R. A. R., Mahamad, A. K., Handaga, B., Saon, S., & Sudarmilah, E. (2022). Modelling of basic Indonesian Sign Language translator based on Raspberry Pi technology. Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 22(3), 574–584. https://doi.org/10.17586/2226-1494-2022-22-3-574-584
Falvo, V., Scatalon, L., & Francine, E. (2020). The role of technology to teaching and learning sign languages: A systematic mapping. Proceedings - Frontiers in Education Conference, FIE, 1-9. https://doi.org/10.1109/FIE44824.2020.9274169
Hepp, K., Prats, P., A, M., & Holgado, J. (2015). Formació d'educadors: La tecnologia al servei del desenvolupament d'un perfil professional innovador i reflexiu. RUSC. Universities and Knowledge Society Journal, 12(2), 30–43. https://doi.org/10.7238/rusc.v12i2.2458
Instituto Nacional de Estadística e Informática. (2017). Perú: Perfil sociodemográfico informe nacional. Censos Nacionales 2017: XII de Población, VII de Vivienda y III de Comunidades Indígenas. INEI. https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1539/libro.pdf
Joy, J., Balakrishnan, K., & Madhavankutty, S. (2020). Developing a bilingual mobile dictionary for Indian Sign Language and gathering users experience with SignDict. Assistive Technology, 32(3), 153–160. https://doi.org/10.1080/10400435.2018.1508093
Joy, J., Balakrishnan, K., & Sreeraj, M. (2019). SignQuiz: A quiz based tool for learning fingerspelled signs in Indian sign language using ASLR. IEEE Access, 7, 28363–28371. https://doi.org/10.1109/ACCESS.2019.2901863
Kothadiya, D. R., Bhatt, C. M., Saba, T., Rehman, A., & Bahaj, S. A. (2023). SIGNFORMER: DeepVision Transformer for Sign Language Recognition. IEEE Access, 11, 4730–4739. https://doi.org/10.1109/ACCESS.2022.3231130
Labrada-Pérez, M., Fuentes-Rodríguez, H., & Jiménez-Peña, Y. (2015). Procedimientos para la enseñanza-aprendizaje de la lengua de señas. Revista Electrónica Trimestral de la Universidad de Holguín, 14, 37–46. https://www.redalyc.org/pdf/5891/589165732005.pdf
Li, J., Zhang, P., Chang, J., & Cai, S. (2022). Design and effect of AR sign language teaching software based on natural interaction. 30th International Conference on Computers in Education Conference, ICCE 2022 – Proceedings, 1, 402–409. https://library.apsce.net/index.php/ICCE/article/view/4513
Liberati, A., Altman, D. G., Tetzlaff, J., Mulrow, C., Gøtzsche, P. C., Ioannidis, J. P. A., Clarke, M., Devereaux, P. J., Kleijnen, J., & Moher, D. (2009). The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: Explanation and elaboration. PLoS Medicine, 6(7), Artículo e1000100. https://doi.org/10.1371/journal.pmed.1000100
Lu, C., Amino, S., & Jing, L. (2023). Data glove with bending sensor and inertial sensor based on weighted DTW fusion for sign language recognition. Electronics, 12(3), Artículo 613. https://doi.org/10.3390/electronics12030613
Ministerio de Educación. (2020). Orientaciones para la atención educativa de estudiantes con discapacidad auditiva. Dirección General de Educación Básica Especial. http://www.minedu.gob.pe/minedu/archivos/a/002/05-bibliografia-para-ebe/6-orientaciones-para-la-atencion-educativa-de-estudiantes-con-discapacidad-auditiva.pdf
Mohd, S. N., & Boilis, B. I. (2021). Sign language communication through augmented reality and speech recognition (LEARNSIGN). International Journal of Engineering Trends and Technology - IJETT, 69(4), 125–130. https://doi.org/10.14445/22315381/IJETT-V69I4P218
Moher, D., Tetzlaff, J., Tricco, A. C., Sampson, M., & Altman, D. G. (2007). Epidemiology and reporting characteristics of systematic reviews. PLoS Medicine, 4(3), Artículo e78. https://doi.org/10.1371/journal.pmed.0040078
Mosa, D. T., Nasef, N. A., Lotfy, M. A., Abohany, A. A., Essa, R. M., & Salem, A. (2023). A real-time Arabic avatar for deaf–mute community using attention mechanism. Neural Computing and Applications, 35(29), 21709–21723. https://doi.org/10.1007/s00521-023-08858-6
Naranjo-Zeledón, L., Chacón-Rivas, M., Peral, J., Ferrández, A., & Gil, D. (2021). Improvement of a sign language learning reinforcement tool through phonological proximity. Springer Proceedings in Complexity, 9, 99–107. https://orion.tec.ac.cr/en/publications/improvement-of-a-sign-language-learning-reinforcement-tool-throug/
Organización Mundial de la Salud. (26 de febrero de 2025). Sordera y pérdida de la audición. OMS. https://www.who.int/es/news-room/fact-sheets/detail/deafness-and-hearing-loss
Pontes, H. P., Furlan Duarte, J. B., & Pinheiro, P. R. (2020). An educational game to teach numbers in Brazilian Sign Language while having fun. Computers in Human Behavior, 107, Artículo 105825. https://doi.org/10.1016/j.chb.2018.12.003
Sahoo, A. K. (2021). Indian Sign Language Recognition Using Machine Learning Techniques. Macromolecular Symposia, 397(1), Article 2000241. https://doi.org/10.1002/masy.202000241
Saksiri, B., & Ruenwongsa, P. (2010). Effects of a virtual sign animated pedagogical agent on ICT learning. The International Journal of Learning: Annual Review, 17(3), 37–50. https://doi.org/10.18848/1447-9494/CGP/v17i03/46931
Saleem, M. I., Siddiqui, A., Noor, S., Luque-Nieto, M. A., & Nava-Baro, E. (2023). A machine learning based full duplex system supporting multiple sign languages for the deaf and mute. Applied Sciences, 13(5), Artículo 3114. https://doi.org/10.3390/app13053114
Shanableh, T. (2023). Two-stage deep learning solution for continuous Arabic Sign Language recognition using word count prediction and motion images. IEEE Access, 11, 126823–126833. https://doi.org/10.1109/ACCESS.2023.3332250
Siddaway, A. P., Wood, A. M., & Hedges, L. V. (2019). How to do a systematic review: A best practice guide for conducting and reporting narrative reviews, meta-analyses, and meta-syntheses. Annual Review of Psychology, 70, 747–770. https://doi.org/10.1146/annurev-psych-010418-102803
Vaitkevičius, A., Taroza, M., Blažauskas, T., Damaševičius, R., Maskeliunas, R., & Woźniak, M. (2019). Recognition of American Sign Language gestures in a virtual reality using Leap Motion. Applied Sciences, 9(3), Artículo 445. https://doi.org/10.3390/app9030445
Wang, H., Ming, C., Leu, & Cemil, O. (2006). American Sign Language recognition using multi-dimensional Hidden Markov Models. Journal of Information Science and Engineering, 22, 1109–1123. https://www.researchgate.net/publication/243788237
Yeh, H.-C., & Tseng, S.-S. (2020). Enhancing multimodal literacy using augmented reality. Language Learning & Technology, 24(1), 27–37. https://doi.org/10125/44706
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
La revista se acoge a la licencia Licencia Atribución (CC BY), permitiendo la posibilidad de copiar, distribuir, exhibir, y producir obras derivadas, siempre y cuando se reconozca y cite al autor.
