探索孟加拉国聋人教育中的人工智能机会：通过教师和家长视角理解设计需求

文献标题

Exploring AI Opportunities in Deaf Education: Understanding Design Needs Through Teacher and Parent Perspectives in Bangladesh

出版信息

• 主题领域：面向低资源环境聋人学习者的人工智能驱动教育技术。
• 关键词：聋人教育，孟加拉手语（BdSL），人工智能设计，低资源环境，视觉访问，语言稳定性，情感安全，参与式设计，全球南方，包容性学习。

背景与问题

• 问题/挑战：当前人工智能驱动的教育技术通常未能解决低资源环境中聋人学习者的语言、基础设施和社会现实问题，尤其是在孟加拉国等非西方背景下。
• 重要性：解决这些问题对于改善聋人学生的教育公平性、确保可访问性以及在全球南方促进包容性学习环境至关重要。
• 动机与相关研究：以往研究主要集中于手语识别、翻译工具和辅助技术，且多针对高资源语言如美国手语（ASL）。然而，这些系统通常假设稳定的基础设施和标准化的手语语料库，这与孟加拉手语（BdSL）课堂的实际情况不符。本研究基于人机交互（HCI）和通用学习设计（Universal Design for Learning）原则，探索人工智能如何在脆弱的教育环境中稳定学习条件。

解决方案

• 提出的方法：将人工智能概念化为一种经教师引导的、稳定访问的中介支持，而非自主翻译工具，其设计原则基于孟加拉国聋人学生、教师和家长的实际经验。
• 创新性：
  1. 引入“脆弱学习连续性”概念，解释视觉、语言和基础设施的不稳定性如何在低资源聋人教育中相互作用。
  2. 将人工智能重新定义为通过教师引导验证、情感安全以及学校与家庭实践之间的对齐来稳定访问和信任的工具。
  3. 开发针对BdSL的人工智能工具的文化敏感设计原则，强调离线功能、表达性手语和社区治理。
• 过程与关键技术：
  • 对13名教师、8名家长和5名聋人学生进行了定性访谈和焦点小组讨论，以了解他们的挑战、需求和期望。
  • 使用反思性主题分析识别了视觉干扰、词汇缺口、情感犹豫和基础设施限制等主题。
  • 提出了优先考虑连续性、信任和文化对齐的人工智能设计原则，而非性能优化。

结果

• 具体发现：
  • 可见性干扰、BdSL词汇演变和基础设施不稳定性常常同时发生，导致理解上的连锁性差距。
  • 情感安全在手语课堂中至关重要，因为误解是公开可见的，这增加了寻求澄清的犹豫。
  • 学生更倾向于使用私人澄清工具、文化相关的视觉内容以及支持学习连续性的离线系统。
• 相较基线的优势：
  • 将人工智能设计重点从功能优化转向在不稳定条件下维持连续性，填补了现有聋人教育模型中的空白。
• 实验/评估：
  • 在孟加拉国城市和城郊学校中对教师、家长和学生进行了半结构化访谈和焦点小组讨论。
  • 分析突出显示了视觉、语言和基础设施因素之间的系统性互动，塑造了人工智能设计优先事项。
• 局限性与未来工作：
  • 孟加拉国农村聋人教育环境的代表性有限。
  • 研究基于概念性期望，而非功能性人工智能原型的评估。
  • 未来工作应重点部署原型，开发BdSL学术词汇，并扩大与聋人学生的共同设计努力。

总结

本研究探讨了人工智能如何通过解决视觉访问脆弱性、不一致的BdSL词汇、情感犹豫和基础设施不稳定性来支持孟加拉国的聋人教育。研究引入了“脆弱学习连续性”概念，并将人工智能重新定义为一种中介支持，而非自主翻译工具。通过教师、家长和学生的定性洞察，研究提出了强调离线功能、表达性手语、文化根植性和社区治理的设计原则。这些发现为包容性人机交互和人工智能设计提供了实践指导，有助于开发在低资源环境中稳定学习的工具。