Los investigadores presentan una solución de reconocimiento automático del habla (ASR) de código abierto diseñada para evaluar la lectura infantil en bambara, abordando la falta de herramientas desarrolladas para este idioma africano. El sistema se construyó mediante un proceso de extremo a extremo que incluyó la recopilación de datos de campo, la construcción de benchmarks, la adaptación del modelo y la validación en el aula.
- Una aplicación móvil recopiló 55 horas de habla de lectura sin procesar de 60 niños para crear un benchmark público para la evaluación de la lectura infantil en bambara.
- Los experimentos de ajuste fino compararon Soloni, un framework ASR Fast-Conformer adaptado al bambara, con QuartzNet, una arquitectura ASR convolucional compacta.
- El mejor modelo Soloni redujo la Tasa de Error de Palabras (WER) de 0.42 a 0.22 y la Tasa de Error de Caracteres (CER) de 0.15 a 0.08, superando sustancialmente a QuartzNet.
- El análisis desagregado identificó a los niños menores de 10 años como la principal fuente de errores residuales, lo que motivó una recopilación de datos dirigida de lectores más jóvenes.
- Diez pruebas en el aula respaldaron el uso continuo de la aplicación para la evaluación de la alfabetización.
El trabajo proporciona un marco reproducible para la evaluación de la alfabetización en idiomas con pocos recursos y destaca beneficios arquitectónicos específicos y necesidades de datos para mejorar el rendimiento del ASR en el habla infantil.