La UBA desarrolla una herramienta con Inteligencia Artificial para la detección temprana de dificultades de lectura en el aula

La Inteligencia Artificial puede ser un riesgo. Pero también una aliada. Un equipo de la Facultad de Ciencias Exactas de la UBA desarrolla una herramienta con IA que transcribe lecturas de un minuto y permite identificar de manera temprana dificultades de lectura en estudiantes de primaria y primer año.

La herramienta permite transcribir grabaciones de alumnos leyendo y evaluar qué tan bien resolvieron una tarea de lectura, comparando las palabras que pronuncian con el texto original. El objetivo es poder medir la fluidez lectora: la capacidad de leer sin errores, de manera continua y con un ritmo natural.

“La forma más sencilla para tener una medida que aproxime al nivel de fluidez es contar cuántas palabras se dijeron correctamente en un minuto. A partir de la transcripción automática, se analiza si hay correspondencia entre lo dicho y el texto a leer y se analiza si cada palabra fue bien pronunciada. Finalmente se computa el número total de palabras bien dichas”, explicó Pablo Riera, investigador del Laboratorio de Inteligencia Artificial Aplicada (LIAA, UBA-CONICET).

“Se espera que un chico de 2° grado lea aproximadamente más de 50 palabras correctas en un minuto”, agregó.

La Inteligencia Artificial y la lectura

Las evaluaciones sobre el desempeño de estudiantes de primaria y secundaria de las que más se habla son las que apuntan a la comprensión de texto y a las habilidades matemáticas. Suelen ser exámenes internacionales y estandarizados. Sin embargo, la base para llegar a comprender un texto es, lógicamente, la lectura.

“Se sabe que un chico que lee muy lento no va a poder comprender un texto, porque está haciendo un esfuerzo en leer y no en comprender”, remarca Riera.

Los resultados recientes de las Pruebas Aprender, que evalúan el desempeño en lectura y escritura, reflejan que cerca de la mitad de los alumnos de tercer grado se encuentra por debajo del nivel esperado. En este contexto, el uso de herramientas de Inteligencia Artificial puede ofrecer nuevas formas de diagnóstico y apoyo pedagógico para acompañar los procesos de aprendizaje.

El equipo trabaja en el proyecto desde 2023. Comenzaron analizando una muestra de datos de la provincia de Mendoza, en colaboración con la Dirección General de Escuelas, y este año continuaron junto al Instituto Natura Argentina en otros distritos del país.

El método y la herramienta de la UBA

El método consiste en analizar grabaciones de estudiantes leyendo en voz alta durante un minuto. Así lo explica Riera: “Se utilizan reconocedores automáticos del habla para procesar las grabaciones y poder saber cómo y cuándo dijo cada palabra el estudiante”.

El investigador sostiene que la mayoría de los sistemas de reconocimiento del habla actuales no están pensados para transcribir la voz de niños, sobre todo si son muy chicos y todavía no hablan con total claridad: “En nuestro caso adaptamos estos reconocedores a la población objetivo donde serán usados, lo que mejora el desempeño base. La principal dificultad es conseguir grandes volúmenes de datos anotados manualmente. La anotación implica transcribir lo que se dijo y las distintas interrupciones o repeticiones propias del habla infantil, que son muy variadas y difíciles de clasificar”.

El desarrollo incluyó pruebas con estudiantes de 2°, 3°, 5° y 7° grado, y de 1° año de secundaria. El equipo destaca que lo más importante es que los chicos lean textos adecuados a su edad y nivel de dificultad.

La herramienta tiene una función diagnóstica: puede alertar al docente cuando un estudiante se encuentra por debajo del nivel esperado. “El sistema podría usarse dentro del aula, en evaluaciones periódicas o también de forma individual. En cada caso habría que adecuar el sistema –manifiesta Riera–. Por ejemplo, para un uso individual, es necesario ofrecer textos nuevos e ir aumentando la dificultad si se observa progreso.”

Para que la herramienta esté completamente lista, el equipo debe continuar con el proceso de validación reuniendo más datos. Para eso prevén el desarrollo de una plataforma y la adecuación de la infraestructura para su implementación segura.