Tutores de lectura con IA y aplicaciones de alfabetización temprana

Estas herramientas reviven una vieja idea. El Proyecto LISTEN de Carnegie Mellon, dirigido por Jack Mostow a principios de la década de 1990, creó un tutor de lectura que escuchaba a los niños leer e intervenía cuando tenían dificultades, y sus estudios informaron mejoras en las habilidades de lectura. Amira Learning surgió de ese trabajo. Google lanzó Read Along (primero llamado Bolo, en India en 2019), que funciona sin conexión en teléfonos Android, y Microsoft ofrece Reading Progress y Reading Coach para escuelas. El bucle central es simple. La aplicación conoce el texto que el niño debe leer. Mientras el niño lee, el reconocimiento de voz compara el audio con las palabras esperadas, marcando cada una como correcta, sustituida, omitida o dudada. Luego, la aplicación puede indicar, modelar la palabra o agregarla para practicar. Los maestros obtienen medidas como palabras correctas por minuto, una puntuación estándar de fluidez en la lectura oral. Las investigaciones sobre lectura, incluido el informe del año 2000 del Panel Nacional de Lectura de EE. UU., identifican la conciencia fonémica, la fonética, la fluidez, el vocabulario y la comprensión como componentes clave. Los tutores basados ​​en la escucha apoyan principalmente la práctica de fluidez y decodificación. Son más débiles en comprensión a menos que también hagan preguntas y discutan el texto, y no reemplazan la instrucción fonética sistemática. El habla de los niños es difícil para los sistemas de reconocimiento: tono más alto, pronunciación en desarrollo, vacilaciones y menos datos de entrenamiento que el habla de los adultos. Los estudios de reconocimiento de voz comercial han encontrado tasas de error más altas para algunos grupos, incluidos los hablantes afroamericanos, por lo que el acento y el dialecto pueden causar errores falsos. Un tutor que marca repetidamente una lectura correcta como incorrecta puede desanimar a un niño. Al elegir uno, busque la alineación con instrucción basada en fonética, textos decodificables o nivelados, términos de privacidad claros para el audio grabado, informes visibles para los maestros y evidencia más allá de los testimonios de los proveedores. Un error común es pensar que la puntuación de fluidez de una aplicación es un diagnóstico; es una señal de detección que un maestro debe confirmar.