Treffer: POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE TECHNOLOGY IN DEAF EDUCATION.

The fast progress of artificial intelligence (AI) technologies is changing fields like education and healthcare greatly. One promising area for AI is deaf education. A sector that supports education for people with hearing impairments. Traditionally, deaf education has used methods and tools to aid learning and communication, for those who are deaf or hard of hearing. Nevertheless the inclusion of AI in this area presents possibilities to boost educational results and enhance the well being of individuals, with hearing challenges. Programming of such projects such as sign language recognition improves communication accessibility. However, in addition to the technical aspects, it is important to consider the cultural and social contexts in which sign language is used. The concept of research work for sign language translation is learning and using Python: for Gesture Character Recognition analysis of computer vision and machine learning methods, as well as the development of Python software for image processing for recognition purposes. The development of algorithms based on approaches to deep learning and machine learning of gestures helped to create a system capable of recognizing and translating a language. The main four steps that the project includes: 1) using computer vision, the silhouette of the hand is determined; 2) a letter is indicated with a hand gesture in front of the camera; 3) the definition of the sign using machine learning; 4) the result is displayed on the screen. The developed system allows you to determine the letters to a high degree and display the result on the screen. These results show that machine learning and computer vision have advantages and relevance in society. [ABSTRACT FROM AUTHOR]

Быстрое развитие технологий искусственного интеллекта (ИИ) значительно меняет такие об- ласти, как образование и здравоохранение. Одной из перспективных областей для ИИ является сурдопедагогика; направление образования, которое поддерживает образование для людей с нарушениями слуха. Традиционно сурдопедагогика использовало методы и инструменты для по- мощи в обучении и общении для людей с нарушениями слуха. Тем не менее, включение ИИ в эту область представляет возможности для повышения результатов обучения и улучшения благопо- лучия людей с проблемами слуха. Программирование таких проектов, как распознавание языка жестов, улучшает доступ- ность общения. Однако, в дополнение к техническим аспектам, важно учитывать культурные и социальные контексты, в которых используется язык жестов. Концепция исследовательской работы по переводу языка жестов заключается в изучении и использовании Python: для рас- познавания символов жестов анализом методов компьютерного зрения и машинного обучения, а также разработка программного обеспечения Python для обработки изображений в целях распознавания. Разработка алгоритмов, основанных на подходах к глубокому обучению и ма- шинному обучению жестов, помогла создать систему, способную распознавать и переводить язык. Основные четыре шага, которые включает в себя проект: 1) с помощью компьютерного зрения определяется силуэт руки; 2) указывается буква жестом руки перед камерой; 3) опреде- ление знака с помощью машинного обучения; 4) результат выводится на экран. Разработанная система позволяет определять буквы с высокой степенью и выводить результат на экран. Эти результаты показывают, что машинное обучение и компьютерное зрение имеют преимущества и востребованность в обществе. [ABSTRACT FROM AUTHOR]

Copyright of Journal of Educational Sciences (2520-2634) is the property of Al-Farabi Kazakh National University and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)