Creciente alfabetización infantil con conocimientos de diseño de ML en el dispositivo

publicado por Di Dang Design Advocate

Desde nuestra semana temática de aprendizaje automático juntos, profundizamos en un ML Kit x ​​CameraX Codelab y aprendimos cómo entrenar sus modelos personalizados e integrales en tu aplicación de Android. Además de las consideraciones técnicas con respecto al uso de ML, es importante diseñar nuestras aplicaciones basadas en ML de una manera que permita a nuestros usuarios tener el control de la tecnología ML y no al revés. Para ayudar a los creadores de productos a comprender algunas de las mejores prácticas para tomar decisiones de productos de ML, el equipo de PAIR publicó la Guía People + AI en Google I / O el año pasado. Echemos un vistazo a algunas consideraciones de diseño de ML que puede aplicar en sus aplicaciones de Android aprendiendo del ejemplo de Leer juntos.

Google lanzó recientemente Read Along, una aplicación de Android que usa ML en el dispositivo y la interfaz de usuario de voz para ayudar a los niños a aprender a leer en cualquier momento y en cualquier lugar, utilizando solo su voz. Según la División de las Naciones Unidas para los Objetivos de Desarrollo Sostenible, más del 50% de los niños en todo el mundo no están alcanzando las más mínimas habilidades de lectura. Lanzada por primera vez en India como "Bolo", la aplicación "Leer juntos" ahora está disponible en todo el mundo. Recientemente, fuimos detrás del escenario con el equipo de Read juntos en este episodio de Centrado, para descubrir cómo crearon una aplicación basada en ML y voz para mejorar la alfabetización infantil.

¿Por qué el aprendizaje automático y la interfaz de usuario de voz?

Dado que usar ML puede tomar mucho tiempo y dinero, tenemos que encontrar la intersección entre las fortalezas de ML y las necesidades del usuario. Para aprender a leer, los niños necesitan tiempo para actividades y atención individual, lo cual es un desafío para las áreas donde no hay acceso a maestros o materiales educativos. “En muchas partes del mundo, solo se pueden construir muchas escuelas, solo se pueden capacitar a tantos maestros. Entonces, antes que nada, es un problema de escala ", dijo Nitin Kashyap, gerente de producto de Read Along. Esto crea una oportunidad única para usar ML: proporcionar comentarios de lectura en tiempo real sobre A gran escala, Read Along utiliza el reconocimiento de voz y la funcionalidad de texto a voz del Asistente de Google. El equipo de Read Together también ha agregado habilidades al límite para preservar la privacidad de los niños. Los datos de voz se analizan en el dispositivo sin ser enviados a no hay servidores de Google, lo que permite a los niños usar Leer juntos incluso sin conexión.

  Niño que usa la demostración de la aplicación

Falsos positivos contra falsos negativos

Dado que los sistemas basados ​​en ML son inherentemente probabilísticos, pueden generar predicciones "incorrectas" en forma de falsos positivos y falsos negativos. Al crear aplicaciones basadas en ML, tenemos que decidir para qué comportamiento optimizar. En la experiencia Leer a lo largo, un falso positivo indica que el niño ha leído mal una palabra, incluso si el sistema no puede reconocerla y no proporciona comentarios correctivos. Por otro lado, un ejemplo de falso negativo es cuando un niño lee una palabra correctamente, pero Leer juntos predice que la palabra se ha leído incorrectamente y luego le pide al niño que intente nuevamente. "Pasamos un tiempo averiguando qué sucede realmente cuando el niño se vuelve falso positivo y falso negativo y qué impacto tiene en la psicología y también en la experiencia de lectura", dijo Eshita Priyadarshini, gerente de investigación UX de Read Along. "Cuando el niño lee, en realidad no decimos:" Oh, te equivocaste con esa palabra. ¿Por qué no lo relees? "Al desempaquetar el impacto de los falsos positivos y los falsos negativos en el usuario, el equipo de Read Along decidió optimizar para el retiro, aumentando así el número de falsos positivos, lo que se traduce en una experiencia usuario que parece más alentador para los niños.

  Captura de pantalla de People + AI Guide

Para obtener más información sobre cómo el equipo Read Along tomó decisiones sobre los productos de ML, revisa el episodio centrado en su totalidad. Para obtener más orientación sobre cómo su equipo multifuncional (que incluye UX, PM e ingeniería) puede unirse para diseñar aplicaciones basadas en ML, consulte la Guía People + AI.

Compruebe también

Ayudar a las familias a encontrar aplicaciones de alta calidad para niños

Publicado por Mindy Brooks, Gerente General, Niños y FamiliaLas aplicaciones juegan un papel cada vez …

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *