Classifiant les symboles AAC pour facilité d'utilisation

Les questions autour de la classification des symboles deviennent encore plus importantes quand considérant une gamme de langues qui ont peu en commun. En particulier si elles ne font pas partie du groupe européen de langues.

Les problèmes autour de l'orthographe et les changements que les diacritiques peuvent faire à la sortie texte à parole. Ou gauche à droite et droite à gauche placement si on pense à bouger à travers une phrase ou expressions avec un nombre minimal de sélections et distance à couvrir.

Dans le passé les symboles AAC ont souvent été classifiés leur utilisation :

• Aidés vs. Non aidés : Si le symbole nécessite un dispositif ou instrument externe (aidé, comme une image sur un tableau) ou est produit par le corps (non aidé, comme un geste).
• Statique vs. Dynamique : Si le symbole est immobile (statique, comme un mot imprimé ou image) ou change au fil du temps (dynamique, comme un geste ou animation).
• Iconique vs. Opaque : À quel point le symbole ressemble visuellement à son référent (symboles iconiques sont facilement devinables, opaques ne le sont pas).
• Ensemble vs. Système : Si la collection de symboles a des règles internes génératives pour créer de nouveaux symboles (système) ou est une liste fixe (ensemble). 

Pampoulou et Fuller ont proposé Le Continuum Symbolique Quaternaire Multidimensionnel (MQSC) 

• Symboles non-linguistiques : Ces ont peu à aucune logique interne inhérente et virtuellement non-existantes capacités d'expansion. Tout nouveau symbole doit être fourni par le développeur (par ex., un ensemble simple, fixe de pictogrammes).
• Symboles pré-linguistiques : Ces ont une logique interne rudimentaire, permettant quelque expansion ou modification limitée (par ex., certains ensembles de symboles où des règles simples s'appliquent).
• Symboles linguistiques : Ces possèdent une logique interne sophistiquée (règles génératives), permettant à l'utilisateur de créer virtuellement illimités nouveaux symboles et exprimer une large gamme d'idées et pensées (par ex., Blissymbols, qui ont une logique inhérente permettant la génération de signification complexe). 

Mais que si nous avions besoin de classifier les symboles par sujet, partie de parole et autres caractéristiques telles que culture, langue et utilisation cœur ou périphérique.  Peut-être avec le support de modèles d'IA cela pourrait être fait plus facilement comme toutes les classifications précédentes ont principalement été utilisées pour recherche et avaient à être effectuées manuellement - ajoutées à une base de données pour filtrage.     Les grands modèles de langue et reconnaissance visuelle  pourraient entrer en jeu bien que clairement les concepts de symbole abstrait et un manque de données d'entraînement bien étiquetées pourraient être un problème.