Classificare i simboli AAC per facilità d'uso

Le domande intorno alla classificazione dei simboli diventano ancora più importanti quando si considera una gamma di lingue che hanno poco in comune. In particolare se non fanno parte del gruppo di lingue europee.

Questioni intorno all'ortografia e ai cambiamenti che i segni diacritici possono fare all'output di testo in voce. O posizionamento da sinistra a destra e da destra a sinistra se si sta pensando di muoversi attraverso una frase o frasi con un numero minimo di selezioni e distanza da coprire.

In passato i simboli AAC sono stati spesso classificati per il loro uso:

• Assistito vs. Non assistito: Se il simbolo richiede un dispositivo o strumento esterno (assistito, come un'immagine su una scheda) o è prodotto dal corpo (non assistito, come un gesto).
• Statico vs. Dinamico: Se il simbolo è immobile (statico, come una parola stampata o un'immagine) o cambia nel tempo (dinamico, come un gesto o un'animazione).
• Iconico vs. Opaco: Quanto il simbolo assomiglia visivamente al suo referente (i simboli iconici sono facilmente intuibili, quelli opachi non lo sono).
• Set vs. Sistema: Se la collezione di simboli ha regole generative interne per creare nuovi simboli (sistema) o è un elenco fisso (set).

Pampoulou e Fuller hanno proposto Il Continuum Simbolico Quaternario Multidimensionale (MQSC)

• Simboli Non-linguistici: Questi hanno poca o nessuna logica interna inerente e capacità di espansione virtualmente inesistenti. Qualsiasi nuovo simbolo deve essere fornito dallo sviluppatore (es., un semplice set fisso di pittogrammi).
• Simboli Pre-linguistici: Questi hanno una logica interna rudimentale, permettendo qualche espansione o modifica limitata (es., alcuni set di simboli dove si applicano regole semplici).
• Simboli Linguistici: Questi possiedono una logica interna sofisticata (regole generative), permettendo all'utente di creare virtualmente simboli nuovi illimitati ed esprimere un'ampia gamma di idee e pensieri (es., Blissymbols, che hanno una logica inerente che permette la generazione di significati complessi).

Ma cosa succede se avessimo bisogno di classificare simboli per argomento, parte del discorso e altre caratteristiche come cultura, lingua e uso core o periferico. Forse con il supporto di modelli IA questo potrebbe essere fatto più facilmente poiché tutte le classificazioni precedenti sono state principalmente usate per la ricerca e dovevano essere effettuate manualmente - aggiunte a un database per il filtraggio. Modelli di Linguaggio Large e riconoscimento visivo potrebbero entrare in gioco sebbene chiaramente concetti di simboli astratti e una mancanza di dati di training ben etichettati potrebbero essere un problema.