Bedensel duruş sınıflandırması ve Arap işaret dili entegrasyonu kullanarak işitme engelliler için Kuran eğitimi üzerine otomatik bir çerçeve

Sessiz Seslere Kutsal Bir Metni Açmak

Birçok sağır ve işitme güçlüğü yaşayan Müslüman için Kur’an’ı ezberlemeyi öğrenmek, geleneksel öğretimin dinlemeye ve tekrara dayandığı için acı verici derecede zor olabilir. Bu çalışma, Arap İşaret Dili jestlerini “gören” ve bunları Kur’an’ın kısa bir sûresindeki ayetlerle ilişkilendiren teknoloji tabanlı bir öğretim yardımcısını tanıtıyor. Vücut hareketlerini işaret dili ile kutsal metin arasında bir köprüye dönüştürerek, esas olarak işaret diliyle iletişim kuran milyonlarca insan için dini öğrenimi daha kapsayıcı hale getirmeyi amaçlıyor.

İşitme Engelli Öğrencilerin Dışlanmasının Nedenleri

Sağır Müslümanlar genellikle iletişim için jest ve işaretlere güveniyor; oysa çoğu Kur’an eğitimi ses üzerine kuruludur—öğretmenler yüksek sesle okur, öğrenciler ezgi ve telaffuzu taklit eder. Aileler işaret dilini iyi bilmeyebilir ve nitelikli işaret tercümanları, özellikle dini içerik için, nadirdir. Sonuç olarak birçok sağır inanan, işiten akranlarıyla aynı düzeyde manevi eğitime erişmekte zorlanır. Kameradan el ve vücut hareketlerini tanıyabilen bilgisayarla görme ve yapay zekâdaki son gelişmeler, işaret dilini bir bilgisayarın gerçek zamanlı olarak anlayıp yanıtlayabileceği bir şeye dönüştürerek bunu değiştirme imkânı sunuyor.

Jestleri Öğretilebilir Birimlere Dönüştürmek

Araştırmacılar, birçok Müslümanın erken yaşta ezberlediği kısa ama teolojik açıdan zengin bir sûre olan Sûrat el-İhlâs’a odaklandı. Mısır’daki sağır kullanıcılara hizmet eden kurumlarla çalışarak bu sûreden bireysel Kuran kelimelerine karşılık gelen 2.054 Arap İşaret Dili jestinin görüntüsünü kaydettiler. Anlam ve telaffuz karışıklığını önlemek için her bir jest hem Arap alfabesiyle hem de akademik İslami çalışmalarda yaygın olarak kullanılan standartlaştırılmış bir transliterasyon sistemiyle etiketlendi. Bu özenli etiketleme, sistemin her işareti doğru Kuran terimiyle eşleştirmesini sağlarken gelecekte diğer sûrelere genişleme esnekliğini koruyor.

Bilgisayarın Namaz Duruşlarını Görmeyi Öğrenmesi

Sistemin merkezinde önce işaretçi kişinin vücut duruşunu tespit eden, ardından hangi Kuran kelimesinin işaretlendiğini sınıflandıran görsel bir boru hattı yer alıyor. Tüm görüntüler standart bir formata yeniden boyutlandırılıp temizlendi. MediaPipe adlı bir yazılım araç seti, omuzlar, dirsekler ve bilekler gibi vücutta 33 anahtar noktayı tanımlayıp konumlarını izliyor. Bu koordinatlar her duruşun kompakt bir tanımını oluşturuyor ve daha sonra üç tür makine öğrenimi modeline besleniyor: özel bir çok katmanlı algılayıcı (basit bir sinir ağı), destek vektör makinesi ve birçok küçük karar ağacından oluşan bir rastgele orman. Paralel olarak, ResNet50 adlı daha güçlü bir derin öğrenme modeli, her kelime ile ilişkili ayrıntılı görsel desenleri öğrenmek için tam görüntüyü analiz ediyor.

Kuran İşaretlerinin Dikkat Çekici Doğrulukta Tanınması

Sistemi test etmek için yazarlar veri setlerini eğitim, doğrulama ve test setlerine ayırdı ve her bir modelin jestleri ne kadar doğru tanıdığını değerlendirdi. Tüm yaklaşımlar güçlü performans sergiledi; duruş tabanlı modeller 14–16 Kuran kelime sınıfı arasında çoğu işareti doğru tanımladı. Örneğin rastgele orman modeli birçok kelime için neredeyse mükemmele yakın puanlar elde etti; yalnızca görsel olarak benzer jestler arasında birkaç karışıklık oldu. Görüntülere doğrudan bakarken aynı zamanda duruş bilgisinden de yararlanan birleşik ResNet50 tabanlı model, test verilerinde neredeyse kusursuz performansa ulaştı: her jest doğru sınıflandırıldı ve doğruluk, hassasiyet, geri çağırma ile ROC–AUC adlı ayrım ölçütü gibi standart metriklerin tümü maksimum değerlere erişti. Bu sonuçlar, dikkatle hazırlanmış küçük görüntü koleksiyonlarının bile dini işaret dilinin yüksek doğrulukla tanınmasını destekleyebileceğini gösteriyor.

Umut, Sınırlamalar ve İleriye Dönük Yol

Performans rakamları etkileyici olsa da yazarlar bunların yalnızca çalışmalarının kontrollü koşulları için geçerli olduğunu vurguluyor: tek bir sûre, sınırlı sayıda işaretçi ve sürekli hareket halindeki imla yerine durağan görüntüler. Gerçek dünya kullanımı daha büyük, daha çeşitli veri setleri, alt vücut hareketlerinin daha iyi kapsanması ve farklı bölgelerden işaretçilerle dikkatli testler gerektirecektir. Yine de çalışma, modern görme ve öğrenme araçlarının Kur’an işaretlerini güvenilir şekilde tanıyabileceğini ve anlık geri bildirim sağlayabileceğini gösteriyor; örneğin bir öğrenci jesti yaptığında onay işareti veya düzeltici bir animasyon gösterilmesi gibi. Günlük terimlerle bu, sağır bir öğrencinin basit bir kameranın önünde Kur’an ayetlerini işaretle pratik yapabilmesi ve canlı bir tercümana ihtiyaç duymadan rehberlik alabilmesi anlamına geliyor—kutsal bilginin herkes için daha erişilebilir hale gelmesine doğru atılmış önemli bir adım.

Atıf: AbdElghfar, H., Youness, H.A., Wahba, M. et al. An automated framework for qur’anic education of the hearing-impaired using body pose classification and Arabic sign language integration. Sci Rep 16, 5939 (2026). https://doi.org/10.1038/s41598-026-36578-z

Anahtar kelimeler: Kuran eğitimi, Arap İşaret Dili, işitme engelli öğrenenler, duruş tanıma, yardımcı teknoloji