HTR y evaluación de un corpus de educación primaria de textos manuscritos en Euskera
Barra lateral del artículo
Contenido principal del artículo
DOI:
https://doi.org/10.17979/digilec.2026.13.13509Resumen
Las pruebas en Educación Primaria (EP) para la realización de la Evaluación Diagnóstica (ED) del Sistema Educativo Vasco en materia de lengua se recopilan en textos manuscritos. Si dichos textos pudieran digitalizarse, sería posible analizarlos tanto manualmente como con técnicas de Procesamiento del Lenguaje Natural (PLN) para su análisis. El objetivo de este estudio es crear un modelo de Reconocimiento de Texto Manuscrito (HTR) para la digitalización de textos manuscritos en euskera producidos por alumnado de 4.º de Educación Primaria, así como crear un corpus digitalizado de dichos textos. Aunque existen modelos de HTR en euskera de estudiantes con mayor edad, se desarrolló uno adaptado a las particularidades escriturales del alumnado. Se compilaron 870 textos manuscritos facilitados por el Instituto Vasco de Evaluación e Investigación Educativa (ISEI-IVEI) y se utilizó la plataforma Transkribus usando técnicas avanzadas de Inteligencia Artificial (IA) para la creación de modelos. La evaluación se realizó de forma manual y se llevó a cabo un análisis cualitativo de los errores del modelo mediante un sistema de codificación. Los resultados muestran una tasa de error entre el 5% y el 7%, lo que representa un avance en la digitalización de texto de escritura infantil. Finalmente, se prevé poner a disposición de la comunidad científica y educativa tanto el modelo de HTR como el corpus, facilitando futuras investigaciones en este ámbito.
Palabras clave:
Detalles del artículo
Referencias
Adak, C., Chaudhuri, B. B. y Blumenstein, M. (2017). Legibility and aesthetic analysis of handwriting. In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) (Vol. 1, pp. 175-182). IEEE. doi: 10.1109/ICDAR.2017.37.
Berninger, V. W. y Richards, T. L. (2010). Inter-relationships among behavioral markers, genes, brain, and treatment in dyslexia and dysgraphia. Future Neurology, 5(4), 597–617. https://doi.org/10.2217/fnl.10.22
Butler, T. S. (2003). Human interaction with digital ink: legibility measurement and structural analysis [Tesis de Doctorado]. University of Hertfordshire. http://hdl.handle.net/2299/14158
Dinehart, L. H. (2015). Handwriting in early childhood education: Current research and future implications. Journal of Early Childhood Literacy, 15, 97–118. DOI: https://doi.org/10.1177/1468798414522825
Durrant, P. (2022). Studying children's writing development with a corpus. Applied Corpus Linguistics, 2(3), 100026. https://doi.org/10.1016/j.acorp.2022.100026
Fischer, A., Frinken, V., Bunke, H. y Fornés, A. (2012). Lexicon-free handwritten word spotting using character HMMs. Pattern Recognition Letters, 33(7), 934–942. https://doi.org/10.1016/j.patrec.2011.09.009
Fogel, Y., Rosenblum, S. y Barnett, A. L. (2022). Handwriting legibility across different writing tasks in school-aged children. Hong Kong journal of occupational therapy: HKJOT, 35(1), 44–51. https://doi.org/10.1177/15691861221075709
González, R. M. (2003). Propuesta de intervención en los procesos cognitivos y estructuras textuales en niños con DAE. Psicothema, 15(3), 458-463.
Government of South Australia, Department of Education and Children’s Services (2007). Handwriting in the South Australian Curriculum (2nd ed.; G. Groves, Ed.). Hyde Park Press. https://www.australianschoolfonts.com.au/assets/resources/handwriting-2nd-ed-2007-sa.pdf
Graves, A., Liwicki, M., Fernández, S., Bertolami, R., Bunke, H. y Schmidhuber, J. (2009). A novel connectionist system for unconstrained handwriting recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(5), 855–868. https://doi.org/10.1109/TPAMI.2008.137
Ibarra, I. (2016). Esku-idazketa eta testu eleanitzen arteko loturak. [Tesis de Doctorado]. Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU). https://addi.ehu.eus/bitstream/handle/10810/26312/TESIS_IBARRA_LIZUNDIA_IRUNE.pdf?sequence=1&isAllowed=y
Ibarra, I., Ortube, M., eta Muxika, I. (2020). Letra xeheak, bai! Booktegi. Recuperado de https://www.booktegi.eus/liburuak/letra-xeheakbai/
Ingle, R., Fujii, Y., Deselaers, T., Baccash, J. y Popat, A. (2019). A scalable handwritten text recognition system. Proceedings of ICDAR 2019, 17–24. https://doi.org/10.48550/arXiv.1904.09150
Instituto Vasco de Evaluación e Investigación Educativa (ISEI-IVEI). (2025). Evaluación diagnóstica de mitad de etapa. Competencia en comunicación lingüística. Gobierno Vasco. https://isei-ivei.euskadi.eus/es/
Jaipukar, P.B., Pal V.S., Varade, S.M. y Mendhule, S.P. (2025). Interpreting Handwriting Text Recognition. International Journal of Progressive Research in Engineering Management and Science (IJPREMS) (Int Peer Reviewed Journal), 5(8), 1745-1748. https://www.ijprems.com/uploadedfiles/paper//issue_8_august_2025/43592/final/fin_ijprems1756717555.pdf
Kahle, P., Colutto, S., Hackl, G. y Mühlberger, G. (2017). Transkribus—A service platform for transcription, recognition and retrieval of historical documents. Proceedings of ICDAR 2017, 19–24. https://doi.org/10.1109/ICDAR.2017.307
Ley Orgánica 2/2006, de 3 de mayo, de Educación. (BOE núm. 106, de 4 de mayo de 2006, pp. 1-112).
Mahadevkar, S., Patil, S. y Kotecha, K. (2024). Enhancement of handwritten text recognition using AI-based hybrid approach. MethodsX, 12, 1-11. DOI: https://doi.org/10.1016/j.mex.2024.102654
Muehlberger, G., Seaward, L., Terras, M., Ares Oliveira, S., Bosch, V., Bryan, M., Colutto, S., Déjean, H., Diem, M., Fiel, S., Gatos, B., Greinoecker, A., Grüning, T., Hackl, G., Haukkovaara, V., Heyer, G., Hirvonen, L., Hodel, T., Jokinen, M., ... Zagoris, K. (2019). Transforming scholarship in the archives through handwritten text recognition: Transkribus as a case study. Journal of Documentation, 75(5), 954-976. https://www.emerald.com/insight/content/doi/10.1108/jd-07-2018-0114/full/html
Nisa, H., Thom, J., Ciesielski, V. y Tennakoon, R. (2023). Student Messy Handwritten Dataset (SMHD). RMIT University. Dataset. https://doi.org/10.25439/rmt.24312715.v1
Nockels, J., Gooding, P., Ames, S., & Terras, M. (2022). Understanding the application of handwritten text recognition technology in heritage contexts: a systematic review of Transkribus in published research. Archival science, 22(3), 367–392. https://doi.org/10.1007/s10502-022-09397-0
Rakesh, S., Kushal Reddy, P., V. Prashanth, V. y Srinath Reddy, K. (2024). Handwritten text recognition using deep learning techniques: A survey. MATEC Web of Conferences, 392(01126), 1-8. DOI: https://doi.org/10.1051/matecconf/202439201126
Stokes, P., y Kiessling, B. (2024). Sharing Data for Handwritten Text Recognition (HTR). Digital Humanities in Practice. ffhal-04444641ff
Transkribus. (2025). Character Error Rate and Learning Curve. Transkribus Help Center. https://help.transkribus.org/character-error-rate-and-learning-curve,