Lengua de señas, tendencias globales de investigación y desafíos para la reducción de desigualdades
DOI:
https://doi.org/10.29057/escs.v12iEspecial3.16261Palabras clave:
Lenguaje de señas, Inclusión, Objetivos de desarrollo sostenibleResumen
El presente artículo analiza la producción científica internacional sobre la lengua de señas a partir de registros indexados en Scopus, con especial atención a su relación con la inclusión educativa y social en el marco del ODS 10 (Reducción de las desigualdades). Se realizó un estudio bibliométrico a partir de la búsqueda de la palabra clave sign language, que arrojó un total de 4,340 artículos. El análisis, complementado con mapas de coocurrencia y redes de coautoría elaborados con VOSviewer, permitió identificar las principales tendencias de investigación, autores más influyentes y países líderes. Los resultados evidencian una concentración de la producción en Estados Unidos, Reino Unido, China y Brasil, mientras que México, con 128 publicaciones, presenta un rezago significativo frente a sus socios regionales de América del Norte. Se concluye que fortalecer la investigación en lengua de señas en México es esencial para consolidar políticas de inclusión educativa y social alineadas con los Objetivos de Desarrollo Sostenible.
Descargas
Citas
Alotaibi, S., Alamri, S. S., Alsaleh, A., & Meyer, G. F. (2025). Neural adaptations in short-term learning of sign language revealed by fMRI and DTI. Scientific Reports, 15(1), 5345. https://doi.org/10.1038/s41598-024-84468-zAshfaq, U., Wang, Q.,
Merabet, B., & Zhang, J. (2026). SignViT: An enhanced vision transformer framework for attention-based sign language hand gesture recognition. Biomedical Signal Processing and Control, 112, 108602. https://doi.org/10.1016/j.bspc.2025.108602
Ashfaq, U., Wang, Q., Merabet, B., & Zhang, J. (2026). SignViT: An enhanced vision transformer framework for attention-based sign language hand gesture recognition. Biomedical Signal Processing and Control, 112, 108602. https://doi.org/10.1016/j.bspc.2025.108602
Coldham, Y., Haluts, N., Elbaz, E., Ben-David, T., Racabi, N., Gal, S., Bernstein-Eliav, M., Friedmann, N., & Tavor, I. (2025). Distinct neural representations of different linguistic components following sign language learning. Communications Biology, 8(1), 353. https://doi.org/10.1038/s42003-025-07793-7
Cruz, M. (2017). Manos a la obra: lengua de señas, comunidad sorda y educación. Revista de ciencias sociales y humanidades. 83(38). https://doi.org/10.28928/revistaiztapalapa/832017/rl2/munguiazataraini
Damdoo, R., & Kumar, P. (2025). SignEdgeLVM transformer model for enhanced sign language translation on edge devices. Discover Computing, 28(1), 15. https://doi.org/10.1007/s10791-025-09509-1
García-Méndez, S., de Arriba-Pérez, F., Leal, F., Veloso, B. M., Malheiro, B., & Burguillo-Rial, J. C. (2025). An explainable machine learning framework for railway predictive maintenance using data streams from the metro operator of Portugal. Scientific Reports, 15(1), 27495. https://doi.org/10.1038/s41598-025-08084-1
Gili Diez, V., Bonavitta, P., Andrieu, J., Johnson, C., Trad Malmod, G., Gastiazoro, M. E., Menoyo, S., & Muñoz Rodríguez, L. F. (2023). Educación feminista y Objetivos de Desarrollo Sostenible 4, 5 y 10. Apuntes de Economía y Sociedad, 4(2), 123-133. https://doi.org/10.5377/aes.v4i2.16543
Goel, R. K., Bansal, S. R., & Gupta, K. (2025). Improved feature reduction framework for sign language recognition using autoencoders and adaptive Grey Wolf Optimization. Scientific Reports, 15(1), 2300. https://doi.org/10.1038/s41598-024-82785-x
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education.
Hugar, G., Kagalkar, R. M., & Das, A. (2025). Comparative study of hybrid deep learning models for Kannada sign language recognition. International Journal of Computational Intelligence Systems, 18(1), 191. https://doi.org/10.1007/s44196-025-00922-4
Qin, J., & Wang, M. (2025). Sign language recognition based on dual-channel star-attention convolutional neural network. Scientific Reports, 15(1), 27685. https://doi.org/10.1038/s41598-025-13625-9
Maashi, M. S., Iskandar, H. G., & Rizwanullah, M. (2025). IoT-driven smart assistive communication system for the hearing impaired with hybrid deep learning models for sign language recognition. Scientific Reports, 15(1), 6192. https://doi.org/10.1038/s41598-025-89975-1
Marzo, A., Rodríguez, X., Fresquet, M., M. (2022). La lengua de señas. Su importancia en la educación de sordos. Varona. 75. https://www.redalyc.org/articulo.oa?id=360673304006
Pečnik, K., Juvan, Ž., Dolinar, G., & Pogačnik, M. (2025). User experience questionnaire in sign language for native users of Slovenian sign language. Scientific Reports, 15(1), 5802. https://doi.org/10.1038/s41598-025-89954-6
Peña-Aparicio, C. D., Heredia-Carroza, J., de Sancha Navarro, J. M., & Stoica, R. (2024). El papel de la competencia financiera del Programa PISA respecto del Objetivo de Desarrollo Sostenible 10: reducción de las desigualdades. Revista Iberoamericana de Educación Osuna Journal, 3(6), 65–85. https://doi.org/10.58989/rieoj.v3i6.629
Souto Galván, B. (2022). La educación en valores en España. Discrepancias sobre la consecución de las metas del Objetivo de Desarrollo Sostenible 4 de la Agenda 2030. Revista de Educación y Derecho, (26), 1–22. https://doi.org/10.1344/REYD2022.26.38083
Takyi, K., Gyening, R. M. O. M., Gueuwou, S. M., Nyarko, M. S., Adade, R., Borkor, R. N., Boadu-Acheampong, S. I., & Tabari, L. (2025). AfriSign: African sign languages machine translation. Discover Artificial Intelligence, 5(1), 6. https://doi.org/10.1007/s44163-025-00227-7
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 José M. Cruz Domínguez, Mónica Jiménez Gutiérrez, Virginia Hernández Lucas, Diana Reyes Pérez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
