基于开放技术与机器学习的包容性教育平台开发：可访问性提升案例研究

本研究针对学生特殊需求的教育包容性挑战，提出并开发了一个包容性教育平台。平台集成了机器学习、自然语言处理与跨平台界面，核心功能包括语音识别支持语音指令和通过语音输入生成文本；采用 YOLOv5 模型进行实时物体识别，适配教育场景；采用带注意力机制的 seq2seq 模型实现 grapheme-to-phoneme 转换，用于文本转语音系统，确保语音自然流畅；并开发跨平台移动应用，使用 TensorFlow Lite 实现本地推理。结果显示该平台在准确率、可用性和教育场景中的积极影响方面表现优异，验证了该方案作为教育包容性有效工具。该项目强调了开放可及技术在促进包容性教育方面的重要性。