Une nouvelle université de l'étude dirigée par Buffalo décrit comment l'analyse de l'écriture artificielle alimentée par l'intelligence peut servir d'outil de détection précoce pour la dyslexie et la dysgraphie chez les jeunes enfants.
L'œuvre, présentée dans la revue Informatique SNvise à augmenter les outils de dépistage actuels qui sont efficaces mais peuvent être coûteux, longs et se concentrer sur une seule condition à la fois.
Cela pourrait éventuellement être un baume pour la pénurie nationale de langage de l'orthophonie et des ergothérapeutes, qui jouent chacun un rôle clé dans le diagnostic de la dyslexie et de la dysgraphie.
Il est extrêmement important de prendre ces troubles neurodéveloppementals est d'une importance cruciale pour garantir que les enfants reçoivent l'aide dont ils ont besoin avant qu'il ait un impact négatif sur leur apprentissage et leur développement socio-émotionnel. Notre objectif ultime est de rationaliser et d'améliorer le dépistage précoce de la dyslexie et de la dysgraphie, et de rendre ces outils plus largement disponibles, en particulier dans les zones mal desservies. «
Venu Govindaraju, PhD, auteur correspondant de l'étude, SUNY Distinguished Professor, Département d'informatique et d'ingénierie à UB
Le travail fait partie du National IA Institute for Exceptional Education, qui est une organisation de recherche dirigée par UB qui développe des systèmes d'IA qui identifient et aident les jeunes enfants dans les troubles du traitement de la parole et des langues.
S'appuie sur les travaux de reconnaissance de l'écriture précédente
Il y a des décennies, Govindaraju et ses collègues ont fait un travail révolutionnaire en utilisant l'apprentissage automatique, le traitement du langage naturel et d'autres formes d'IA pour analyser l'écriture manuscrite, une progression du service postal américain et d'autres organisations utilisées pour automatiser le tri du courrier.
La nouvelle étude propose un cadre et des méthodologies similaires pour identifier les problèmes d'orthographe, une mauvaise formation de lettres, des problèmes d'organisation d'écriture et d'autres indicateurs de dyslexie et de dysgraphie.
Il vise à s'appuyer sur des recherches antérieures, qui se sont davantage concentrées sur l'utilisation de l'IA pour détecter la dysgraphie (moins les deux conditions), car elle provoque des différences physiques facilement observables dans l'écriture d'un enfant. La dyslexie est plus difficile à repérer de cette façon car elle se concentre davantage sur la lecture et la parole, bien que certains comportements comme l'orthographe offrent des indices.
L'étude note également qu'il y a une pénurie d'exemples d'écriture des enfants pour former des modèles d'IA avec.
Collecte d'échantillons auprès des étudiants K-5
Pour relever ces défis, une équipe d'ordinateurs informaticiens UB dirigée par Govindaraju a rassemblé des informations auprès des enseignants, des orthophonistes et des ergothérapeutes pour assurer que les modèles d'IA qu'ils développent sont viables en classe et dans d'autres contextes.
« Il est extrêmement important d'examiner ces problèmes et de construire des outils améliorés par l'IA, du point de vue des utilisateurs finaux », explique le co-auteur de l'étude Sahana Rangasrinivasan, doctorant du département d'informatique et d'ingénierie d'UB.
L'équipe s'est également associée au co-auteur de l'étude Abbie Olszewski, PhD, professeur agrégé en études d'alphabétisation à l'Université du Nevada, Reno, qui a co-développé la dysgraphie et la dyslexie de la dyslexie (DDBIC) pour identifier les symptômes qui se chevauchent entre la dyslexie et la dysgraphie.
L'équipe a collecté des échantillons de papier et d'écriture de tablettes de la maternelle à des élèves de 5e année dans une école primaire de Reno. Cette partie de l'étude a été approuvée par un comité d'éthique, et les données ont été anonymisées pour protéger la vie privée des étudiants.
Ils utiliseront ces données pour valider davantage l'outil DDBIC, qui se concentre sur 17 indices comportementaux qui se produisent avant, pendant et après l'écriture; former des modèles d'IA pour terminer le processus de dépistage DDBIC; et comparer l'efficacité des modèles par rapport aux personnes qui administrent le test.
Le travail met l'accent sur l'IA pour le bien public
L'étude décrit comment les modèles de l'équipe peuvent être utilisés:
- Détecter les difficultés du moteur en analysant la vitesse d'écriture, la pression et les mouvements du stylo.
- Examinez les aspects visuels de l'écriture manuscrite, y compris la taille des lettres et l'espacement.
- Convertissez l'écriture manuscrite en texte, repérant les fautes d'orthographe, les inversions de lettres et autres erreurs.
- Identifiez les problèmes cognitifs plus profonds basés sur la grammaire, le vocabulaire et d'autres facteurs.
Enfin, il discute d'un outil qui combine tous ces modèles, résume leurs résultats et fournit une évaluation complète.
« Ce travail, qui est en cours, montre comment l'IA peut être utilisé pour le bien public, fournissant des outils et des services aux personnes qui en ont le plus besoin », explique le co-auteur de l'étude Sumi Suresh, PhD, chercheur en visite à UB.
Les co-auteurs supplémentaires incluent Bharat Jayarman, PhD, directeur de l'Amrita Institute of Advanced Research et professeur émérite du Département d'informatique et d'ingénierie UB; et Srirangaraj Setlur, chercheur principal au UB Center for Unified Biometrics and Sensors.
_a3f42f540aed455c9738e0aa4b52aac3-620x480-e1603380534356.jpg)
