Nowy uniwersytet w badaniu pod przewodnictwem Buffalo przedstawia, w jaki sposób analiza pisma sztucznej inteligencji może służyć jako narzędzie wczesnego wykrywania dysleksji i dysgrafii wśród małych dzieci.
Praca, przedstawiona w czasopiśmie SN Computer Science, ma na celu zwiększenie obecnych narzędzi badań przesiewowych, które są skuteczne, ale mogą być kosztowne, czasochłonne i skupić się tylko na jednym stanie na raz.
W końcu może to być smażenie dla ogólnokrajowego niedoboru patologów mowy w języku i terapeutów zajęciowych, z których każdy odgrywa kluczową rolę w diagnozowaniu dysleksji i dysgrafii.
„Wczesne złapanie tych zaburzeń neurorozwojowych jest niezwykle ważne dla zapewnienia, że dzieci otrzymają potrzebną pomoc, zanim negatywnie wpłynie na ich uczenie się i rozwój społeczno-emocjonalny. Naszym ostatecznym celem jest usprawnienie i poprawa wczesnego badania przesiewowego na dysleksyjne i zaburzenia, a także uczynić te narzędzia bardziej dostępne, zwłaszcza w obszarach niedocenianych”, mówi badanie korespondencyjne, phd, phd, suni, profesor, profesjonalnie. Informatyka i inżynieria w UB.
Praca jest częścią National AI Institute for wyjątkowa edukacji, która jest organizacją badawczą kierowaną UB, która rozwija systemy AI, które identyfikują i pomagają małym dzieciom w zaburzeniach mowy i języka.
Opiera się na wcześniejszych pracach rozpoznawania pisma odręcznego
Kilkadziesiąt lat temu Govindaraju i współpracownicy wykonali przełomowe prace, stosując uczenie maszynowe, przetwarzanie języka naturalnego i inne formy sztucznej inteligencji w celu analizy pisma ręcznego, rozwoju amerykańskiej usługi pocztowej i innych organizacji nadal używanych do automatyzacji sortowania poczty.
Nowe badanie proponuje podobne ramy i metodologie identyfikowania problemów pisowni, słabej tworzenia się liter, problemów z organizacją i innymi wskaźnikami dysleksji i dysgrafii.
Ma on na celu wykorzystanie wcześniejszych badań, które bardziej koncentrowały się na użyciu sztucznej inteligencji do wykrywania dysgrafii (mniej powszechnych z tych dwóch warunków), ponieważ powoduje różnice fizyczne, które można łatwo obserwować w pismem dziecka. Dysleksja jest trudniejsza do zauważenia w ten sposób, ponieważ bardziej koncentruje się na czytaniu i mowie, chociaż pewne zachowania takie jak pisownia oferują wskazówki.
Badanie zauważa również, że brakuje przykładów pisma od dzieci do szkolenia modeli AI.
Zbieranie próbek od studentów K-5
Aby sprostać tym wyzwaniom, zespół informatyków UB pod przewodnictwem Govindaraju zebrał wgląd nauczycieli, patologów mowy i terapeutów zajęciowych, aby zapewnić, że opracowane przez nich modele AI są opłacalne w klasie i innych warunkach.
„Niezwykle ważne jest zbadanie tych problemów i zbudowanie narzędzi wzmocnionych AI, z punktu widzenia użytkowników końcowych”, mówi współautorka Sahana Sahana Rangasrinivasan, doktorant na Wydziale Informatyki i Inżynierii UB.
Zespół nawiązał również współpracę z współautorem badań Abbie Olszewski, profesor nadzwyczajny w badaniach umiejętności czytania i pisania na University of Nevada, Reno, który opracował dysgaphię i dysgraphię wskaźnikowa (DDBIC) w celu zidentyfikowania objawów pomijających dysleksję i dysgrafią.
Zespół zebrał próbki papieru i tabletu od przedszkola do uczniów klasy 5 w szkole podstawowej w Reno. Ta część badania została zatwierdzona przez komisję etyczną, a dane zostały anonimowe w celu ochrony prywatności uczniów.
Wykorzystają te dane do dalszej weryfikacji narzędzia DDBIC, które koncentruje się na 17 wskazówkach behawioralnych, które występują przed, w trakcie i po pisaniu; Szkolić modele AI w celu ukończenia procesu badania przesiewowego DDBIC; i porównaj, jak skuteczne są modele z osobami przeprowadzającymi test.
Prace podkreśla AI dla dobra publicznego
Badanie opisuje, w jaki sposób można wykorzystać modele zespołu:
Wykryj trudności motoryczne, analizując prędkość pisania, ciśnienie i ruchy pióra. Sprawdź wizualne aspekty pisma ręcznego, w tym wielkość liter i odstępy. Konwertuj pismo ręczne na tekst, wykrywanie błędów błędnych, odwracania listu i innych błędów. Zidentyfikuj głębsze problemy poznawcze oparte na gramatyce, słownictwie i innych czynnikach.
Wreszcie omawia narzędzie, które łączy wszystkie te modele, podsumowuje ich ustalenia i zapewnia kompleksową ocenę.
„Ta praca, która jest w toku, pokazuje, w jaki sposób sztuczną inteligencję można wykorzystać do dobra publicznego, zapewniając narzędzia i usługi osobom, które najbardziej ich potrzebują”, mówi współautorka Sumi Suresh, dr.
Dodatkowi współautorzy to dr Bharat Jayarman, dyrektor Amrita Institute of Advanced Research i Emeritus Profesor w Departamencie Informatyki i Inżynierii UB; oraz Srirangaraj Setlur, główny naukowiec w UB Center for Unified Biometrics and Sensors.