Mesterséges intelligencia segít a diszlexia és a diszgráfia szűrésében

Az SN Computer Science folyóiratban április 17-én jelent meg a University at Buffalo kutatóinak cikke, amelyben egy olyan mesterséges intelligencia által támogatott kézíráselemző szoftvert mutatnak be, amely komoly segítséget nyújthat a kisgyermekek diszlexiájának és diszgráfiájának korai felismerésében. A szoftver célja, hogy kiegészítse a jelenlegi szűrőeszközöket, amelyek hatékonyak ugyan, de költségesek, időigényesek és egyszerre csak egy állapotra összpontosítanak. Az algoritmus gyógyírt jelenthet a logopédusok és foglalkozás-terapeuták fájó hiányára - ezek a szakemberek kulcsszerepet játszanak a diszlexia és a diszgráfia diagnosztizálásában.

Az idegrendszeri fejlődési rendellenességek korai felismerése rendkívül fontos annak biztosításához, hogy a gyermekek megkapják a szükséges segítséget, mielőtt az negatívan befolyásolná a tanulást és a társadalmi-érzelmi fejlődésüket. Végső célunk a diszlexia és a diszgráfia korai szűrésének ésszerűsítése és javítása, valamint ezen eszközök szélesebb körben történő elérhetővé tétele, különösen az ellátatlan területeken – nyilatkozta Venu Govindaraju, a tanulmány levelező szerzője.

A munka a National AI Institute for Exceptional Education (Nemzeti AI Intézet a Kiváló Oktatásért) része, amely olyan AI-rendszereket fejlesztésével foglalkozik, amelyek azonosítják és segítik a beszéd- és nyelvfeldolgozási zavarokkal küzdő kisgyermekeket.

Évtizedekkel ezelőtt Govindaraju és munkatársai úttörő munkát végeztek a gépi tanulás, a természetes nyelvi feldolgozás és a mesterséges intelligencia más formáinak alkalmazásával a kézírás elemzésében, és ezt az előrelépést az amerikai posta és más szervezetek még mindig használják a postai küldemények szortírozásának automatizálására. Az új tanulmány hasonló keretrendszert és módszertant javasol a helyesírási problémák, a rossz betűképzés, az írásképpel kapcsolatos problémák és a diszlexia és diszgráfia egyéb mutatóinak azonosítására. Célja, hogy a korábbi kutatásokra építsen, amelyek inkább a mesterséges intelligencia alkalmazására összpontosítottak a diszgráfia (a két állapot közül a kevésbé gyakori) felismerésére, mivel az olyan fizikai eltéréseket okoz, amelyek könnyen megfigyelhetők a gyermek kézírásán. A diszlexiát nehezebb így felismerni, mivel az inkább az olvasásra és a beszédre összpontosít, bár bizonyos viselkedési formák, például a helyesírás, támpontokat adhatnak az állapot felismeréséhez.

A tanulmányban a szerzők azt is megjegyzik, hogy kevés volt a gyermekektől származó kézírási példa, amellyel a mesterséges intelligenciamodelleket lehetne képezni. Ezért a Govindaraju által vezetett informatikus csapat összegyűjtötte tanárok, logopédusok és foglalkozás-terapeuták véleményét, hogy az általuk kifejlesztett mesterséges intelligencia modellek életképesnek bizonyuljanak az osztálytermi környezetben.

A csapat a tanulmány társszerzőjével, Abbie Olszewskivel, a Reno székhelyű University of Nevada docensével is együttműködött, aki társfejlesztője volt annak a Diszgráfia és Diszlexia Viselkedési Mutató Ellenőrzőlistának (DDBIC; Dysgraphia and Dyslexia Behavioral Indicator Checklist), amely a diszlexia és diszgráfia közötti átfedő tünetek meghatározására alkalmas.

A kutatók papír- és táblás írásmintákat gyűjtöttek óvodásoktól és egytől ötödik osztályos korú diákoktól egy renói általános iskolában. A vizsgálatnak ezt a részét etikai bizottság hagyta jóvá, és az adatokat anonimizálták a tanulók magánéletének védelme érdekében. Ezeket az adatokat a DDBIC eszköz további validálására fogják felhasználni, amely 17 viselkedési jelre összpontosít, amelyek az írás előtt, közben és után fordulnak elő; valamint további mesterséges intelligencia alapú modelleket képeznek ki a DDBIC által irányított szűrési folyamat elvégzésére; és összehasonlítják, hogy a modellek mennyire hatékonyak a tesztet végző emberekhez képest.

A kutatók modelljei az alábbiakra használhatók:

• Motoros nehézségek felismerése az írás sebességének, a nyomásnak és a tollmozgásoknak az elemzésével.
• A kézírás vizuális aspektusainak vizsgálata, beleértve a betűméretet és a távolságot.
• A kézírás szöveggé alakítása, a helyesírási hibák, fordítottan leírt betűk és egyéb hibák kiszűrése.
• A mélyebb kognitív problémák azonosítása a nyelvtan, a szókincs és más tényezők alapján.
• Végezetül a cikk egy olyan algoritmust ismertet, amely egyesíti ezeket a modelleket, összefoglalja a megállapításaikat, és átfogó értékelést nyújt az adott diákról.

Írásunk az alábbi közlemények alapján készült:

AI-poweredhandwriting analysis may helpdetectdyslexia and dysgraphia in children

AI-Enhanced Child Handwriting Analysis: A Framework for the Early Screening of Dyslexia and Dysgraphia

Irodalmi hivatkozás:

Rangasrinivasan, S., et al. (2025). AI-Enhanced Child Handwriting Analysis: A Framework for the Early Screening of Dyslexia and Dysgraphia. SN Computer Science. doi.org/10.1007/s42979-025-03927-0.