一项新的研究概述了人工智能驱动的书写分析如何作为早期检测工具，用于识别年轻儿童的阅读障碍和书写障碍。
一项由布法罗大学主导的新研究概述了人工智能驱动的书写分析如何作为早期检测工具，用于识别年轻儿童的阅读障碍和书写障碍。
该研究发表在期刊SN Computer Science上，旨在增强当前有效但可能成本高、耗时、并且一次只关注一种情况的筛查工具。
这最终可能成为全国范围内言语语言病理学家和职业治疗师短缺的解决办法，他们在诊断阅读障碍和书写障碍方面扮演重要角色。
研究的通讯作者、布法罗大学计算机科学与工程系的SUNY杰出教授Venu Govindaraju博士表示：“尽早发现这些神经发育障碍对确保儿童在学习和社会情感发展受到负面影响之前获得所需帮助至关重要。我们的最终目标是简化和改善阅读障碍和书写障碍的早期筛查，并使这些工具更广泛可用，特别是在服务不足的地区。”
该项工作是国家异常教育人工智能研究所的一部分，该研究所是一个布法罗大学主导的研究机构，开发识别和协助有言语和语言处理障碍的年轻儿童的人工智能系统。
建立在以往书写识别工作的基础上
几十年前，Govindaraju和同事们采用机器学习、自然语言处理及其他形式的人工智能对书写进行分析，所取得的突破性成果至今仍被美国邮政局和其他组织用于自动化邮件分类。
新研究提出了类似的框架和方法，以识别拼写问题、字母形成不良、写作组织问题以及其他阅读障碍和书写障碍的指标。
它旨在建立在以往研究的基础上，后者更专注于使用人工智能检测书写障碍（两种情况中较少见的一种），因为它造成的身体差异在儿童的书写中易于观察。阅读障碍则更难以这种方式发现，因为它更关注阅读和言语，尽管某些行为如拼写提供线索。
研究还指出，目前缺乏足够的儿童书写样本来训练人工智能模型。
收集K-5学生的样本
为了解决这些挑战，布法罗大学的计算机科学家团队在Govindaraju的带领下，收集了教师、言语语言病理学家和职业治疗师的见解，以确保他们开发的人工智能模型在课堂和其他环境中的可行性。
研究的合著者、布法罗大学计算机科学与工程系的博士生Sahana Rangasrinivasan表示：“从最终用户的角度审视这些问题，并构建增强AI的工具至关重要。”
该团队还与研究合著者、内华达大学里诺分校的文学研究副教授Abbie Olszewski博士合作，她共同开发了识别阅读障碍和书写障碍之间重叠症状的书写障碍和阅读障碍行为指标清单（DDBIC）。
研究团队收集了来自内华达州里诺一所小学的幼儿园至五年级学生的纸质和电子书写样本。研究的这一部分经过伦理委员会的批准，数据经过匿名处理以保护学生隐私。
他们将使用这些数据进一步验证DDBIC工具，该工具关注于在写作之前、期间和之后出现的17个行为线索；训练人工智能模型以完成DDBIC筛查过程；并比较模型与人类执行测试的效果。
工作强调AI的公益性
研究描述了团队的模型可以用于：
- 通过分析书写速度、压力和笔运动，检测运动困难。
- 检查书写的视觉方面，包括字母大小和间距。
- 将书写转换为文本，识别拼写错误、字母颠倒和其他错误。
- 根据语法、词汇等因素识别更深层次的认知问题。
最后，研究讨论了一种结合了所有这些模型的工具，汇总其发现，并提供全面评估。
研究的合著者、布法罗大学的访问学者Sumi Suresh博士表示：“这项正在进行的工作展示了人工智能如何用于公众利益，为最需要的人提供工具和服务。”
其他合著者包括布法罗大学计算机科学与工程系的Amrita高级研究所主任、名誉教授Bharat Jayarman博士；以及布法罗大学统一生物识别和传感器中心的首席研究科学家Srirangaraj Setlur。
