Et banebrydende studie fra University at Buffalo viser, hvordan kunstig intelligens kan revolutionere tidlig opsporing af indlæringsvanskeligheder gennem håndskriftsanalyse og potentielt hjælpe millioner af børn med at få rettidig støtte.
Forskningen, der er offentliggjort i tidsskriftet SN Computer Science, beskriver en ramme for AI-drevet håndskriftsanalyse, der kan identificere indikatorer på dysleksi og dysgrafi hos yngre børn. Under ledelse af Venu Govindaraju, SUNY Distinguished Professor og direktør for National AI Institute for Exceptional Education, har teamet udviklet teknologi, der analyserer stavefejl, dårlig bogstavdannelse og problemer med skriftlig organisering for at opdage disse indlæringsvanskeligheder.
Mens dysgrafi traditionelt har været lettere at identificere gennem håndskrift på grund af de synlige fysiske manifestationer, udgør dysleksi en større udfordring, da den primært påvirker læsning og tale. Forskerne fandt dog, at visse håndskriftsadfærd, især stave-mønstre, kan give værdifulde spor til at opdage dysleksi.
"Vores ultimative mål er at effektivisere og forbedre den tidlige screening for dysleksi og dysgrafi og gøre disse værktøjer mere tilgængelige, især i områder med begrænsede ressourcer," siger Govindaraju, hvis tidligere arbejde med håndskriftsgenkendelse revolutionerede postsorteringen for det amerikanske postvæsen.
Teamet samarbejdede med Abbie Olszewski fra University of Nevada, Reno, som var med til at udvikle Dysgraphia and Dyslexia Behavioral Indicator Checklist (DDBIC). Dette værktøj identificerer 17 adfærdsmæssige tegn, der optræder før, under og efter skrivning. Forskerne indsamlede skriftprøver fra elever fra børnehave til 5. klasse for at validere DDBIC-værktøjet og træne AI-modellerne.
Teknologien er en del af en bredere indsats ved National AI Institute for Exceptional Education, som har modtaget et tilskud på 20 millioner dollars fra National Science Foundation. Instituttet udvikler to centrale teknologier: AI Screener til universel tidlig screening og AI Orchestrator, der skal hjælpe tale- og ergoterapeuter med individuelle indsatser.
Tidlig opsporing er afgørende, da indlæringsvanskeligheder kan have stor betydning for et barns faglige og sociale udvikling, hvis de ikke adresseres. Med den landsdækkende mangel på specialister kan denne AI-baserede tilgang demokratisere adgangen til screening og sikre, at flere børn får den støtte, de har brug for i en kritisk udviklingsfase.