Eine bahnbrechende Studie der University at Buffalo zeigt, wie künstliche Intelligenz die Früherkennung von Lernstörungen durch Handschriftenanalyse revolutionieren kann – und damit Millionen von Kindern eine rechtzeitige Förderung ermöglicht.
Die im Fachjournal SN Computer Science veröffentlichte Forschung beschreibt ein Framework für KI-gestützte Handschriftenanalyse, das Indikatoren für Legasthenie und Dysgraphie bei jungen Kindern identifizieren kann. Unter der Leitung von Venu Govindaraju, SUNY Distinguished Professor und Direktor des National AI Institute for Exceptional Education, hat das Team eine Technologie entwickelt, die Rechtschreibprobleme, mangelhafte Buchstabenbildung und Schwierigkeiten in der Schreiborganisation analysiert, um diese Lernstörungen zu erkennen.
Während Dysgraphie aufgrund sichtbarer motorischer Auffälligkeiten traditionell leichter an der Handschrift zu erkennen ist, stellt Legasthenie eine größere Herausforderung dar, da sie primär das Lesen und die Sprache betrifft. Die Forschenden fanden jedoch heraus, dass bestimmte Handschriftenmerkmale, insbesondere Rechtschreibmuster, wertvolle Hinweise für die Erkennung von Legasthenie liefern können.
„Unser oberstes Ziel ist es, das Screening auf Legasthenie und Dysgraphie zu vereinfachen und zu verbessern sowie diese Werkzeuge insbesondere in unterversorgten Regionen breiter verfügbar zu machen“, sagt Govindaraju, dessen frühere Arbeiten zur Handschriftenerkennung die Postsortierung des US Postal Service revolutionierten.
Das Team arbeitete mit Abbie Olszewski von der University of Nevada, Reno, zusammen, die gemeinsam die Dysgraphia and Dyslexia Behavioral Indicator Checklist (DDBIC) entwickelte. Dieses Instrument identifiziert 17 Verhaltenshinweise, die vor, während und nach dem Schreiben auftreten. Die Forschenden sammelten Schreibproben von Kindern der Vorschule bis zur 5. Klasse, um das DDBIC-Tool zu validieren und KI-Modelle zu trainieren.
Die Technologie ist Teil einer umfassenderen Initiative am National AI Institute for Exceptional Education, das eine Förderung von 20 Millionen US-Dollar durch die National Science Foundation erhielt. Das Institut entwickelt zwei Schlüsseltechnologien: den AI Screener für universelles Frühscreening und den AI Orchestrator zur Unterstützung von Sprachtherapeut:innen bei individuellen Fördermaßnahmen.
Früherkennung ist entscheidend, da unbehandelte Lernstörungen die schulische und sozial-emotionale Entwicklung eines Kindes erheblich beeinträchtigen können. Angesichts des landesweiten Mangels an Fachkräften könnte dieser KI-gestützte Ansatz den Zugang zu Screenings demokratisieren und sicherstellen, dass mehr Kinder in einer entscheidenden Entwicklungsphase die notwendige Unterstützung erhalten.