버팔로 대학교의 획기적인 연구는 인공지능이 필적 분석을 통해 학습장애의 조기 진단 방식을 어떻게 혁신할 수 있는지 보여주며, 수백만 명의 어린이가 적시에 개입을 받을 수 있도록 도울 수 있음을 시사한다.
이 연구는 학술지 SN Computer Science에 게재되었으며, 인공지능 기반 필적 분석 프레임워크가 어린이의 난독증과 난서증 징후를 어떻게 식별할 수 있는지 제시한다. SUNY 석좌교수이자 국가 AI 특수교육연구소(National AI Institute for Exceptional Education) 소장인 베누 고빈다라주(Venu Govindaraju) 교수가 이끄는 연구팀은 맞춤법 오류, 글자 형성의 미숙함, 글쓰기 조직력 문제 등을 분석해 학습장애를 탐지하는 기술을 개발했다.
난서증은 필적의 물리적 특징이 뚜렷하게 드러나 비교적 쉽게 식별할 수 있었지만, 난독증은 주로 읽기와 언어에 영향을 미치기 때문에 판별이 더 어려웠다. 그러나 연구진은 특히 맞춤법 패턴 등 특정 필적 행동이 난독증 진단에 중요한 단서를 제공할 수 있음을 발견했다.
고빈다라주 교수는 "궁극적으로 난독증과 난서증의 조기 선별을 간소화하고 개선하며, 특히 의료 서비스가 부족한 지역에서 이러한 도구의 접근성을 높이는 것이 목표"라고 밝혔다. 그는 과거 필적 인식 기술을 개발해 미국 우체국의 우편물 분류 시스템을 혁신한 바 있다.
연구팀은 네바다 대학교 리노(University of Nevada, Reno)의 애비 올셰프스키(Abbie Olszewski)와 협력해 난서증 및 난독증 행동 지표 체크리스트(DDBIC)를 공동 개발했다. 이 도구는 글쓰기 전, 중, 후에 나타나는 17가지 행동 신호를 식별한다. 연구진은 유치원부터 초등학교 5학년까지 학생들의 글쓰기 샘플을 수집해 DDBIC 도구를 검증하고 AI 모델을 학습시켰다.
이 기술은 미국 국립과학재단(NSF)으로부터 2천만 달러의 지원을 받은 국가 AI 특수교육연구소의 광범위한 프로젝트의 일환이다. 연구소는 모든 아동을 위한 조기 선별 AI 스크리너와 언어치료사의 개별화 중재를 지원하는 AI 오케스트레이터 등 두 가지 핵심 기술을 개발 중이다.
학습장애는 조기에 발견하지 않으면 아동의 학업 및 사회·정서적 발달에 큰 영향을 미칠 수 있기 때문에 조기 진단이 매우 중요하다. 전문가 부족 현상이 심화되는 상황에서, AI 기반 접근법은 선별의 문턱을 낮추고 더 많은 아동이 중요한 성장기에 필요한 지원을 받을 수 있도록 도울 것으로 기대된다.