Een baanbrekende studie van de University at Buffalo laat zien hoe kunstmatige intelligentie de vroege opsporing van leerstoornissen bij kinderen kan transformeren via handschriftanalyse.
Het onderzoek, gepubliceerd op 14 mei 2025 in het tijdschrift SN Computer Science, beschrijft een raamwerk waarbij AI wordt ingezet om subtiele patronen in het handschrift van kinderen te herkennen die samenhangen met dyslexie en dysgrafie. Onder leiding van Venu Govindaraju, SUNY Distinguished Professor in Computer Science and Engineering, bouwde het team voort op zijn eerdere baanbrekende werk in handschriftherkenningstechnologie, die onder andere door de Amerikaanse postdienst wordt gebruikt voor het sorteren van post.
"Het vroegtijdig opsporen van deze neuro-ontwikkelingsstoornissen is van cruciaal belang om ervoor te zorgen dat kinderen de hulp krijgen die ze nodig hebben, voordat dit hun leerproces en sociaal-emotionele ontwikkeling negatief beïnvloedt," legt Govindaraju uit, die als corresponderend auteur van de studie optreedt.
Het AI-systeem analyseert verschillende aspecten van het handschrift, waaronder lettervorming, spatiëring, schrijfsnelheid, druk en penbewegingen. Het kan spellingproblemen, organisatieproblemen en andere signalen detecteren die bij traditionele beoordelingen mogelijk over het hoofd worden gezien. Waar eerder onderzoek zich vooral richtte op het opsporen van dysgrafie, is deze nieuwe benadering gericht op het gelijktijdig identificeren van beide aandoeningen.
Voor de ontwikkeling van hun modellen werkten de onderzoekers samen met Abbie Olszewski van de University of Nevada, Reno, die mede de Dysgraphia and Dyslexia Behavioral Indicator Checklist (DDBIC) ontwikkelde. Het team verzamelde handschriftonderzoeken van leerlingen uit de kleuterklas tot en met groep 8 en gebruikt deze gegevens om AI-modellen te trainen die het screeningsproces kunnen uitvoeren.
Deze technologie biedt een oplossing voor het grote landelijke tekort aan spraak-taalpathologen en ergotherapeuten die deze aandoeningen doorgaans diagnosticeren. De huidige screeningsinstrumenten zijn weliswaar effectief, maar vaak kostbaar, tijdrovend en gericht op slechts één aandoening tegelijk. De AI-gestuurde aanpak kan vroege opsporing veel breder beschikbaar maken, vooral in onderbedeelde gemeenschappen.
Het werk maakt deel uit van het National AI Institute for Exceptional Education, een door UB geleid onderzoeksinstituut dat AI-systemen ontwikkelt om jonge kinderen met spraak- en taalverwerkingsstoornissen te identificeren en te ondersteunen. Door eerdere interventie mogelijk te maken, kan deze technologie de onderwijskansen van miljoenen kinderen wereldwijd aanzienlijk verbeteren.