menu
close

Genombrott inom AI-handskriftsanalys upptäcker dyslexi hos barn

Forskare vid University at Buffalo har utvecklat ett artificiellt intelligenssystem som analyserar barns handskrift för att upptäcka tidiga tecken på dyslexi och dysgrafi. Tekniken, som publicerats i SN Computer Science, undersöker subtila mönster i handskriftsprover för att identifiera stavfel, bristande bokstavsformning och andra indikatorer på dessa inlärningssvårigheter. Den AI-drivna metoden kan revolutionera tidig screening genom att göra den mer tillgänglig, särskilt i områden med brist på logopeder.
Genombrott inom AI-handskriftsanalys upptäcker dyslexi hos barn

En banbrytande studie från University at Buffalo visar hur artificiell intelligens kan förändra den tidiga upptäckten av inlärningssvårigheter hos barn genom analys av handskrift.

Forskningen, som publicerades i tidskriften SN Computer Science den 14 maj 2025, presenterar en modell där AI används för att identifiera subtila mönster i barns handskrift som korrelerar med dyslexi och dysgrafi. Under ledning av Venu Govindaraju, SUNY Distinguished Professor i datavetenskap och teknik, byggde teamet vidare på hans tidigare banbrytande arbete inom handskriftsigenkänningsteknik som använts av det amerikanska postverket för postsortering.

"Att upptäcka dessa neuropsykiatriska funktionsnedsättningar tidigt är avgörande för att säkerställa att barn får den hjälp de behöver innan det påverkar deras lärande och socioemotionella utveckling negativt," förklarar Govindaraju, som är studiens korresponderande författare.

AI-systemet analyserar olika aspekter av handskriften, inklusive bokstavsformning, avstånd, skrivhastighet, tryck och pennrörelser. Det kan upptäcka stavfel, organiseringsproblem och andra tecken som kan missas vid traditionella bedömningar. Tidigare forskning har främst fokuserat på att upptäcka dysgrafi, men denna nya metod syftar till att identifiera båda tillstånden samtidigt.

För att utveckla sina modeller samarbetade forskarna med Abbie Olszewski från University of Nevada, Reno, som var med och utvecklade Dysgraphia and Dyslexia Behavioral Indicator Checklist (DDBIC). Teamet samlade in skrivprover från elever i förskoleklass till årskurs 5 och använder dessa data för att träna AI-modeller som kan genomföra screeningprocessen.

Denna teknik adresserar en kritisk nationell brist på logopeder och arbetsterapeuter som vanligtvis ställer dessa diagnoser. Nuvarande screeningverktyg är visserligen effektiva, men ofta kostsamma, tidskrävande och fokuserar på endast ett tillstånd åt gången. Den AI-drivna metoden kan göra tidig upptäckt mer tillgänglig, särskilt i underförsörjda samhällen.

Arbetet är en del av National AI Institute for Exceptional Education, en forskningsorganisation ledd av UB som utvecklar AI-system för att identifiera och hjälpa små barn med tal- och språkstörningar. Genom att möjliggöra tidigare insatser kan denna teknik avsevärt förbättra utbildningsresultaten för miljontals barn världen över.

Source:

Latest News