کاربرد هوش مصنوعی در تشخیص زودهنگام اختلالات یادگیری دانش آموزان

اختلالات یادگیری (LDs) مانند نارساخوانی (Dyslexia)، نارسا نویسی (Dysgraphia) و نارسا محاسبه گری (Dyscalculia) اغلب در مراحل پیشرفته تر تحصیل تشخیص داده می شوند، که این تاخیر، فرآیند مداخله موثر را دشوار می سازد. این پژوهش مروری تحلیلی بر جدیدترین کاربردهای هوش مصنوعی، به ویژه الگوریتم های یادگیری عمیق (Deep Learning)، در شناسایی زودهنگام و پیش بینی این اختلالات در دانش آموزان مقاطع ابتدایی ارائه می دهد. نتایج نشان می دهد که مدل های مبتنی بر شبکه های عصبی کانولوشنی (CNN) و شبکه های عصبی بازگشتی (RNN)، با تحلیل الگوهای رفتاری، نوشتاری و بیومتریک، دقت تشخیصی بالاتری نسبت به روش های آماری سنتی دارند. با این حال، چالش های مهمی در زمینه حفظ حریم خصوصی داده ها، سوگیری الگوریتمی (Bias) و نیاز به شفافیت مدل ها (Explainability) همچنان پابرجاست که نیازمند توجه جدی سیاست گذاران آموزشی است.