هوش مصنوعی برای شناسایی زودهنگام دیس لکسی در مقطع ابتدایی: الگوریتم های یادگیری عمیق و تحلیل صوت‑متن

دیس لکسی یا ناتوانی در یادگیری خواندن یکی از اختلالات شایع در کودکان دبستانی است که تشخیص زودهنگام آن نقش حیاتی در بهبود عملکرد تحصیلی و کاهش پیامدهای منفی اجتماعی و روانی دارد. با توجه به پیشرفت های اخیر در حوزه هوش مصنوعی و یادگیری عمیق، امکان تحلیل صوت و متن برای شناسایی علائم اولیه دیس لکسی فراهم شده است. پژوهش حاضر با هدف بررسی و ارائه الگوریتم های یادگیری عمیق برای شناسایی زودهنگام دیس لکسی در دانش آموزان ابتدایی انجام شد. در این پژوهش، با استفاده از داده های صوتی حاصل از خواندن متون کوتاه توسط کودکان، ویژگی های زبانی و تلفظی استخراج شد و الگوریتم های شبکه های عصبی کانولوشنی و بازگشتی CNN و RNN برای تحلیل آن ها به کار گرفته شدند. یافته ها نشان داد که مدل های یادگیری عمیق قادر به تشخیص الگوهای غیرقابل مشاهده برای انسان و پیش بینی ریسک دیس لکسی با دقت بالا هستند. این روش می تواند به معلمان و متخصصان آموزش ویژه کمک کند تا مداخلات آموزشی زودهنگام و هدفمند ارائه دهند و روند یادگیری کودکان را بهبود بخشند. نتایج پژوهش نشان می دهد که ترکیب تحلیل صوت-متن و الگوریتم های یادگیری عمیق به عنوان یک ابزار موثر برای تشخیص اولیه دیس لکسی در مقطع ابتدایی قابل استفاده است و می تواند نقش مهمی در پیشگیری از مشکلات تحصیلی و ارتقای مهارت های خواندن ایفا کند.

کلیدواژه ها:

هوش مصنوعی ، یادگیری عمیق ، دیس لکسی ، تشخیص زودهنگام ، تحلیل صوت‑متن ، شبکه های عصبی کانولوشنی ، شبکه های عصبی بازگشتی