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

دیس لکسی به عنوان یکی از شایع ترین اختلالات یادگیری در مقطع ابتدایی، در صورت تشخیص دیرهنگام می تواند پیامدهای آموزشی، روانی و اجتماعی گسترده ای برای دانش آموزان به همراه داشته باشد. با وجود اهمیت شناسایی زودهنگام این اختلال، روش های تشخیصی رایج اغلب متکی بر ارزیابی های سنتی، زمان بر و وابسته به نظر متخصصان هستند و از نظر مقیاس پذیری و دقت در محیط های آموزشی با محدودیت مواجه اند. پژوهش حاضر با هدف بررسی امکان به کارگیری هوش مصنوعی و الگوریتم های یادگیری عمیق برای شناسایی زودهنگام دیس لکسی در مقطع ابتدایی انجام شده است و بر تحلیل ترکیبی داده های صوتی و متنی دانش آموزان تمرکز دارد. روش پژوهش توصیفی–تحلیلی با رویکرد کاربردی است. داده های پژوهش شامل نمونه های صوتی گفتار و خواندن دانش آموزان و همچنین داده های متنی تولیدشده در فرآیند خواندن و نوشتن است که پس از مرحله پیش پردازش، ویژگی های معنادار صوتی و متنی از آن ها استخراج شد. تحلیل داده ها با استفاده از مدل های یادگیری عمیق به صورت مجزا و ترکیبی انجام گرفت و عملکرد مدل ها بر اساس شاخص های دقت و توان تفکیک پذیری ارزیابی شد. یافته های پژوهش نشان داد که تحلیل ترکیبی صوت و متن نسبت به تحلیل هر یک از این داده ها به صورت مستقل، توان بالاتری در شناسایی نشانه های اولیه دیس لکسی دارد. الگوهایی نظیر مکث های غیرمعمول، ناپایداری ریتم گفتار و تکرار خطاهای نوشتاری به عنوان شاخص های تشخیصی معنادار شناسایی شدند. نتایج حاکی از آن است که استفاده از هوش مصنوعی می تواند به عنوان ابزار پشتیبان تشخیص، فرآیند شناسایی زودهنگام دیس لکسی را به ویژه در بستر زبان فارسی تسهیل کند. در مجموع، پژوهش حاضر نشان می دهد که رویکردهای چندوجهی مبتنی بر یادگیری عمیق، ظرفیت بالایی برای توسعه سامانه های هوشمند بومی در حوزه تشخیص اختلالات یادگیری دارند.

کلیدواژه ها:

هوش مصنوعی ، دیس لکسی ، شناسایی زودهنگام ، یادگیری عمیق ، تحلیل صوت ، تحلیل متن ، آموزش ابتدایی