研究人員利用機(jī)器學(xué)習(xí)更準(zhǔn)確地識別有學(xué)習(xí)困難的兒童，這些兒童到目前為止已經(jīng)被誤診，或者已經(jīng)受到教育當(dāng)局的關(guān)注。

劍橋大學(xué)醫(yī)學(xué)研究委員會(MRC)認(rèn)知和腦科學(xué)部的科學(xué)家通過使用數(shù)百名在學(xué)校掙扎的兒童的數(shù)據(jù)說，他們能夠識別出與以前的診斷不符的新的學(xué)習(xí)困難集群。孩子們已經(jīng)得到了。

該研究發(fā)表在“發(fā)育科學(xué)”雜志上，招募了550名被轉(zhuǎn)診到診所的兒童 - 注意學(xué)習(xí)和記憶中心 - 因?yàn)樗麄冊趯W(xué)校遇到了問題。

該團(tuán)隊(duì)建立了一個(gè)機(jī)器學(xué)習(xí)算法，其中包含來自每個(gè)孩子的一系列認(rèn)知測試數(shù)據(jù)，包括聽力技巧，空間推理，問題解決，詞匯和記憶的測量?；谶@些數(shù)據(jù)，該算法表明兒童最適合四組困難。

科學(xué)家表示，之前對學(xué)習(xí)困難的研究主要集中在已經(jīng)被特別診斷的兒童，如注意力缺陷多動(dòng)障礙(ADHD)，自閉癥譜系障礙或閱讀障礙。

使用人工智能，他們能夠包括所有困難的兒童，無論診斷如何，并且更好地捕捉不同診斷類別內(nèi)的困難范圍和重疊。

一個(gè)重要的里程碑

來自劍橋大學(xué)MRC認(rèn)知和腦科學(xué)部門的Duncan Astle博士領(lǐng)導(dǎo)了這項(xiàng)研究，接受診斷對于有學(xué)習(xí)困難的兒童的父母來說是一個(gè)關(guān)鍵時(shí)刻，因?yàn)樗J(rèn)識到他們的問題并開辟了獲得支持的途徑。 。

但是，在某些情況下，診斷和支持無法捕捉到兒童面臨的具體挑戰(zhàn)。

“每天與這些孩子一起工作的父母和專業(yè)人員都會看到整潔的標(biāo)簽不能解決他們的個(gè)人困難 - 例如，一個(gè)孩子的ADHD往往不像另一個(gè)孩子，”Astle博士說。

他解釋說，這項(xiàng)研究是第一次將機(jī)器學(xué)習(xí)應(yīng)用于廣泛的數(shù)百名苦苦掙扎的學(xué)習(xí)者。

在之前的研究中，兒童閱讀能力差，與處理單詞中的聲音有關(guān)。“但是通過觀察有各種各樣困難的孩子，我們發(fā)現(xiàn) - 出乎意料的是 - 很多孩子難以用語言處理聲音，不僅有閱讀問題，他們也有數(shù)學(xué)問題，”他說。

“作為研究學(xué)習(xí)困難的研究人員，我們需要超越診斷標(biāo)簽，我們希望這項(xiàng)研究能夠幫助開發(fā)更好的干預(yù)措施，更明確地針對兒童的個(gè)體認(rèn)知困難。”