XiaoMi-AI文件搜索系统
World File Search System阅读障碍
使用眼动追踪系统的平板电脑阅读障碍筛查应用程序的可靠性
目的：及早发现和管理阅读障碍对于防止不可逆转的教育差距和受影响学生的各种负面影响至关重要。然而，诊断阅读障碍具有挑战性，因为它需要全面的评估。利用快速、自动化、基于计算机的技术的阅读障碍筛查测试可用于及早识别和管理。在本文中，我们介绍了一种基于平板电脑的阅读障碍筛查应用程序，该应用程序使用眼动追踪系统并验证了其可靠性。方法：研究包括来自一所小学的 200 名年龄在 8 至 13 岁之间的参与者，他们都接受了两次阅读障碍筛查测试。筛查是使用在三星 Galaxy Tab S5e 平板电脑上实施的 VisualCamp SeeSo 眼动追踪 Android 软件开发工具包 v3.0.0 进行的。眼动追踪系统测量凝视阅读速度、平均凝视时间、凝视频率、扫视长度和回归率。为了评估两组测量的可靠性，我们采用了组内相关系数 (ICC)。结果：凝视频率 (ICC=0.83)、凝视平均时间 (ICC=0.82) 和凝视阅读速度 (ICC=0.76) 的测量结果具有极好的可靠性，回归比 (ICC=0.75) 和扫视长度 (ICC=0.72) 的测量结果具有良好的可靠性。结论：本研究表明，基于平板电脑的阅读障碍筛查应用程序可以可靠地测量阅读障碍患者的眼球运动。此外，该应用程序被证明具有高度可靠性，可能适合在临床或学校环境中使用，无需实验室环境和大量设备。
通过虚拟现实和人工智能确定阅读障碍学生的学习困难：一项探索性分析
摘要 —学习障碍是一种影响大脑连接交流区域能力的神经系统疾病。诵读困难的学生在阅读、记忆和理解概念方面会遇到问题；然而，这些问题的严重程度可以通过治疗和建立补偿机制来减轻。人们已经做出了许多努力来缓解这些问题，从而为小学和中学阶段患有特定学习障碍的学生创建了数字资源。相反，高等教育仍然缺乏标准方法。VRAIlexia 项目旨在通过提出两种不同的工具来解决这一问题：一种集成虚拟现实 (VR) 的移动应用程序，用于快速轻松地收集数据；以及一种基于人工智能的软件 (AI)，用于分析收集的数据，为每个学生定制支持方法。第一个工具已经创建并分发给高等教育机构的诵读困难学生，用于进行特定的心理和心理测量测试。第二个工具将特定的人工智能算法应用于通过应用程序和其他调查收集的数据。这些人工智能技术使我们能够识别学生群体面临的最相关困难。我们的不同模型在预测支持工具和学习策略方面取得了约 90% 的平均准确率。索引词 — 包容性、机器学习、阅读障碍、学习困难、虚拟现实
基于 fMRI 数据对发育性阅读障碍的大脑基础识别的视觉解释
问题：最近，精神健康和神经发育障碍的脑成像研究包括机器学习方法，仅根据患者的脑活动来识别患者。目标是识别从较小数据样本推广到较大数据的大脑相关特征；就神经发育障碍而言，找到这些模式有助于理解大脑功能和发育的差异，而这些差异是发育性阅读障碍风险的早期迹象。机器学习分类算法在神经功能数据上的成功仅限于通常由几十名参与者组成的同质数据集。最近，更大的脑成像数据集使得深度学习技术能够仅根据神经功能特征对脑状态和临床组进行分类。事实上，深度学习技术可以为医疗保健应用中的分类提供有用的工具，包括对结构性 3D 脑图像的分类。采用深度学习方法可以逐步提高更大的功能性脑成像数据集的分类性能，但仍然缺乏与疾病相关的潜在脑机制的诊断见解；此外，相关的挑战涉及从用于分类的神经特征中提供更多与临床相关的解释。
使用去噪自动编码器进行脑电图连接分析以检测阅读障碍
时间采样框架 (TSF) 认为，诵读困难特有的语音困难是由一个或多个时间速率的非典型振荡采样引起的。LEEDUCA 研究对儿童进行了一系列脑电图 (EEG) 实验，让儿童聆听慢节奏韵律 (0.5-1 Hz)、音节 (4-8 Hz) 或音素 (12-40 Hz) 速率的调幅 (AM) 噪声，旨在检测可能与诵读困难相关的振荡采样感知差异。这项研究的目的是检查这些差异是否存在，以及它们与儿童在通常用于检测诵读困难的不同语言和认知任务中的表现有何关联。为此，估计了时间和频谱通道间EEG连接，并训练了去噪自动编码器（DAE）来学习连接矩阵的低维表示。通过相关性和分类分析研究了这种表示，结果表明其能够以高于0.8的准确率检测出诵读困难患者，平衡准确率在0.7左右。DAE表示的某些特征与儿童在语音假设类别的语言和认知任务中的表现显著相关（p<0.005），例如语音意识和快速符号命名，以及阅读效率和阅读理解。最后，对邻接矩阵的更深入分析显示，DD受试者颞叶（大致是初级听觉皮层）电极之间的双侧连接减少，以及F7电极（大致位于布罗卡区）的连接增加。这些结果为使用更客观的方法（例如 EEG）对阅读障碍进行补充评估铺平了道路。
探索包容性数学的AR，VR和教育机器人技术
阅读障碍学生经常在理解数学概念时面临挑战。阅读障碍中的算术问题包括符号混乱，数字逆转，解决问题的挑战，缓慢的计算和空间感知困难，从而导致学习成果的显着差距。包容性学习方法满足阅读障碍学生的特定需求对于促进其数学理解和参与至关重要。作者研究了传统的包容性学习方法，并探讨了增强现实（AR），虚拟现实（VR）技术和教育机器人技术（ER）的潜在整合，以支持具有数学教育的阅读障碍学生。AR和VR在教育中显示出令人鼓舞的结果，可以增强各个领域的学生学习经验。通过创建沉浸式和互动的环境，这些技术有可能使阅读障碍学生以新颖和引人入胜的方式探索数学概念。er集成可以通过提供有形和交互式工具来补充AR和VR体验，从而弥合物理和数字世界之间的差距。通过利用AR，VR和教育机器人，教育工作者可以创建一个包容性和支持性的学习环境，从而促进阅读障碍学生的积极参与和知识保留。本文还强调了专业发展对教育工作者的重要性，旨在为教育者提供基本的知识和技能，以有效地在课堂上实施这些技术，并满足学生的各种需求。通过整合当前的研究和最佳实践，本文旨在提高包容性数学教育，以促进公平的学习机会，以整体方式为所有学生提供数学教育的方式。
LaMPost：针对患有阅读障碍的成年人的人工智能辅助电子邮件写作原型的设计和评估
图 3. 建议可能的更改功能。用户可以选择一段文本 (1)，然后单击“建议如何重写”(2)。右侧面板中将显示 AI 提出的几条更改该段落的建议 (3)。用户可以选择退出操作并自行重写文本 (4)，也可以选择让个别建议“大声朗读”、丢弃或用作“重写我的选择”功能的提示 (5)。
偏视性阅读障碍新疗法对阅读、症状负荷和重返工作岗位的影响
摘要：阅读障碍在同侧偏盲中很常见，被称为偏盲阅读障碍 (HD)。现有的治疗方法已显示出阅读速度、准确性和阅读过程中眼球运动的改善。然而，人们对这些治疗对日常生活中功能性阅读相关任务的转移效应知之甚少，例如阅读电话号码、查找打字错误或文本记忆。此外，人们对症状负荷和重返工作岗位的影响知之甚少。在这里，我们研究了一种新的阅读疗法，该疗法包含三种不同的方法——浮动文本、单词的快速连续视觉呈现 (RSVP) 和移动窗口技术——并评估了它们的疗效。27 名慢性 HD 患者在治疗前和治疗后几个月内接受基线设计治疗，中间有无治疗间隔。在四个时间点用一系列阅读测试和一份关于主观症状负荷的问卷来评估 HD。患者在几周内接受了所有三种阅读疗法。结果显示，在治疗期间，所有指标均有显著而稳定的改善。接受治疗的患者中约有 63% 在治疗后重返工作岗位。我们得出结论，我们新颖的 HD 治疗方法可广泛且持久地改善阅读能力，并扩展到功能性阅读任务，减轻症状负担，大多数患者都能够重返工作岗位。
将机器学习应用于神经影像数据以识别阅读障碍 (RD) 的预测模型
推荐引用 推荐引用 Low, Spencer，“将机器学习应用于神经影像数据以识别阅读障碍 (RD) 的预测模型”(2020)。荣誉学者论文。677。https://opencommons.uconn.edu/srhonors_theses/677
可读性研究：一种跨学科方法
从我们醒来的那一刻到我们结束一天的那一刻，我们都在使用由书面文字构建的界面。几个世纪以来，文本信息仍然是人类信息获取的基石。智能手机、平板电脑、电子阅读器和个人电脑的广泛普及，已将大部分阅读从僵硬的纸张转移到数字内容。在过去 15 年中，我们通过数字阅读获取的信息量迅速增长，并且还在继续增长。与此同时，美国的识字率却低得惊人：1.3 亿 16 至 74 岁的美国成年人（占总人口的 54%）的阅读水平低于六年级（Rothwell，2020 年）。令人震惊的是，根据美国国家教育统计中心 2022 年的一份报告，幼儿阅读成绩出现了自 1990 年以来的最大降幅（美国教育部，2022 年）。此外，阅读障碍是最常见的语言学习障碍，影响着 15-20% 的人口，占所有学习障碍患者的 80-90%（国际阅读障碍协会，2022 年；耶鲁阅读障碍与创造力中心，2022 年）。正如我们在此所述，可读性研究从根本上针对每个读者的需求采取了个性化的方法。每个读者，即使是那些可能没有困难的读者，都有自己的阅读障碍。
Infact：包括基础和应用计算思维中的神经多样性
Armstrong（2012）。 神经多样性的力量。 Asbell-Clarke（2023）。 在STEM中掌握和教授神经化学习者：拥抱独特才华横溢的问题解决者的策略。 男爵-Cohen（2020）。 寻求模式的人。 eide＆eide（2018）。 阅读障碍优势。Armstrong（2012）。神经多样性的力量。Asbell-Clarke（2023）。在STEM中掌握和教授神经化学习者：拥抱独特才华横溢的问题解决者的策略。男爵-Cohen（2020）。寻求模式的人。eide＆eide（2018）。阅读障碍优势。