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

劍橋大學(xué)醫學(xué)研究委員會(huì )(MRC)認知和腦科學(xué)部的科學(xué)家通過(guò)使用數百名在學(xué)校掙扎的兒童的數據說(shuō)，他們能夠識別出與以前的診斷不符的新的學(xué)習困難集群。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名被轉診到診所的兒童 - 注意學(xué)習和記憶中心 - 因為他們在學(xué)校遇到了問(wèn)題。

該團隊建立了一個(gè)機器學(xué)習算法，其中包含來(lái)自每個(gè)孩子的一系列認知測試數據，包括聽(tīng)力技巧，空間推理，問(wèn)題解決，詞匯和記憶的測量?；谶@些數據，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(wú)論診斷如何，并且更好地捕捉不同診斷類(lèi)別內的困難范圍和重疊。

一個(gè)重要的里程碑

來(lái)自劍橋大學(xué)MRC認知和腦科學(xué)部門(mén)的Duncan Astle博士領(lǐng)導了這項研究，接受診斷對于有學(xué)習困難的兒童的父母來(lái)說(shuō)是一個(gè)關(guān)鍵時(shí)刻，因為它認識到他們的問(wèn)題并開(kāi)辟了獲得支持的途徑。 。

但是，在某些情況下，診斷和支持無(wú)法捕捉到兒童面臨的具體挑戰。

“每天與這些孩子一起工作的父母和專(zhuān)業(yè)人員都會(huì )看到整潔的標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(shuō)。

他解釋說(shuō)，這項研究是第一次將機器學(xué)習應用于廣泛的數百名苦苦掙扎的學(xué)習者。

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(guò)觀(guān)察有各種各樣困難的孩子，我們發(fā)現 - 出乎意料的是 - 很多孩子難以用語(yǔ)言處理聲音，不僅有閱讀問(wèn)題，他們也有數學(xué)問(wèn)題，”他說(shuō)。

“作為研究學(xué)習困難的研究人員，我們需要超越診斷標簽，我們希望這項研究能夠幫助開(kāi)發(fā)更好的干預措施，更明確地針對兒童的個(gè)體認知困難。”