МОСКВА, 4 апреля. /ТАСС/. Российские исследователи использовали алгоритмы машинного обучения для разработки нового метода выявления дислексии, который позволяет значительно быстрее и точнее диагностировать подобные нарушения у детей младшего школьного возраста, чем уже существующие подходы. Об этом сообщила пресс-служба НИУ ВШЭ.

       "У подхода с использованием машинного обучения огромный потенциал. Он удешевляет и упрощает процесс диагностики дислексии. Благодаря искусственному интеллекту эксперты смогут обнаружить дислексию за 10-30 минут, а освободившееся время уделить работе с ребенком, помочь ему в адаптации к образовательной системе", - пояснил заведующий Научно-учебной лабораторией моделирования зрительного восприятия и внимания НИУ ВШЭ Соруш Шалилех, чьи слова приводит пресс-служба вуза.

       Как отмечается в сообщении, разработанная учеными методика выявления дислексии опирается в своей работе на демографические характеристики и на движение глаз ребенка в процессе чтения. Этим новый подход отличается от других методик выявления дислексии, где дети должны проходить сложные языковые тесты, требующие большого количества времени и усилий.

       "Основное различие между детьми с дислексией и типично читающими детьми - в длительности и месте фиксаций в словах. Фиксации длятся меньше секунды, заметить их очень сложно, но при записи движений глаз с помощью технологии айтрекинга эта задача становится понятной и выполнимой", - пояснила директор Центра языка и мозга НИУ ВШЭ Ольга Драгой, чьи слова приводит пресс-служба вуза.

       Руководствуясь этим соображением, исследователи использовали данные, собранные при наблюдениях за движением глаз трех сотен русскоязычных детей младшего школьного возраста во время чтения, для обучения нескольких разных систем машинного обучения. Это помогло ученым отобрать самые эффективные системы ИИ, которые были способны выявлять дислексию по демографическим характеристикам и данным айтрекинга с вероятностью более чем 90%.

       "Большое количество качественных данных очень помогает машинному обучению, но это предъявляет повышенные требования к аппарату диагностики и вынуждает семьи раскрывать дополнительную личную информацию или проходить больше тестов. Мы будем стремиться получить точные результаты, основываясь только на информации о движении глаз и скорости чтения", - отметил заведующий научно-учебной лабораторией моделей и методов вычислительной прагматики ФКН НИУ ВШЭ Дмитрий Игнатов, чьи слова приводит пресс-служба вуза.

       В новость была внесена правка (5 апреля в 10:35 мск) - передается с исправлением фамилии спикера во втором абзаце, верно - Шалилех.