Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
В НИУ ВШЭ разработали новый метод, который позволит обнаружить дислексию за минуты
Ученые из НИУ ВШЭ разработали новый метод выявления дислексии у детей младшего школьного возраста. Он основан на сочетании алгоритмов машинного обучения, технологии записи движений глаз при чтении и демографических данных. Новый метод позволяет более точно и быстро выявить нарушения, в том числе на начальной стадии, чем традиционные методы диагностики.
Результаты работы опубликованы в PLOS One. Дислексия — состояние, характеризующееся нарушением навыков чтения при нормальном интеллекте и языковых способностях. Это не болезнь, а особенность мозга, и избавиться от нее нельзя. Дислексия является вызовом и для ребенка, который по-другому воспринимает информацию, и для родителей, и для учителей.
Существующие методы обнаружения дислексии сложны и требуют от ребенка немалых усилий. Они предполагают использование долгих языковых тестов, которые дети не всегда способны выдержать целиком. Ученые Центра языка и мозга, Центра искусственного интеллекта и факультета компьютерных наук НИУ ВШЭ предложили сосредоточиться на других параметрах: движении глаз при чтении и демографических характеристиках. Они также применили алгоритмы машинного обучения для обработки информации, чтобы ускорить процесс выявления дислексии.
В исследовании использовались данные более 300 детей младшего школьного возраста, для которых русский язык является единственным родным. На основе стандартизированной методики исследования навыков чтения участников разделили на 3 группы: типичные, с риском развития дислексии, с развитой дислексией. Затем дети читали текст, а ученые с помощью специального оборудования (айтрекера) отслеживали движения их глаз во время чтения.
«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», — объясняет одна из авторов исследования, директор Центра языка и мозга Ольга Драгой.
В ходе исследования впервые был собран и размечен массив данных о движении глаз у русскоязычных детей. «Мы специально подготовили данные для машинной обработки и анализа с помощью ИИ, что позволит значительно продвинуться в области изучения дислексии. И особенно ценно, что мы делаем это на материале русского языка», — уточняет один из авторов статьи, научный сотрудник Royal Holloway (Лондонский университет) Анастасия Лопухина.
В результате удалось научить искусственный интеллект определять вероятность наличия дислексии у ребенка на основе информации о движении глаз при чтении и демографических характеристик. По мнению авторов статьи, именно сочетание этих параметров дает максимально точный и быстрый результат. В ходе работы ученые протестировали большое количество существующих алгоритмов машинного обучения — 12 классификационных и 8 регрессионных моделей — и выбрали 4 самые точные и быстрые. Результаты, полученные с помощью этих четырех моделей, совпали с результатами традиционной диагностики.
Самыми важными параметрами для определения дислексии оказались пол, IQ и возраст ребенка. В паттернах движения глаз перемещение вверх-вниз важнее движения взгляда по строкам. Стандартное отставание показателей чтения ребенка с дислексией от типичного ребенка составляет три класса школы.
«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. Сейчас одни специалисты с подозрением относятся к развитию машинных методов, другие возлагают на искусственный интеллект неправильные ожидания. Наша лаборатория работает над созданием быстрых, надежных и точных инструментов диагностики, работающих в интересах специалистов и детей», — рассказывает один из авторов исследования, заведующий Научно-учебной лабораторией моделирования зрительного восприятия и внимания НИУ ВШЭ Соруш Шалилех.
Несмотря на плюсы использования демографических данных, исследователи отмечают, что необходимо сократить их объем, чтобы сделать метод еще более точным и доступным.
«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», — говорит один из авторов статьи, заведующий Научно-учебной лабораторией моделей и методов вычислительной прагматики ФКН НИУ ВШЭ Дмитрий Игнатов.
На основе нового метода разработано приложение «Дислектор» для настольных компьютеров с операционными системами Windows и MacOS и мобильных устройств на основе Android и iOS. Приложение доступно к скачиванию по запросу.
Telegram 
Дзен 
VK К любопытным выводам привели наблюдения японских ученых за пестролицыми буревестниками. Оказалось, эти птицы испражняются в основном на лету, намеренно избегая такой возможности на поверхности воды. Очевидно, предположили исследователи, это облегчает движения в воздухе взрослым особям с добычей во рту.
Люди, которые были на грани смерти, затем иногда рассказывают, как мчались навстречу необычайно яркому свету или видели всю свою жизнь, проносящуюся перед глазами. Эти переживания на первый взгляд напоминают галлюцинации под воздействием некоторых психоделиков. Но есть и существенные различия, обнаружили исследователи из Великобритании.
Биотехнологи из Ноттингемского университета (Великобритания) воспроизвели процесс естественной ферментации какао-бобов в лаборатории, чтобы проверить, можно ли улучшить вкус готового продукта «вручную». Оказалось, что правильно подобранная колония микроорганизмов может внести свои нотки и определить качество будущего шоколада.
Астрономы подсчитали, что с поверхности летящего по Солнечной системе межзвездного объекта 3I/ATLAS каждую секунду испаряется около 40 килограммов водяного льда. Такую сильную кометную активность он проявил, будучи в три с половиной раза дальше Земли от Солнца. По мнению ученых, это довольно необычно.
За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Изображение блазара PKS 1424+240, полученное с помощью радиоинтерферометра VLBA, напомнило астрономам легендарное «Око Саурона» из «Властелина колец» — джет, пронизывающий кольцеобразное магнитное поле объекта, устремлен к нашей планете, а сам блазар может оказаться одним из наиболее ярких источников нейтрино в космосе.
Прибывшая из межзвездного пространства предполагаемая комета 3I/ATLAS движется по траектории, максимально удобной для гравитационных маневров управляемого корабля, при этом возможность ее отслеживания с Земли практически минимальна. По мнению некоторых ученых, такое «поведение» объекта наводит на определенные мысли.
Примерно 12 800 лет назад в Северном полушарии началось резкое изменение климата, которое сопровождалось вымиранием мегафауны и угасанием культуры Кловис. Такое могло произойти, например, из-за прорыва пресных вод в Атлантику или мощного вулканического извержения. Несколько лет назад ученые обнаружили места на суше с повышенным содержанием элементов платиновой группы, прослоями угля, микрочастицами расплава. По их мнению, это может быть признаком пребывания Земли в потоке обломков кометы или астероида. В новой работе впервые представлены доказательства кометного события в позднем дриасе из морских осадочных толщ.
Команда исследователей из Сколтеха, МФТИ, Института искусственного интеллекта AIRI и других научных центров разработала метод, позволяющий не просто отличать тексты, написанные человеком, от сгенерированных нейросетью, но и понимать, по каким именно признакам классификатор принимает решение о том, является ли текст генерацией или нет. Анализируя внутренние состояния глубоких слоев языковой модели, ученые смогли выделить и интерпретировать численные признаки, отвечающие за стилистику, сложность и «степень уверенности» текста.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно