交流合作

您所在位置:首页 > 交流合作 > 正文

科学家使用人工智能来更好地预测儿童在学校挣扎的原因

文章作者:www.cs-vaccine.com发布时间:2020-03-13浏览次数:1791

科学家使用机器学习 - 一种人工智能 - 来自数百名在学校挣扎的儿童的数据,发现一系列学习困难与以前对儿童的诊断不一致。

剑桥大学医学研究委员会(MRC)认知和脑科学系的研究人员表示,这加强了儿童接受对其认知技能的详细评估以确定最佳支持类型的需求。该研究发表在“发育科学”杂志上,招募了550名被转诊到诊所的儿童 - 注意力学习和记忆中心 - 因为他们在学校挣扎。科学家表示,之前关于学习困难的大多数研究都集中在已经被特别诊断的儿童身上,例如注意力缺陷多动障碍(ADHD),自闭症谱系障碍或阅读障碍。无论诊断如何,该研究通过包括所有困难儿童,更好地捕捉了诊断类别中的困难范围和重叠程度。

来自剑桥大学MRC认知和脑科学系的Duncan Astle博士领导了这项研究。 “对于有学习困难的父母和孩子来说,诊断是一个重要的里程碑,它可以识别孩子的困难并帮助他们获得支持,但是每天与这些孩子一起工作的父母和专业人士认为,整洁的标签无法解决他们的个人问题 - 例如,孩子的多动症往往不像另一个孩子的多动症。 “我们的研究是第一个学习机器学习的研究。”适用于广泛的数百名苦苦挣扎的学习者。

该团队通过为计算机算法提供来自每个孩子的丰富认知测试数据来实现这一目标,包括听力技巧,空间推理,问题解决,词汇和记忆测量。基于这些数据,该算法表明儿童最适合四组困难。这些小组与其他儿童的数据密切合作,例如父母关于他们沟通困难的报告,以及阅读和数学方面的教育数据。但是,他们之前的诊断并不一致。为了检查这些亚组是否与生物学差异相对应,检查这些组并检查来自184名儿童的MRI脑部扫描。这些亚组反映了儿童大脑内部联系的模式,表明机器学习正在识别反映潜在生物学差异的部分。

四个确定的群体中有两个是:工作记忆技能的难度,以及处理单词中声音的难度。工作记忆的困难 - 短期保留和信息操纵 - 与数学斗争和任务有关,如下表所示。处理语音中的声音(称为语音技能)的难度与阅读的斗争有关。阿斯特博士说:“过去的研究选择了阅读能力差的孩子,在阅读困难和处理语言问题之间有着密切的关系。但是通过观察有各种困难的孩子,我们偶然发现了许多有困难的孩子。用语言处理声音不只是阅读问题 - 他们也有数学问题。“作为研究学习困难的研究人员,我们需要超越诊断标签。我们希望这项研究有助于制定更好的干预措施,更具体地针对儿童。个人认知困难。

来自剑桥大学MRC认知和脑科学系的Joni Holmes博士是该研究的高级作者。 “我们的研究表明,找到相同受试者困难的儿童可能因各种原因而感到困难。选择适当干预措施的重要性非常重要。意义。 “确定的另外两个群体是:在许多地区具有广泛认知困难的儿童,以及具有其年龄的典型认知测试结果的儿童。研究人员指出,在该组中具有典型年龄验收测试结果的儿童可能仍然存在影响他们教育的其他困难,例如行为困难,这些都不包括在机器学习中。 MRC神经科学与心理健康负责人Joanna Latimer博士说:“这些是有趣的,早期阶段的研究结果,开始研究如何应用机器学习等新技术来更好地理解大脑功能.MRC资助研究复杂的网络大脑有助于发展更好的方法来支持有学习困难的儿童。“