DysLexML：基于机器学习的阅读障碍筛查工具
计算机与社会
2019-03-18 v1 人机交互
机器学习
摘要
文本阅读过程中的眼动可提供关于阅读障碍的线索。通过眼动仪，我们可以测量眼睛相对于所读词汇在何时、何地以及如何移动。机器学习（ML）算法可解码这些信息并提供差异性分析。本工作开发了 DysLexML，一种针对发展性阅读障碍的筛查工具，其应用多种 ML 算法分析儿童在默读过程中通过眼动追踪记录的注视点。在一个针对 69 名希腊语母语儿童（其中 32 名由希腊官方学习及阅读困难诊断机构确诊为阅读障碍）的系统田野研究中，我们对其性能进行了比较评估。我们考察了基于注视和扫视运动统计特性的一大组特征，并通过降维识别出具有显著预测能力的特征。具体而言，DysLexML 使用线性 SVM 取得最佳性能，准确率达 97%，所用特征集很小，即扫视长度、短前向运动次数以及多次注视词汇数。此外，我们分析了噪声对注视位置的影响，表明 DysLexML 在噪声存在下准确且鲁棒。这些令人鼓舞的结果为在控制较少、更大规模环境中使用廉价眼动仪开发筛查工具奠定了基础，有望惠及更广泛人群以实现早期干预。
引用
@article{arxiv.1903.06274,
title = {DysLexML: Screening Tool for Dyslexia Using Machine Learning},
author = {Thomais Asvestopoulou and Victoria Manousaki and Antonis Psistakis and Ioannis Smyrnakis and Vassilios Andreadakis and Ioannis M. Aslanides and Maria Papadopouli},
journal= {arXiv preprint arXiv:1903.06274},
year = {2019}
}