利用推荐模型为阅读障碍学生提供支持

阅读障碍是最普遍的特定学习障碍，会显著损害不同的认知领域。这反过来又会对阅读障碍学生的学习过程产生负面影响。因此，必须为这些学生提供特定的支持。此外，这种支持必须高度个性化，因为该障碍引发的问题因人而异。在这项工作中，我们探索了利用 AI 为阅读障碍学生推荐最合适支持工具的可能性，以提供具有真正实用价值的针对性帮助。为此，我们依赖推荐算法——机器学习的一个分支——旨在检测个人偏好并提供最合适的建议。因此，我们实现并训练了三个协同过滤推荐模型，即基于物品的模型、基于用户的模型和加权混合模型，并在一个包含 1237 名学生信息的大型数据库上研究了它们的性能，这些信息是通过一份关于所有最常用支持策略和数字工具的自我评估问卷收集的。每个推荐模型都使用三种不同的相似度度量进行测试，即皮尔逊相关、欧几里得距离和余弦相似度。获得的结果表明，推荐系统在为每个人推荐最佳帮助工具/策略方面非常有效。这表明所提出的方法是成功的，可以作为一种支持阅读障碍学生的全新有效方法。