- الگوهای حرکت چشم هنگام خواندن میتوانند نشانههای نارساخوانی را آشکار کنند.
- هوش مصنوعی در تحلیل دادههای ردیابی چشم نتایج امیدوارکنندهای نشان داده است.
- برای استفاده گسترده از این فناوری، آزمایشهای بزرگتر و دقیقتر ضروری است.
مقدمه: حرکت چشم چه چیزی درباره نارساخوانی نشان میدهد؟
وقتی کودکی از مدرسه به خانه میآید و معلم میگوید در گروه خواندن از دیگران عقب مانده است، این داستان اغلب به بررسی احتمال نارساخوانی منجر میشود. اما تا همین اواخر، پیدا کردن علت این مشکل به ماهها انتظار برای مراجعه به متخصص و انجام مجموعهای از آزمونهای رسمی نیاز داشت.
پژوهشهای جدید نشان میدهند که شاید پاسخ، پیش از انجام آزمونهای خواندن، در حرکت چشمهای کودک قابل مشاهده باشد. الگوهای نگاه هنگام خواندن میتوانند نشانههایی از نارساخوانی را آشکار کنند و راهی سریعتر برای شناسایی کودکانی باشند که به حمایت تخصصی نیاز دارند.
چگونه چشمها هنگام خواندن اطلاعات را پردازش میکنند؟
یک بررسی جدید بیش از دو دهه پژوهش درباره رفتار چشم هنگام خواندن را کنار هم قرار داده و به تصویری نسبتاً ثابت از تفاوت میان خوانندگان دارای نارساخوانی و افراد بدون این اختلال رسیده است.
تمرکز اصلی این پژوهشها بر نارساخوانی است؛ یک مشکل رایج در خواندن که ارتباطی با هوش یا میزان تلاش فرد ندارد.
این بررسی توسط Ashit Kumar Dutta، دانشمند علوم کامپیوتر از AlMaarefa University در نزدیکی ریاض، عربستان سعودی، همراه با چند پژوهشگر دیگر انجام شد. تیم تحقیقاتی ۲۳ مطالعه مستقل را که حرکت چشم خوانندگان را ثبت کرده بودند، ترکیب کرد و افراد دارای نارساخوانی را با افراد بدون این مشکل مقایسه کرد.
نشانههای نارساخوانی در حرکت چشم
ابزار اصلی تقریباً تمام این پژوهشها، فناوری ردیابی چشم یا Eye Tracking است. این فناوری مشخص میکند فرد دقیقاً به کجا نگاه میکند و چه مدت روی هر بخش تمرکز دارد.
در دادههای ثبتشده، خواندن به شکل مجموعهای از توقفهای کوتاه روی کلمات دیده میشود که با پرشهای سریع چشم در طول خط به یکدیگر متصل میشوند.
افراد دارای نارساخوانی معمولاً الگوهای متفاوتی نشان میدهند:
- مدت زمان بیشتری روی کلمات توقف میکنند.
- در هر خط دفعات بیشتری مکث دارند.
- حرکت چشم آنها به سمت جلو کوتاهتر است.
- بیشتر به عقب برمیگردند و دوباره کلمات قبلی را بررسی میکنند.
این حرکتهای برگشتی چشم که به آنها Regression یا بازگشت نگاه گفته میشود، زمانی رخ میدهد که خواننده دوباره به کلمهای که از آن عبور کرده نگاه میکند؛ گویی برای تثبیت مفهوم نیاز به یک بررسی دوباره دارد.
با این حال، تفسیر این الگوها نیازمند احتیاط است. پژوهشگران توقفهای طولانیتر و بازگشتهای بیشتر را نشانه فشار پردازشی بالاتر میدانند؛ یعنی دشواری بیشتر در تبدیل حروف به کلمات. اما این الگوها احتمالاً نشاندهنده دشواری خواندن هستند، نه علت اصلی ایجاد نارساخوانی.
نقش هوش مصنوعی در تشخیص نارساخوانی
تشخیص دستی این الگوهای حرکتی زمانبر است. به همین دلیل پژوهشگران از نرمافزارهای هوش مصنوعی برای تحلیل دادههای ردیابی چشم استفاده کردند.
در بسیاری از مطالعات جدید، دادههای حرکت چشم به مدلهای یادگیری ماشین داده میشوند تا نرمافزار بتواند الگوهای عددی مرتبط با نارساخوانی را شناسایی کند.
نتایج این مدلها در نگاه اول چشمگیر هستند. در مطالعاتی که چنین مدلهایی ساختهاند، میزان دقت معمولاً بین ۸۰ تا ۹۵ درصد بوده است. برخی گزارشها نیز در شرایط کاملاً کنترلشده به دقت نزدیک به ۹۹ درصد رسیدهاند.
این مدلها بر اساس همان ویژگیهایی کار میکنند که ردیابهای چشم ثبت کردهاند:
- مدت زمان تمرکز نگاه روی کلمات.
- تعداد توقفهای چشم.
- فاصله حرکت چشم پیش از بازگشت به عقب.
برخی مدلها حتی بدون استفاده از اندازهگیریهای سنتی، مسیر خام حرکت چشم روی خط متن را مستقیماً تحلیل میکنند.
محدودیتهای شواهد علمی درباره تشخیص نارساخوانی
پژوهشگران مدتها میدانستند که خواندن افراد دارای نارساخوانی در دستگاههای ردیابی چشم متفاوت دیده میشود. اما این بررسی جدید تلاش کرده است مشخص کند آیا نرمافزارهای ساختهشده بر اساس این دادهها واقعاً به اندازه اعداد اعلامشده قابل اعتماد هستند یا خیر.
پاسخ همیشه روشن نیست. بسیاری از مطالعات مشخص نکردهاند که چه کسانی واقعاً با ارزیابی کامل بالینی مبتلا به نارساخوانی بودهاند. در عوض، برخی پژوهشها تنها از آزمونهای غربالگری سریع به جای تشخیص رسمی استفاده کردهاند.
از دیگر محدودیتها میتوان به موارد زیر اشاره کرد:
- حجم نمونهها اغلب کوچک بوده است؛ برخی مطالعات کمتر از ۲۰ خواننده داشتهاند.
- بسیاری از مدلها روی همان دادههایی آزمایش شدهاند که برای آموزش آنها استفاده شده بود.
- این روش میتواند باعث شود مدل به ویژگیهای خاص یک گروه عادت کند، نه اینکه الگوهای قابل تعمیم را یاد بگیرد.
ترکیب حرکت چشم با دادههای دیگر
از میان ۲۳ مطالعه بررسیشده، تنها سه پژوهش تلاش کردهاند دادههای حرکت چشم را با اطلاعات دیگری مانند نمرات آزمونهای شناختی یا دادههای گفتاری ترکیب کنند.
این نتایج از سوی بررسیکنندگان اولیه و آزمایشی ارزیابی شدهاند؛ امیدوارکننده هستند، اما هنوز اثباتشده محسوب نمیشوند.
ورود فناوری تشخیص نارساخوانی به کلاسهای درس
بخش زیادی از این تحقیقات در آزمایشگاهها انجام شده است؛ مکانهایی که معمولاً به تجهیزات تخصصی مانند دوربینهای گرانقیمت و ابزارهای ثابت نگهداشتن سر نیاز دارند.
برای استفاده از این فناوری در مدارس عادی، تجهیزات باید ارزانتر و سادهتر شوند.
این تغییر در حال آغاز شدن است. در یک مطالعه، یک ابزار غربالگری نارساخوانی روی یک تبلت معمولی اجرا شد که با دوربین جلویی خود حرکت چشم کودک را دنبال میکرد. نتایج نشان داد این اندازهگیریها از یک جلسه به جلسه دیگر قابل اعتماد باقی میمانند.
چنین فناوریهایی میتوانند فرایند طولانی مراجعه به متخصص را به یک بررسی چنددقیقهای توسط معلم تبدیل کنند؛ چند دقیقه به جای چند ماه.
البته این سیستمها قرار نیست تشخیص پزشکی یا بالینی ارائه دهند، بلکه میتوانند کودکانی را شناسایی کنند که نیاز به بررسی دقیقتر توسط متخصص دارند.
آینده تشخیص زودهنگام نارساخوانی
اکنون دو موضوع نسبت به گذشته روشنتر شده است. نخست اینکه الگوی حرکت چشم در نارساخوانی واقعی و به اندازه کافی ثابت است که بتوان بر اساس آن ابزارهای تشخیصی ساخت. دوم اینکه نرمافزارهای تحلیل این الگوها واقعاً امیدوارکننده هستند، اما هنوز بر دادههایی محدود و گاهی تأییدنشده تکیه دارند.
اهمیت این موضوع بسیار زیاد است؛ زیرا نارساخوانی تقریباً یک نفر از هر ۱۰ نفر را تحت تأثیر قرار میدهد.
یک مطالعه نشان میدهد بیشتر کودکان دارای نارساخوانی، در صورت دریافت کمک زودهنگام، میتوانند در کلاسهای معمولی باقی بمانند. به همین دلیل توسعه روشهای سریعتر و گستردهتر برای غربالگری اهمیت زیادی دارد.
برای مدارس و متخصصان، گام بعدی فقط افزایش درصد دقت نیست. مهمتر این است که این ابزارها روی گروههای بزرگتر با تشخیصهای دقیق بالینی آزمایش شوند، پیش از آنکه به آنها اعتماد گسترده شود.
نتیجهگیری: نگاه کوتاه به چشمها، راهی برای کمک زودتر
نارساخوانی میتواند از طریق الگوهای حرکت چشم هنگام خواندن، زودتر از آزمونهای رسمی شناسایی شود. اگر این فناوری با آزمایشهای دقیقتر و دادههای گستردهتر توسعه پیدا کند، ممکن است به مدارس و متخصصان کمک کند کودکان نیازمند حمایت را سریعتر پیدا کنند.
پژوهش منتشرشده در Frontiers in Medicine نشان میدهد حرکت چشم میتواند به یکی از ابزارهای آینده برای شناسایی زودهنگام مشکلات خواندن تبدیل شود.
آگاهی زودهنگام درباره نشانههای نارساخوانی میتواند مسیر یادگیری کودکان را تغییر دهد. شناخت علائم اولیه، اولین قدم برای دریافت حمایت مناسب است.
سؤالات متداول درباره نارساخوانی و حرکت چشم
آیا حرکت چشم میتواند نارساخوانی را تشخیص دهد؟
حرکت چشم میتواند نشانههایی از نارساخوانی را نشان دهد، اما هنوز جایگزین تشخیص تخصصی و بالینی نیست.
افراد دارای نارساخوانی هنگام خواندن چه تفاوتی در حرکت چشم دارند؟
آنها معمولاً مدت بیشتری روی کلمات توقف میکنند، بیشتر به عقب برمیگردند و پرشهای کوتاهتری در متن دارند.
آیا هوش مصنوعی میتواند نارساخوانی را شناسایی کند؟
مدلهای یادگیری ماشین در برخی مطالعات دقت بالایی نشان دادهاند، اما برای استفاده گسترده هنوز به بررسیهای بیشتر نیاز دارند.
آیا این فناوری در مدارس قابل استفاده است؟
برخی پژوهشها نشان دادهاند که ابزارهای ساده مانند تبلت با دوربین جلویی میتوانند برای غربالگری اولیه قابل استفاده باشند.
آیا نارساخوانی با هوش یا تلاش فرد ارتباط دارد؟
خیر. نارساخوانی یک مشکل خواندن است و ارتباطی با هوش یا میزان تلاش فرد ندارد.
