نویسی, زهرا, مینایی بیدگلی, بهروز, شیری, محمد ابراهیم. (1397). طراحی یک بازی رایانه‌ای هوشمند برای پیش‌بینی نارساخوانی بر مبنای علوم‌شناختی. فناوری آموزش, 12(4), 309-319. doi: 10.22061/jte.2018.2148.1732
زهرا نویسی; بهروز مینایی بیدگلی; محمد ابراهیم شیری. "طراحی یک بازی رایانه‌ای هوشمند برای پیش‌بینی نارساخوانی بر مبنای علوم‌شناختی". فناوری آموزش, 12, 4, 1397, 309-319. doi: 10.22061/jte.2018.2148.1732
نویسی, زهرا, مینایی بیدگلی, بهروز, شیری, محمد ابراهیم. (1397). 'طراحی یک بازی رایانه‌ای هوشمند برای پیش‌بینی نارساخوانی بر مبنای علوم‌شناختی', فناوری آموزش, 12(4), pp. 309-319. doi: 10.22061/jte.2018.2148.1732
نویسی, زهرا, مینایی بیدگلی, بهروز, شیری, محمد ابراهیم. طراحی یک بازی رایانه‌ای هوشمند برای پیش‌بینی نارساخوانی بر مبنای علوم‌شناختی. فناوری آموزش, 1397; 12(4): 309-319. doi: 10.22061/jte.2018.2148.1732
طراحی یک بازی رایانه‌ای هوشمند برای پیش‌بینی نارساخوانی بر مبنای علوم‌شناختی
توانایی خواندن یکی از توانایی‌هایی است که در کیفیت زندگی مؤثر است. از بین کودکان با هوشبهر معمولی و بیشتر، دانش آموزان دارای نارساخوانی با توجه به سن و توانایی هوشی خود، نارسایی عمده‌ای در یادگیری خواندن دارند. در هرگونه برنامه‌ریزی و طراحی برنامه‌ی درمان برای این افراد، تشخیص، اولین قدم و شرط لازم است. شناخت زودهنگام و به‌موقع این اختلال برای پیشگیری از پیامدهای منفی ناشی از اختلال پراهمیت است. ما در این پژوهش به دنبال روشی برای پیش‌بینی نارساخوانی هستیم که مبتنی بر خواندن نباشد؛ تا بتوان با توجه به قابل‌درمان بودن نارساخوانی، قبل از شروع به آموزش خواندن، مداخلات درمانی لازم را برای این کودکان آغاز نمود. هدف این پژوهش، استفاده از هوش مصنوعی و تولید یک سامانه‌ی تشخیص هوشمند با استفاده از الگوریتمها و روشهای یادگیری ماشینی با ناظر است. ابزار مورد استفاده در جمع آوری داده های مورد نیاز برای هوشمند سازی سامانه و همچنین استفاده از این سامانه، یک بازی رایانه ای هوشمند است که در جریان همین پژوهش طراحی و پیاده سازی شده است. بازی‌ها می‌توانند روشی با استرس کم یا بدون استرس و جالب برای کودک ارائه دهند به‌طوری‌که کودک حتی متوجه نشود که در حال سنجیده شدن است. سیستم تشخیص هوشمند با مشارکت دانش آموزان سالم و نارساخوان، آموزش داده شد. نتایج بررسی بر روی عملکرد این سامانه هوشمند نشان می‌دهد که این سامانه توانایی پیش‌بینی نارساخوانی در کودکان را با احتمال بالای 97 درصد دارد.
Designing an intelligent computer game for prediction of dyslexia based on cognitive science
نویسندگان [English]
Zahra Nevisi1؛ Behrooz Minaei2؛ Mohammad Ebrahim Shiri3
1Computer Science Department, Amirkabir University of Technology
2Computer Science Department, Amirkabir University of Technology
3Computer Engineering Department, Iran University of Science and Technology
چکیده [English]
The ability to read is one of the abilities effective in quality of life. From among the children with normal intelligence and more, dyslexic students have a significant lack of readability due to their age and their ability to intelligence. In any planning and designing a treatment plan for these people, diagnosis is a necessary first step. Early and timely recognition of this disorder is essential to prevent the negative consequences of impairment. The tool that is used for data gathering is an intelligent computer game that designed and developed during this study. In this study, we looked for a method for predicting dyslexia that is not read-based, so that treatment with dyslexia can be initiated before they begin to teach. The purpose of this study was to develop an intelligent diagnostic system in the form of a computer game based on artificial intelligent and supervised machine learning to predict dyslexia based on the cognitive differences of dyslexic children with other children. Games can provide a less stressful or a stress-free way for the children so that the child do not even realize that it is being measured. The intelligent diagnostic system was trained with the help of thirty students. The results of the study on performance of this intelligent system showed that the provided computer game has the ability to predict dyslexia with a probability higher than 97%.
کلیدواژه‌ها [English]
Dyslexia, Computer games, Intelligent detection system
[2] Tabrizi, M., Tabrizi, A., & Tabrizi, N. (2016). Treatment of learning disabilities. Tehran: Fararavan. [in Persian]
[3] Delavarian, M., Afrooz, A., Towhidkhah, F., Rasoolzadeh tabatabaei, K., & Arjmandnia, A. (2015). a comparision between working memory in dyslexic and normal children. Learning Disabilities, 5(23), 43-53. [in Persian]
[4] Asgari, R. (2006). Designing and usage ofan educational software based on vision psychological model for mental treatment of dyslexic elementary students (Unpublished master’s thesis). Tarbiat Moallem University, Tehran. [in Persian]
[5] Zare, F. (2009). Prediction of dyslexia based on graphic indicators (Unpublished master’s thesis). Sistan and Balichestan University, Sistan and Balichestan. [in Persian]
[6] Nazari, S. (2012). Manner of dyslexia detection in WISC-R. Atypical Education, 109, 36-46. [in Persian]
[7] Tabrizi, M., & moosavi, M. (2015). Administration and scoring manual for Marianne Frostic developmental test of visual perception. Tehran: Fararavan. [in Persian]
[8] Rostamzadeh, G. (accessible in 2015). Accession of dyslexia in elementary students in Ahwaz. Ahwaz: Educational Administration. [in Persian]
[9] Pashapoor, N. & Zibarzani, R. (1997). Accession of dyslexia in 3rd elementary students in Urumiah. The Proceedings ofthe First Congress of Iran Psychological Association (pp. 129-130). Tehran, Iran. [in Persian]
[10] Heidari, S. (2014). Affect of action video games on reading ability and selection visual attention in dyslexic children (Unpublished master’s thesis). Payame noor university, Tehran. [in Persian]
[11] Ferwerda, J., & Rehon, B. (2007). MagnoFly: game-based screening for dyslexia [Abstract]. Journal of Vision, 7(9), 520.
[12] Alwalib, A., & Meldah, E. (2010). Designing Educational Games for Children with Specific Learning Difficulties: Insights from Involving Children and Practitioners. The Proceedings ofComputing in the Global Information Technology (ICCGI) (pp. 195-198). Valencia.
[13] Rello, L. Ali, A. & Bigham, J. (2015). Dytective: toward a game to detect Dyslexia. ASSETS '15 The Proceedings of the 17th International ACM SIGACCESS Conference on Computers & Accessibility (pp. 307-308). Lisbon, Portugal
[14] Rello, L. Ballesteros, M. Ali, A. Serra, M. Alarcon Sanchez, D., & Bigham, J. (2016) Dytective: diagnosing risk of dyslexia with a game. Pervasive Health '16 Proceedings of the 10th EAI International Conference on Pervasive Computing Technologies for Healthcare (pp. 89-96). Cancun, Mexico
[15] Delavarian, M., Afrooz, A., Towhidkhah, F., Rasoolzadeh Tabatabaei, K., & Arjmandnia, A. (2015). Designing an neuro cognitive application to measure working memory in order to detection of children that may have dyslexia. Tebbe tavanbakhshi. 5(3),75-83. [in Persian]
ابتدای صفحه
