學習障礙（Learning disabilities，LD）源于神經(jīng)發(fā)育異常，是一種由生物、心理、環(huán)境等因素共同作用，具有高度異質(zhì)性的臨床綜合征，表現(xiàn)為智力正常的兒童在獲取與使用聽、說、讀、寫或數(shù)學能力上有明顯困難。據(jù)美國精神疾病診斷與統(tǒng)計手冊研究顯示，5%—17%的學齡兒童符合學習障礙的標準。臨床與調(diào)查研究發(fā)現(xiàn)，學習障礙兒童普遍存在焦慮、抑郁、退縮等內(nèi)化問題行為，以及攻擊、違紀、偷竊等外化問題行為。與學習障礙有關的問題作為一種社會現(xiàn)象，給兒童、家庭及社會帶來的影響不容忽視，它會導致兒童產(chǎn)生違紀，甚至嚴重的違法行為，影響兒童學業(yè)與人際交往，妨礙家庭正常生活、危害社會安全。隨著學習障礙研究的發(fā)展與新技術的涌現(xiàn)，學習障礙的鑒別與干預研究也發(fā)生動態(tài)變化。研究發(fā)現(xiàn)，人工智能技術在學習障礙兒童診斷與干預方面發(fā)揮了突破性作用。
提高學習障礙兒童診斷精準性
研究發(fā)現(xiàn)，人工智能技術在學習障礙兒童診斷方面發(fā)揮了巨大的運用價值。人工智能可視化、豐富生動的呈現(xiàn)方式不僅能引起學習障礙兒童的好奇，促使學習障礙兒童積極配合研究，同時，其高度仿真的機器人模型與超高的性能，有助于提高學習障礙鑒別的科學性與精準性。
1.通過兒童情緒和行為反應進行鑒別。歐亨榮（Nihal Ouherrou）等人的研究發(fā)現(xiàn)，通過在虛擬學習環(huán)境（Virtual Learning Environments）中使用信息交流技術（InformaTIon and CommunicaTIon Technology，ICT），識別不同學生在學習過程中的面部表情，可以鑒別個體是否為學習障礙兒童。研究對42名學生（其中，實驗組14人，對照組28人）在玩課堂游戲時的七種基本面部表情分析（憤怒、厭惡、恐懼、快樂、悲傷、驚訝和中性），發(fā)現(xiàn)虛擬教學環(huán)境中存在情緒差異，與正常兒童相比，學習障礙兒童表現(xiàn)出更多的負面情緒。蘇魯爾（Amany Sobhy Sorour）等學者發(fā)現(xiàn)，有學習障礙的兒童和沒有學習障礙的兒童在課堂行為表現(xiàn)上存在顯著差異。此外，穆斯塔法（Hassan M. H. Mustafa）通過人工智能技術識別學習障礙兒童的情緒、行為等反應，發(fā)現(xiàn)學習障礙兒童存在如注意力不集中、缺乏自信、較少參與課堂互動等現(xiàn)象?？梢?，通過虛擬教學環(huán)境，可以從學生的面部表情和行為反應來鑒別個體是否為學習障礙患者。
2.通過模擬人類思維的智能系統(tǒng)進行鑒別。賽義德（Khaled Nasser Elsayed）認為，在課堂教學中，教師需要花費大量精力在學業(yè)成績靠后的學生身上，包括課堂反應、作業(yè)完成情況等，而這些均可以通過“專家系統(tǒng)”來解決。同時，我們也可以將學習障礙兒童通過“專家系統(tǒng)”進行診斷。診斷方式為：系統(tǒng)將識別該案例（即學生）的知識結(jié)構(gòu)等形成框架，然后從知識庫中檢索與該框架匹配的案例，并使用它作為與新案例匹配的模型，再利用“專家系統(tǒng)”逐項診斷。當學生被診斷為障礙兒童且明確障礙類型時，則由“專家系統(tǒng)”解釋障礙原因，并提出解決辦法。解決辦法如：由“專家系統(tǒng)”通過人機互動的方式，參與學習障礙兒童問題解決過程，并提供有針對性的幫助（如專家參與兒童獲取和使用新知識的過程，幫助學習障礙兒童進行實例訓練并及時歸納總結(jié)）。當匹配失敗時，則系統(tǒng)將繼續(xù)在其余列表中進行檢索，直至成功?？梢?，“專家系統(tǒng)”可以采用分類技術，逐步對學習障礙兒童進行診斷。此外，戴維（Julie M. David）等人的研究發(fā)現(xiàn)，學習障礙受一種或多種未知因素的影響，因此，鑒別個體是否是學習障礙者是一項復雜的任務。而調(diào)查法等傳統(tǒng)方式鑒別會因數(shù)據(jù)缺失、施測過程難以控制等因素，導致鑒別缺乏真實性。因此，可以通過模糊邏輯或神經(jīng)模糊系統(tǒng)，將有關聯(lián)的缺失值納入新的算法和主成分分析（Principal Component Analysis，PCA），利用PCA計算缺失值，進行降維處理，以提升鑒別的準確性。模糊邏輯是一個概念系統(tǒng)，其原理和方法是模仿人腦的推理思維，將不確定或模糊性信息，利用分類器、模糊模型和神經(jīng)模糊模型，對數(shù)據(jù)的一致性進行評價，進而提高學習障礙鑒別的精準性。不難看出，隨著人工智能的不斷發(fā)展，其新型技術已在學習障礙兒童診斷中發(fā)揮創(chuàng)新型和前瞻性作用。
提升學習障礙兒童干預有效性
如今，人工智能技術已成為推動社會快速穩(wěn)定發(fā)展的主要技術力量之一。人工智能特別是機器學習技術已應用于特殊教育研究，如智能輔導系統(tǒng)，在一定程度上提高診斷學習障礙科學性的同時，通過有效干預，能夠幫助學習障礙兒童克服困難，提升家庭和社會應對學習障礙的能力。
1.使用信息與通信技術進行學業(yè)干預。亞當斯（Adams）等人使用該技術發(fā)現(xiàn)，ICT可通過學習障礙兒童的學習動機與學業(yè)有效性進行干預。在學習動機方面，歐亨榮等人研究發(fā)現(xiàn)，ICT可以通過強化完成學業(yè)任務的獨立性、確保高質(zhì)量的自主學習、參與課堂討論、與同伴一起學習、獲得同伴和老師的認可等途徑，提高學習障礙兒童的學習動機。此外，卡菲（Jamal El Kafi）等人提出了新的適應性學習方法（AdaptaTIve learning approach），如根據(jù)障礙者的學習風格和認知能力，為個體提供自適應智能對話系統(tǒng)，讓兒童參與互動對話，以更好地進行學習體驗。實質(zhì)上，智能對話系統(tǒng)或“聊天機器人”是一個程序，其目的是通過模仿人類老師，盡可能使用接近人類自然語言與學習障礙兒童保持互動與溝通，交談時間為幾分鐘或更長。通過給學習障礙者一種與人交談的印象，提升兒童的自信心，進而提高學習效率。
2.對虛擬教學環(huán)境中學生情緒與行為反應進行干預。越來越多的研究者關注情緒反應對學習障礙干預研究的重要性。賽斯卡（Mohamed Sathik）和喬納森（Sofia G.Jonathan）認為，虛擬教學環(huán)境中的消極與積極情緒，有助于了解學生對學習任務的理解。此外，有學者提出情緒在學習過程中的反應過程，即理解學生情緒的情感輔導系統(tǒng)（AffecTIve Tutoring System，ATS），使用ATS進行面部表情識別不需要教師等的參與，便可以了解學生的真實情緒反應。這表明，情緒可能在學習過程中扮演著非常重要的角色，依賴學習障礙兒童的情緒反應，在虛擬課堂環(huán)境互動過程中進行干預，有助于根據(jù)學習障礙兒童的情感狀態(tài)調(diào)整環(huán)境，提高學業(yè)任務表現(xiàn)。此外，布德羅（Kyle Boudreaux）通過人工智能語音命令進行行為干預取得了一定進展。
綜上所述，人工智能的發(fā)展為特殊教育研究提供了創(chuàng)新型與前瞻性的研究思路、方法與工具；對學習障礙兒童心理與行為的研究成果運用于人工智能領域，同時推動了人工智能對特殊教育對象研究的進步。通過對人工智能、特殊教育及心理學三大學科領域的新近研究成果的交叉研究，可以更好解決現(xiàn)實中特殊教育兒童存在的心理與行為問題，逐步推進三個學科領域面臨的問題。同時，這種結(jié)合也將推動彼此的發(fā)展，提升各自社會應用價值，解決兒童現(xiàn)存問題，提升家庭幸福感，減少社會安全隱患。
下載文檔
