論文の概要: Combine Virtual Reality and Machine-Learning to Identify the Presence of Dyslexia: A Cross-Linguistic Approach

• arxiv url: http://arxiv.org/abs/2509.04510v1
• Date: Tue, 02 Sep 2025 19:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.347411
• Title: Combine Virtual Reality and Machine-Learning to Identify the Presence of Dyslexia: A Cross-Linguistic Approach
• Title（参考訳）: バーチャルリアリティとマシンラーニングを組み合わせてDyslexiaの存在を同定する:言語横断的アプローチ
• Authors: Michele Materazzini, Gianluca Morciano, Jose Manuel Alcalde-Llergo, Enrique Yeguas-Bolivar, Giuseppe Calabro, Andrea Zingoni, Juri Taborri,
• Abstract要約: 本研究は, イタリア・スペインの大学生を対象に, バーチャルリアリティ(VR)と人工知能(AI)を用いて, ディフレキシアの有無を予測するものである。
• 参考スコア（独自算出の注目度）: 1.759008116536278
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study explores the use of virtual reality (VR) and artificial intelligence (AI) to predict the presence of dyslexia in Italian and Spanish university students. In particular, the research investigates whether VR-derived data from Silent Reading (SR) tests and self-esteem assessments can differentiate between students that are affected by dyslexia and students that are not, employing machine learning (ML) algorithms. Participants completed VR-based tasks measuring reading performance and self-esteem. A preliminary statistical analysis (t tests and Mann Whitney tests) on these data was performed, to compare the obtained scores between individuals with and without dyslexia, revealing significant differences in completion time for the SR test, but not in accuracy, nor in self esteem. Then, supervised ML models were trained and tested, demonstrating an ability to classify the presence/absence of dyslexia with an accuracy of 87.5 per cent for Italian, 66.6 per cent for Spanish, and 75.0 per cent for the pooled group. These findings suggest that VR and ML can effectively be used as supporting tools for assessing dyslexia, particularly by capturing differences in task completion speed, but language-specific factors may influence classification accuracy.
• Abstract（参考訳）: 本研究は, イタリア・スペインの大学生を対象に, バーチャルリアリティ(VR)と人工知能(AI)を用いて, ディフレキシアの有無を予測するものである。 特に、研究は、Silent Reading(SR)テストから得られるデータと自己評価評価が、ディプレキシアの影響を受けている学生と、機械学習(ML)アルゴリズムを用いていない学生とを区別できるかどうかを調査する。 参加者は読書性能と自尊心を測定するVRベースのタスクを完了した。 これらのデータに対する予備的な統計分析 (t test, Mann Whitney test) を行い, 自尊心, 自尊心, 自尊心, SR testの完了時間に有意な差が認められた。 その後、教師付きMLモデルを訓練、試験し、イタリアでは87.5パーセント、スペインでは66.6%、プールされたグループでは75.0パーセントの精度でジレキシアの存在/存在を分類する能力を示した。 以上の結果から,VRとMLは,特にタスク完了速度の差を捉えて失読症を評価するための支援ツールとして有効であるが,言語固有の要因は分類精度に影響を及ぼす可能性が示唆された。

関連論文リスト

• Mitigating Subgroup Disparities in Multi-Label Speech Emotion Recognition: A Pseudo-Labeling and Unsupervised Learning Approach [53.824673312331626]
  Implicit Demography Inference (IDI)モジュールは、k平均クラスタリングを用いて、音声感情認識(SER)におけるバイアスを軽減する 実験により、擬似ラベルIDIはサブグループの格差を減らし、フェアネスの指標を28%以上改善することが示された。 教師なしのIDIは、SERのパフォーマンスが3.6%未満のフェアネス指標を4.6%以上改善する。
  論文  参考訳（メタデータ） (2025-05-20T14:50:44Z)
• Developing a Dyslexia Indicator Using Eye Tracking [0.5898893619901381]
  本稿では,早期失読症検出のための費用対効果として,機械学習アルゴリズムと組み合わせた視線追跡技術の有効性について検討する。 ランダムフォレストはその後、ディプレックス症を検知するために使われ、88.58%の精度を達成した。
  論文  参考訳（メタデータ） (2025-04-21T09:33:25Z)
• Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing [0.0]
  自閉症スペクトラム障害(ASD)の診断における人工知能(AI)の利用について検討した。 ソーシャルメディア上のテキスト入力からASDを検出する機械学習(ML)とディープラーニング(DL)に焦点を当てた。 我々のAIモデルは精度が高く、88%の成功率でASDの個人からテキストを識別できた。
  論文  参考訳（メタデータ） (2024-03-06T09:57:42Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Studying Drowsiness Detection Performance while Driving through Scalable Machine Learning Models using Electroencephalography [0.0]
  運転者の眠気は交通事故の主な原因の1つである。 Brain-Computer Interfaces (BCI) と Machine Learning (ML) はドライバの眠気の検出を可能にしている。 本研究は、BCIを用いたインテリジェントなフレームワークと、脳波に基づく運転シナリオの眠気を検出する特徴を示す。
  論文  参考訳（メタデータ） (2022-09-08T22:14:33Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
  失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価 本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。 イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
  論文  参考訳（メタデータ） (2021-02-10T13:00:29Z)
• Dyslexia and Dysgraphia prediction: A new machine learning approach [7.754230120409288]
  失読症、失読症、失読症などの学習障害は、学術的な成果に干渉するが、学術的な時間を超える長い結果をもたらす。 このような障害を幼児期に評価するためには、子どもたちはテストのバッテリーを解く必要がある。 人間の専門家はこれらのテストにスコアを付け、子どもが特定の教育戦略を必要とするかどうかをスコアに基づいて決定する。 本稿では,人工知能がこの評価の自動化にどう役立つかを検討する。
  論文  参考訳（メタデータ） (2020-04-15T09:31:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。