論文の概要: A 30-item Test for Assessing Chinese Character Amnesia in Child Handwriters
- arxiv url: http://arxiv.org/abs/2602.00464v1
- Date: Sat, 31 Jan 2026 02:35:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.202071
- Title: A 30-item Test for Assessing Chinese Character Amnesia in Child Handwriters
- Title（参考訳）: チャイルドハンドライターにおける漢字のアムネスア評価のための30項目試験
- Authors: Zebo Xu, Steven Langsford, Zhuang Qiu, Zhenguang Cai,
- Abstract要約: デジタル時代には、手書きはタイピングによって大きく置き換えられ、手書きの習熟度は低下した。
文字が正しく書けることの難しさは、文字が認識できるにもかかわらず、文字が正しく書けることの難しさである。
幼児の漢字の健常度を評価するための評価法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Handwriting literacy is an important skill for learning and communication in school-age children. In the digital age, handwriting has been largely replaced by typing, leading to a decline in handwriting proficiency, particularly in non-alphabetic writing systems. Among children learning Chinese, a growing number have reported experiencing character amnesia: difficulty in correctly handwriting a character despite being able to recognize it. Given that there is currently no standardized diagnostic tool for assessing character amnesia in children, we developed an assessment to measure Chinese character amnesia in Mandarin-speaking school-age population. We utilised a large-scale handwriting dataset in which 40 children handwrote 800 characters from dictation prompts. Character amnesia and correct handwriting responses were analysed using a two-parameter Item Response Theory model. Four item-selection schemes were compared: random baseline, maximum discrimination, diverse difficulty, and an upper-and-lower-thirds discrimination score. Candidate item subsets were evaluated using out-of-sample prediction. Among these selection schemes, the upper-and-lower-thirds discrimination procedure yields a compact 30-item test that preserves individual-difference structure and generalizes to unseen test-takers (cross-validated mean r =.74 with full 800-item-test; within-sample r =.93). This short-form test provides a reliable and efficient tool of assessing Chinese character amnesia in children and can be used to identify early handwriting and orthographic learning difficulties, contributing to the early detection of developmental dysgraphia and related literacy challenges.
- Abstract（参考訳）: 手書きリテラシーは、学齢期の子どもたちの学習とコミュニケーションにとって重要なスキルである。
デジタル時代において、手書きは主としてタイピングに取って代わられ、特に非代数的書記システムにおいて、手書きの習熟度は低下した。
中国語を学ぶ子どもたちの間では、文字のアムネシアを経験しているという報告が増えている。
本研究は,現在,子どもの健常度を評価するための標準化された診断ツールが存在しないことを踏まえ,マンダリン話者の学齢期の漢字健常度を評価するための評価方法を開発した。
40人の子どもが800文字の文字を手書きする大規模手書きデータセットを作成した。
文字アムネシアと正しい手書き応答を2パラメータ項目応答理論モデルを用いて解析した。
ランダムベースライン,最大識別,多彩な難易度,上・下3分の1の判別スコアの4項目を比較検討した。
候補項目のサブセットをサンプル外予測を用いて評価した。
これらの選択スキームの中で、上と下の3分の1の判別手順は、個々の差分構造を保存し、見知らぬテストテイカーに一般化するコンパクトな30項目のテストをもたらす(クロスバリデード平均 r =.74 は、完全な800項目検定で、サンプル内 r =.93 である)。
このショートフォームテストは、幼児の漢字のアムネシアを評価する信頼性が高く効率的なツールを提供し、早期の筆跡や正書法学習の困難を識別するために使用することができ、発達障害の早期発見や関連するリテラシーの課題に寄与する。
関連論文リスト
- Skeleton and Font Generation Network for Zero-shot Chinese Character Generation [53.08596064763731]
そこで我々は,より堅牢な漢字フォント生成を実現するために,新しいSkeleton and Font Generation Network (SFGN)を提案する。
ミススペル文字について実験を行い、その大部分は共通文字とわずかに異なる。
提案手法は、生成した画像の有効性を視覚的に実証し、現在最先端のフォント生成方法より優れていることを示す。
論文 参考訳（メタデータ） (2025-01-14T12:15:49Z) - Online Writer Retrieval with Chinese Handwritten Phrases: A Synergistic Temporal-Frequency Representation Learning Approach [53.189911918976655]
DOLPHINは,相乗的時間周波数解析による手書き表現の向上を目的とした新しい検索モデルである。
OLIWER(OLIWER)は,1,731人から670,000以上の中国語の字句を含む大規模オンライン作家検索データセットである。
本研究は,手書き表現の質向上における点サンプリング周波数と圧力特性の重要性を強調した。
論文 参考訳（メタデータ） (2024-12-16T11:19:22Z) - Towards Accessible Learning: Deep Learning-Based Potential Dysgraphia Detection and OCR for Potentially Dysgraphic Handwriting [1.9575346216959502]
図形障害(Dysgraphia)は、手書き能力に影響を与える学習障害である。
早期検出とモニタリングは、タイムリーなサポートと介入を提供するために不可欠である。
本研究では、ディープラーニング技術を用いて、ディジグラフィ検出と光学的文字認識の2つの課題に対処する。
論文 参考訳（メタデータ） (2024-11-18T13:28:26Z) - Assessment of Developmental Dysgraphia Utilising a Display Tablet [0.3064887031776843]
本研究の目的は,ディスプレイ・スクリーン・タブレットで記録されたオンライン筆跡の定量的分析が発達障害評価(DD)を十分に支援できるかどうかを検討することである。
勾配アルゴリズムに基づく機械学習モデルを用いて、最大83.6%の精度でDD診断をサポートすることができた。
DDの小児は, 空気中の時間が多く, ペン高, 脳卒中高, 空気中のテンポの低下, 角速度の変動が認められた。
論文 参考訳（メタデータ） (2024-10-23T19:24:58Z) - Graphemic Normalization of the Perso-Arabic Script [47.429213930688086]
本稿では,ペルソ・アラビア語が最良文書言語を超えて提示する課題について述べる。
自然言語処理(NLP)の状況に注目する。
ペルソ・アラビア文字ディアスポラの多言語語族8言語に対する正規化が機械翻訳および統計言語モデリングタスクに及ぼす影響を評価する。
論文 参考訳（メタデータ） (2022-10-21T21:59:44Z) - Automated Systems For Diagnosis of Dysgraphia in Children: A Survey and
Novel Framework [2.326866956890798]
学習障害は主に読書、文章、数学などの基本的な学習スキルに干渉し、世界の子供の約10%に影響することが知られている。
神経発達障害としての運動能力の低下と運動調整は、書字の難しさの因果となりうる(図)
失読症の徴候や症状は、不規則な筆跡、筆記媒体の不適切な扱い、遅やかに書き直し、異常な手の位置などに限定されない。
論文 参考訳（メタデータ） (2022-06-27T04:44:34Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - COLD: A Benchmark for Chinese Offensive Language Detection [54.60909500459201]
COLDatasetは、37kの注釈付き文を持つ中国の攻撃的言語データセットである。
また、人気のある中国語モデルの出力攻撃性を研究するために、textscCOLDetectorを提案する。
我々の資源と分析は、中国のオンラインコミュニティを解毒し、生成言語モデルの安全性を評価することを目的としている。
論文 参考訳（メタデータ） (2022-01-16T11:47:23Z) - Zero-Shot Chinese Character Recognition with Stroke-Level Decomposition [37.808021793372504]
本稿では,各文字をストローク列に分解することで,ストロークに基づく手法を提案する。
我々は、予測されたストロークシーケンスを特定の文字に変換するためにマッチングベースの戦略を用いる。
提案手法は、文字をストロークに分解できる他の言語に容易に一般化できる。
論文 参考訳（メタデータ） (2021-06-22T08:49:03Z) - Curious Case of Language Generation Evaluation Metrics: A Cautionary
Tale [52.663117551150954]
イメージキャプションや機械翻訳などのタスクを評価するデファクトメトリクスとして、いくつかの一般的な指標が残っている。
これは、使いやすさが原因でもあり、また、研究者がそれらを見て解釈する方法を知りたがっているためでもある。
本稿では,モデルの自動評価方法について,コミュニティにより慎重に検討するよう促す。
論文 参考訳（メタデータ） (2020-10-26T13:57:20Z) - 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。