J 2018

Automatizovaná diagnóza vývojové dysgrafie založená na kvantitativní analýze online písma

VOJTĚCH, Zvončák, Katarína ŠAFÁROVÁ, Jiří MEKYSKA, Ján MUCHA, Tomáš KISKA et. al.

Základní údaje

Originální název

Automatizovaná diagnóza vývojové dysgrafie založená na kvantitativní analýze online písma

Název anglicky

Diagnosis of Developmental Dysgraphia Based on Quantitative Analysis of Online Handwriting

Autoři

VOJTĚCH, Zvončák (203 Česká republika), Katarína ŠAFÁROVÁ (703 Slovensko, garant, domácí), Jiří MEKYSKA, Ján MUCHA, Tomáš KISKA, Barbora LOSENICKÁ (203 Česká republika, domácí), Barbora ČECHOVÁ (203 Česká republika, domácí), Pavlína FRANCOVÁ (203 Česká republika, domácí) a Zdeněk SMÉKAL

Vydání

Elektrorevue, 2018, 1213-1539

Další údaje

Jazyk

čeština

Typ výsledku

Článek v odborném periodiku

Obor

50102 Psychology, special ;

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Odkazy

URL

Kód RIV

RIV/00216224:14210/18:00100932

Organizační jednotka

Filozofická fakulta

Klíčová slova anglicky

developmental dysgraphia; children dysgraphia; digitizing tablet; HPSQ; random forests; support vector machine

Štítky

rivok

Příznaky

Recenzováno
Změněno: 18. 4. 2019 13:29, Mgr. Igor Hlaváč

Anotace

ORIG EN

V originále

Prevalence problémů s psaním mezi dětmi školního věku je mezi 10 až 30 %. V současné době neexistuje v České republice objektivní metoda pro diagnózu a hodnocení míry závažnosti vývojové dysgrafie (VD). Cílem této studie je představit novou metodu objektivní diagnózy VD založené na kvantitativní analýze online písma. K tomuto účelu jsme extrahovali ze tří písemných cvičení sadu prostorových, časových, kinematických a dynamických parametrů. Pro identifikaci parametrů s vysokou diskriminační silou jsme následně provedli korelační analýzu mezi těmito parametry a skóry dotazníku HPSQ (Handwriting Pro_ciency Screening Questionnaire). Použitím klasifikátoru založeného na náhodných lesech v kombinaci s kvantifikací cvičení psaní abecedy jsme dosáhli přesnosti klasifikace téměř 80% (sensitivita 77 %, specificita 83 %). Přesnost byla zvýšena na 92% (sensitivita 92 %, specificita 93 %) aplikováním metody sekvenčního dopředného plovoucího výběru parametrů SFFS (Sequential Floating Forward Selection). Tato pilotní studie potvrzuje možnost automatizované diagnózy VD u dětí, které píšou psaným spojovaným písmem.

Anglicky

The prevalence of handwriting difficulties among school-aged children is around 10–30 %. Until now, there is no objective method to diagnose and rate developmental dysgraphia (DD) in Czech Republic. The goal of this study is to propose a new method of objective DD diagnosis based on quantitative analysis of online handwriting. For this purpose, we extracted a set of spatial, temporal, kinematic and dynamic features from three handwriting tasks. Consequently, we performed a correlation analysis between these features and score of handwriting proficiency screening questionnaire (HPSQ), in order to identify parameters with a good discrimination power. Using random forests classifier in combination with quantification of alphabet writing task, we reached nearly 80% classification accuracy (77% sensitivity, 83% specificity). The classification accuracy was increased to 92% (92% sensitivity, 93% specificity) by employing SFFS (Sequential Forward Feature Selection) method. This pilot study proves the possibility of automatic DD diagnosis in children cohort writing with cursive letters.

Návaznosti

GA18-16835S, projekt VaV
Název: Výzkum pokročilých metod diagnózy a hodnocení vývojové dysgrafie založených na kvantitativní analýze online písma a kresby (Akronym: DiagnosisDysgraphia)
Investor: Grantová agentura ČR, Výzkum pokročilých metod diagnózy a hodnocení vývojové dysgrafie založených na kvantitativní analýze online písma a kresby
Zobrazeno: 20. 10. 2024 01:32