研究人员利用机器学习更准确地识别有学习困难的儿童，这些儿童到目前为止已经被误诊，或者已经受到教育当局的关注。
剑桥大学医学研究委员会(MRC)认知和脑科学部的科学家通过使用数百名在学校挣扎的儿童的数据说，他们能够识别出与以前的诊断不符的新的学习困难集群。孩子们已经得到了。
该研究发表在“发育科学”杂志上，招募了550名被转诊到诊所的儿童 - 注意学习和记忆中心 - 因为他们在学校遇到了问题。
该团队建立了一个机器学习算法，其中包含来自每个孩子的一系列认知测试数据，包括听力技巧，空间推理，问题解决，词汇和记忆的测量。基于这些数据，该算法表明儿童最适合四组困难。
科学家表示，之前对学习困难的研究主要集中在已经被特别诊断的儿童，如注意力缺陷多动障碍(ADHD)，自闭症谱系障碍或阅读障碍。
使用人工智能，他们能够包括所有困难的儿童，无论诊断如何，并且更好地捕捉不同诊断类别内的困难范围和重叠。
一个重要的里程碑
来自剑桥大学MRC认知和脑科学部门的Duncan Astle博士领导了这项研究，接受诊断对于有学习困难的儿童的父母来说是一个关键时刻，因为它认识到他们的问题并开辟了获得支持的途径。 。
但是，在某些情况下，诊断和支持无法捕捉到儿童面临的具体挑战。
“每天与这些孩子一起工作的父母和专业人员都会看到整洁的标签不能解决他们的个人困难 - 例如，一个孩子的ADHD往往不像另一个孩子，”Astle博士说。
他解释说，这项研究是第一次将机器学习应用于广泛的数百名苦苦挣扎的学习者。
在之前的研究中，儿童阅读能力差，与处理单词中的声音有关。“但是通过观察有各种各样困难的孩子，我们发现 - 出乎意料的是 - 很多孩子难以用语言处理声音，不仅有阅读问题，他们也有数学问题，”他说。
“作为研究学习困难的研究人员，我们需要超越诊断标签，我们希望这项研究能够帮助开发更好的干预措施，更明确地针对儿童的个体认知困难。”
