Sommario
L’Università di Buffalo presenta un nuovo approccio all’identificazione precoce della dislessia e della disgrafia, utilizzando un sistema basato su intelligenza artificiale applicata all’analisi della scrittura dei bambini. Lo studio, pubblicato sulla rivista SN Computer Science, propone un metodo capace di individuare segnali cognitivi, linguistici e motori attraverso l’esame automatico della scrittura, sia su carta sia su tablet, offrendo un’alternativa più rapida, accessibile e completa rispetto ai metodi attuali, spesso costosi, lunghi e focalizzati su un solo disturbo.
Il progetto nasce nell’ambito del National AI Institute for Exceptional Education, un consorzio di ricerca diretto dall’Università di Buffalo, con la partecipazione di docenti, logopedisti e terapisti occupazionali, ed è stato condotto sotto la guida del professore Venu Govindaraju, figura chiave nel campo del handwriting recognition per la USPS.
Dal riconoscimento postale alla diagnosi neurocognitiva: la tecnologia si trasforma
Il lavoro di Govindaraju parte da esperienze pregresse: lo stesso team aveva infatti sviluppato, negli anni Novanta, i sistemi di lettura automatica della grafia utilizzati ancora oggi dallo United States Postal Service per lo smistamento della posta. Ora, la stessa tecnologia si evolve in una direzione diversa: identificare disturbi neurologici e del linguaggio attraverso un esame multifattoriale della scrittura.
Il sistema AI proposto riesce a trasformare i segnali motori e linguistici contenuti nella grafia infantile in indicatori clinici. La dislessia, spesso difficile da rilevare in modo visivo, viene qui intercettata attraverso errori ortografici, uso anomalo della grammatica, vocabolario limitato o organizzazione caotica delle frasi. La disgrafia, invece, viene individuata attraverso pressione del tratto, velocità del gesto, distanza tra lettere e formazione anomala dei caratteri.
Un dataset reale: scrittura di studenti K-5 per addestrare i modelli
Per evitare bias e pericoli legati all’eccessiva sintesi digitale, il team ha raccolto campioni reali di scrittura da bambini dalla scuola dell’infanzia fino alla quinta elementare, in collaborazione con un’elementare a Reno, Nevada. La raccolta è stata autorizzata da un comitato etico indipendente, con anonimizzazione completa dei dati. Gli input ottenuti sono stati impiegati sia per addestrare gli algoritmi, sia per validare lo strumento DDBIC (Dysgraphia and Dyslexia Behavioral Indicator Checklist), ideato dalla professoressa Abbie Olszewski.
Il DDBIC osserva 17 comportamenti tipici che emergono prima, durante e dopo l’atto della scrittura, permettendo una segmentazione temporale dei sintomi e una correlazione diretta con le evidenze cognitive. Tra questi segnali: esitazioni nella stesura, posture scorrette, tendenza all’inversione di lettere, affaticamento precoce o interruzioni improvvise.
AI al servizio della didattica inclusiva: diagnosi precoce per combattere il fallimento scolastico
Secondo Govindaraju, il punto di forza dell’intervento non è solo tecnico, ma educativo e sociale. La possibilità di intercettare i sintomi in fase prescolare o nei primi anni delle elementari rappresenta un cambio di paradigma nella diagnosi dei disturbi specifici dell’apprendimento (DSA). Nella maggior parte dei casi, infatti, le diagnosi avvengono quando il danno è già consolidato, con ripercussioni sulla motivazione, l’autostima e la performance scolastica.
L’intelligenza artificiale, afferma il team, non sostituisce i professionisti dell’educazione o della salute, ma diventa uno strumento di triage intelligente, in grado di segnalare casi sospetti e indirizzare tempestivamente verso una valutazione approfondita. Questo approccio potrebbe risultare particolarmente efficace in contesti scolastici svantaggiati, dove l’accesso a logopedisti, neuropsichiatri e terapisti è spesso limitato o inesistente.
Analisi multifattoriale della scrittura: come funziona il sistema AI di Buffalo
Il sistema ideato combina diversi sottosistemi per offrire una valutazione globale:
- Un modulo cinetico, che rileva pressione, velocità e traiettoria del tratto, utile per identificare deficit motori;
- Un modulo visivo, che analizza dimensione, forma e spaziatura delle lettere per trovare pattern di disgrafia;
- Un modulo linguistico, che trasforma la scrittura in testo digitale e rileva errori ortografici, inversioni di lettere e grammatica incoerente;
- Un modulo semantico, che interpreta struttura delle frasi e lessico, con riferimento a griglie cognitive standardizzate.
Il risultato finale è una valutazione integrata, che produce un profilo diagnostico dettagliato e suggerisce il livello di rischio per dislessia o disgrafia. Il sistema può essere utilizzato direttamente in classe, su tablet o carta, con restituzione dei risultati in tempo reale o a posteriori.
Un progetto globale con risvolti locali: India, USA e la rete AI per l’educazione inclusiva
Il progetto è stato portato avanti da un team internazionale: oltre all’Università di Buffalo, partecipano l’Amrita Vishwa Vidyapeetham in India, con la dottoressa Sahana Rangasrinivasan e il professor Bharat Jayarman, nonché il Center for Unified Biometrics and Sensors (CUBS) di Buffalo. Questa collaborazione dimostra come l’AI per l’educazione possa superare i confini nazionali e fornire soluzioni condivise a problemi globali, come i DSA.
Secondo Sumi Suresh, ricercatrice postdoc e co-autrice dello studio, l’obiettivo finale è sviluppare una piattaforma open source modulare, capace di adattarsi ai sistemi educativi di diversi paesi, con interfacce multilingua e algoritmi allenati su dataset multietnici.
