پیوندهای مفید
آمار
| تعداد نشریات | 11 |
| تعداد شماره‌ها | 227 |
| تعداد مقالات | 2,290 |
| تعداد مشاهده مقاله | 3,550,296 |
| تعداد دریافت فایل اصل مقاله | 2,597,409 |
طراحی یک بازی رایانه‌ای هوشمند برای پیش‌بینی نارساخوانی بر مبنای علوم‌شناختی | ||
| فناوری آموزش | ||
| مقاله 4، دوره 12، شماره 3 - شماره پیاپی 47، تیر 1397، صفحه 219-229 اصل مقاله (1.59 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/jte.2018.2148.1732 | ||
| نویسندگان | ||
| زهرا نویسی1؛ محمد ابراهیم شیری* 1؛ بهروز مینایی بیدگلی2 | ||
| 1گروه علوم کامپیوتر دانشگاه صنعتی امیرکبیر، تهران، ایران | ||
| 2دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران، تهران، ایران | ||
| تاریخ دریافت: 28 بهمن 1395، تاریخ بازنگری: 04 تیر 1396، تاریخ پذیرش: 14 تیر 1396 | ||
| چکیده | ||
| پیشینه و اهداف: توانایی خواندن یکی از توانایی‌هایی است که در کیفیت زندگی مؤثر است. از بین کودکان با هوشبهر معمولی و بیشتر، دانش آموزان دارای نارساخوانی با توجه به سن و توانایی هوشی خود، نارسایی عمده‌ای در یادگیری خواندن دارند. در هرگونه برنامه‌ریزی و طراحی برنامه‌ی درمان برای این افراد، تشخیص، اولین قدم و شرط لازم است. شناخت زودهنگام و به‌موقع این اختلال برای پیشگیری از پیامدهای منفی ناشی از اختلال پراهمیت است. ما در این پژوهش به دنبال روشی برای پیش‌بینی نارساخوانی هستیم که مبتنی بر خواندن نباشد؛ تا بتوان با توجه به قابل‌درمان بودن نارساخوانی، قبل از شروع به آموزش خواندن، مداخلات درمانی لازم را برای این کودکان آغاز نمود. هدف این پژوهش، استفاده از هوش مصنوعی و تولید یک سامانه‌ی تشخیص هوشمند با استفاده از الگوریتمها و روشهای یادگیری ماشینی با ناظر است. روش‌ها: ابزار مورد استفاده در جمع آوری داده های مورد نیاز برای هوشمند سازی سامانه و همچنین استفاده از این سامانه، یک بازی رایانه ای هوشمند است که در جریان همین پژوهش طراحی و پیاده سازی شده است. بازیها می‌توانند روشی با استرس کم یا بدون استرس و جالب برای کودک ارائه دهند به‌طوری‌که کودک حتی متوجه نشود که در حال سنجیده شدن است. سیستم تشخیص هوشمند با مشارکت دانش آموزان سالم و نارساخوان، آموزش داده شد. یافته‌ها: نتایج بررسی بر روی عملکرد این سامانه هوشمند نشان می‌دهد که این سامانه توانایی پیش‌بینی نارساخوانی در کودکان را با احتمال بالای 97 درصد دارد. نتیجه‌گیری: در این پژوهش یک بازی رایانه‌ای هوشمند ارائه شده است که توانایی پیش بینی نارساخوانی در کودکان را دارد. این سامانه برای پیش بینی از یک تفاوت شناختی بین کودکان رساخوان و نارساخوان استفاده می نماید. دقت بالای سامانه در تشخیص، نشان می دهد می‌توان نارساخوانی را با استفاده از تکیه بر تفاوت‌های شناختی پیش‌بینی نمود و این پیش بینی را در سنین کمتر از ابتدایی و قبل از ارائه آموزش خواندن به کودکان، انجام داد. در این حالت می توان با مداخله‌ی به هنگام از اثرات منفی متعدد نارساخوانی بر کودک و خانواده و جامعه، پیشگیری نمود. این روش در قالب یک بازی رایانه‌ای ارائه شده است و مزیت بازیها، در این است که بازیها می‌توانند روشی با استرس کم یا بدون استرس و جالب برای کودک ارائه دهند به‌طوری‌که کودک حتی متوجه نشود که در حال آزموده شدن است. مزیت بعدی، در دسترس بودن بازیها است. | ||
| کلیدواژه‌ها | ||
| نارساخوانی؛ بازی‌های رایانه ای؛ سامانه تشخیص هوشمند | ||
| موضوعات | ||
| بازی های رایانه ای آموزشی | ||
| عنوان مقاله [English] | ||
| Designing an intelligent computer game for prediction of dyslexia based on cognitive science | ||
| نویسندگان [English] | ||
| Z. Nevisi1؛ M.E. Shiri1؛ B. Minaei2 | ||
| 1Computer Science Department, Amirkabir University of Technology, Tehran, Iran | ||
| 2Computer Engineering Department, Iran University of Science and Technology, Tehran, Iran | ||
| چکیده [English] | ||
| Background and Objectives:The ability to read is one of the abilities effective in quality of life. From among the children with normal intelligence and more, dyslexic students have a significant lack of readability due to their age and their ability to intelligence. In any planning and designing a treatment plan for these people, diagnosis is a necessary first step. Early and timely recognition of this disorder is essential to prevent the negative consequences of impairment. Method and Materials: The tool that is used for data gathering is an intelligent computer game that designed and developed during this study. In this study, we looked for a method for predicting dyslexia that is not read-based, so that treatment with dyslexia can be initiated before they begin to teach. The purpose of this study was to develop an intelligent diagnostic system in the form of a computer game based on artificial intelligent and supervised machine learning to predict dyslexia based on the cognitive differences of dyslexic children with other children. Games can provide a less stressful or a stress-free way for the children so that the child do not even realize that it is being measured. The intelligent diagnostic system was trained with the help of thirty students. Findings: The results of the study on performance of this intelligent system showed that the provided computer game has the ability to predict dyslexia with a probability higher than 97%. Conclusion: In this study, a smart computer game is presented that has the ability to predict dyslexia in children. This system uses to predict a cognitive difference between resuscitated and dyslexic children. The high accuracy of the system in diagnosis shows that dyslexia can be predicted by relying on cognitive differences and this prediction can be done at younger ages and before providing reading instruction to children. In this case, it is possible to prevent the various negative effects of dyslexia on the child, family and society by timely intervention. This method is presented in the form of a computer game, and the advantage of games is that games can provide a way with little or no stress and interesting for the child so that the child does not even realize that he is being tested. The next advantage is the availability of games. | ||
| کلیدواژه‌ها [English] | ||
| Dyslexia, Computer games, Intelligent detection system | ||
| مراجع | ||
|
[1] Afrooz A. Learning disabilities. Tehran: Payame noor; 2013. Persian. [2] Tabrizi M, Tabrizi A, Tabrizi N. Treatment of learning disabilities. Tehran: Fararavan; 2016. Persian. [3] Delavarian M, Afrooz A, Towhidkhah F, Rasoolzadeh Tabatabaei K, Arjmandnia A. a comparision between working memory in dyslexic and normal children. Learning Disabilities. 2015; 5(23): 43-53.Persian. [4] Asgari, R. Designing and usage of an educational software based on vision psychological model for mental treatment of dyslexic elementary students (master’s thesis). Tarbiat Moallem University, Tehran; 2006. Persian. [5] Zare F. Prediction of dyslexia based on graphic indicators (master’s thesis). Sistan and Balichestan University, Sistan and Balichestan; 2009. Persian. [6] Nazari S. Manner of dyslexia detection in WISC-R. Atypical Education. 2012; 109: 36-46. Persian. [7] Tabrizi M, Moosavi M. Administration and scoring manual for Marianne Frostic developmental test of visual perception. Tehran: Fararavan; 2015. Persian. [8] Rostamzadeh G. Accession of dyslexia in elementary students in Ahwaz. Ahwaz: Educational Administration; 2015. Persian. [9] Pashapoor N, Zibarzani R. Accession of dyslexia in 3rd elementary students in Urumiah. The Proceedings of the First Congress of Iran Psychological Association (pp. 129-130). Tehran, Iran; 1997. Persian. [10] Heidari, S. (2014). Affect of action video games on reading ability and selection visual attention in dyslexic children (Unpublished master’s thesis). Payame noor university, Tehran Persian. [15] Delavarian M, Afrooz A, Towhidkhah F, Rasoolzadeh Tabatabaei K, Arjmandnia A. Designing an neuro cognitive application to measure working memory in order to detection of children that may have dyslexia. Tebbe Tavanbakhshi, 2015; 5(3): 75-83. Persian. [16] Poorafkary N. Brief textbook Oxford psychology. Tehran: Shahrab; 2003. Persian. [17] Saniei Abadeh M, Mahmoodi S, Taherparvar M. Applied data mining. Tehran: Niaze Danesh; 2013. Persian. | ||
|
آمار تعداد مشاهده مقاله: 4,769 تعداد دریافت فایل اصل مقاله: 1,640 |
||