Текст книги "Поговорим о дислексии. Личный опыт и научные исследования"

У нас уже было то, что раньше казалось недостижимым: методика выявления дислексии. Теперь нужно было адаптировать ее так, чтобы она стала доступной для всех. И тут мы столкнулись с суровой действительностью. До сих пор мне удавалось покрывать расходы на свою мечту из собственной зарплаты и премий, но масштаб несколько изменился. Уже на старте нужны были деньги на адвокатов, страховку, патенты, авторские права, разработку и компьютерную поддержку и много чего еще.

Настало время основать компанию Change Dyslexia.

И мы снова рискнули. Создали краудфандинговую кампанию на платформе Kikcstarter, «предваряя» DytectiveU – программное обеспечение в помощь дислексикам – и обязуясь сделать тест Dytective бесплатным для пользователей (за счет доходов от продаж DytectiveU). Вы даже не представляете, какой стресс мы испытали, ведь все наши планы удалось осуществить только в последний момент, иначе бы мы потеряли все собранные деньги. Благодаря щедрости и поддержке многих из вас был заложен первый камень этого социального проекта, за существование которого мы боремся до сих пор.

Но деньги решали не всё. Предприниматели, консультанты, дизайнеры, преподаватели, логопеды, педиатры… и, разумеется, мои бесценные мамочки помогли нам достичь главной цели компании Change Dyslexia – сделать созданный инструмент полезным для всех причастных к ее основанию. Социальное предпринимательство вышло на улицы. Появление Change Dyslexia стало плодом коллективных усилий. И это вызывало бурю эмоций.

Так, само название «Change Dyslexia» придумала Ана Саэнс де Мьера (директор международной ассоциации «Ашока» в Европе); логотип нарисовала Соль Вьедмас, одна из лучших дизайнеров Испании; игры были озвучены радиоведущей El Mundo Today Никки Гарсией, обладательницей самого прекрасного из когда-либо мною слышанных голосов. Артуро Масиас, инженер-программист экстра-класса, решил возглавить работу над приложением, несмотря на нашу ограниченность в денежных средствах; графическим дизайном занимался иллюстратор Майк Боналес; площадку для работы нам предоставил Фонд Itinerarium, а выработать стратегию помог Рикардо Баэса-Йейтс, научный руководитель моей диссертации, вместе с Рикардо Иналем.

В итоге каждый человек в команде Change Dyslexia добровольно делал всё, что умел, получив в качестве вознаграждения возможность сделать доброе дело для людей с дислексией.

Однако, став обладателем определенных ценностей, я превратилась в центр притяжения для людей другого сорта. Если меня чему-то научили годы исследований, так это защищать наши идеи и отодвигать в сторону тревожные мысли, чтобы оставаться добросовестным, сохранять надежду и продолжать начатое. В начале существования Change Dyslexia нам пришлось пройти буквально через всё. Так, одна транснациональная компания даже попыталась отобрать у нас патент на тест Dytective.

На него за моей спиной подал заявку Университет Карнеги – Меллона, с уже готовыми для подписания документами, а я узнала об этом совершенно случайно. В тот день я действительно испугалась, что абсолютно всё пойдет прахом. Меня била дрожь, пока я читала документы, которые, к счастью, так и не были подписаны, – вот уж не думала, что человека может так трясти, со мной даже в школьные годы такого не происходило. Нам повезло, ведь были адвокаты, болеющие душой за наш социальный проект, и они нас защитили. В другой раз один из самых богатых в мире людей предложил продать ему Change Dyslexia для дальнейшей эксплуатации. Кстати, это предложение я получила за ужином, на котором присутствовали обе команды, его и моя, в роскошной резиденции, в окружении подлинных произведений искусства, – при всем том волосы у меня были синего цвета, а платье – за пять евро. Мне приходилось принимать решения в условиях, когда секунды кажутся минутами и вокруг тебя всё замирает в молчании. «Я не хочу быть богатой, мне нужно решить одну проблему». Там я вмиг могла бы получить кучу денег и с лихвой удовлетворить все потребности до конца моих дней… но тогда тест Dytective не был бы бесплатным, а Change Dyslexia – социально ориентированной компанией, и труд стольких людей оказался бы напрасным.

Отвергая это многомиллионное предложение, я продолжала нуждаться в крупном финансировании на содержание Change Dyslexia. Мне хочется, чтобы самые выдающиеся результаты нашего исследования служили людям с дислексией. И хотя так было бы лучше для всех, я, к своему удивлению, поняла, что это не так-то просто.

В личном плане 2016 год тоже оказался не из легких. Я проболела – без отрыва от работы – много месяцев. Тяжелых месяцев. Мне казалось, что это просто переутомление, но я ошибалась. И продолжала работать, пока мне не был поставлен диагноз, заставивший меня изменить на всю жизнь режим питания, чтобы сохранить здоровье, – а я так любила поесть. Впервые мне пришлось познакомиться с больницами Соединенных Штатов. И много ездить. Ты понимаешь, что слишком много летаешь, когда начинаешь узнавать стюардесс. За 2016 год я пересекла Атлантический океан по меньшей мере 26 раз, трижды меняла квартиру и дважды – континент. Чувствовала себя птицей Феникс, только попавшей в цейтнот, когда нужно было срочно возродиться из пепла, и точка.

Одна из таких поездок была в Испанию: я выходила замуж. Тогда, за 48 часов до свадьбы, мне позвонила Ана Саэнс де Мьера и сообщила, что моя встреча с представителями группы компаний Samsung может состояться на следующий день. Я была в Барселоне, Samsung – в Мадриде, а свадьба – в Сигуэнсе. Перенести встречу было невозможно, потому что потом я сразу уезжала из Испании. Я успевала. Пришлось потратить 24 часа, преодолеть 700 километров и подготовить одну презентацию в маленьком арендованном автомобиле, прежде чем я очутилась в центральном офисе Samsung. Я покрасила к свадьбе волосы в синий цвет (но так совпало, что это был цвет логотипа компании Samsung). В тот день мы с Пако Ортигелой и Еленой Диас выложились по полной. В начале встречи я заявила, что выбрала такой цвет волос в честь компании Samsung, рискуя показаться неадекватным человеком. И только в конце встречи призналась, что причина – моя свадьба, которая была на следующий день.

Случались и другие абсолютно невероятные и действительно неповторимые моменты. В 2016 году королевская чета Испании присудила мне премию Фонда принцессы Жиронской. Во-первых, я поняла, что общество по достоинству оценивает такой напряженный труд, а во-вторых, впервые увидела, как плачут от нахлынувших эмоций мои родители, сидя рядом в зале, пока я на сцене получала эту награду. Кажется, я никогда раньше не видела их такими гордыми и такими счастливыми.

НЕ БОЯТЬСЯ РАССКАЗЫВАТЬ СНЫ

Через несколько месяцев Международная ассоциация дислексии вручила мне еще одну награду, очень для меня значимую, потому что она была от сообщества неврологов, психологов, психотерапевтов, педиатров, логопедов, специализирующихся на дислексии. Они могли дать эту премию кому-то из своей области, а присудили человеку со стороны, занимающемуся исследованиями на стыке лингвистики и информатики. Так я внезапно очутилась перед тремя тысячами совершенно незнакомых мне людей (в жизни не попадала в такую большую аудиторию, даже в качестве зрителя), и эта самая главная в мире дислексии организация поощрила наше исследование. Я даже не предполагала, что они в курсе того, чем мы занимаемся. Такая честь! Тогда, получая награду, я хотела выступить с кратким докладом об исследовании, но, увидев перед собой три тысячи человек, интуитивно поняла, что нужно быть максимально откровенной, хотя я никого из них не знала, и рассказать свой детский сон о белом конверте и дислексии (глава 1). У меня было только шесть минут, но мне удалось растрогать аудиторию до слез, и это в восемь часов утра! В тот день я решила, что больше не буду ни страшиться, ни стыдиться рассказывать о своих снах. Я перестала бояться делать это. В детстве я верила, что, если поведать кому-нибудь сон, он никогда не сбудется; теперь я знаю точно: если сном поделиться, найдутся люди, которые помогут сделать его явью.

Две недели назад, 14 декабря, после стольких усилий, в Мадриде наконец прошла публичная презентация инструмента Dytective, организованная совместно с представительством Samsung в Испании. На ней присутствовали волонтеры, участники исследования, – некоторых я видела впервые! – приехавшие из разных концов страны; меня поддерживала семья и старые друзья. Это был не день, а просто какой-то подарок! В зале царила атмосфера любви. Забыть такое невозможно. В тот же день из Фонда принцессы Жиронской меня пригласили в королевский дворец в Мадриде, чтобы рассказать о нашем исследовании королевской чете и остальным членам попечительского совета. Поскольку я только что провела две презентации и дала бессчетное количество интервью, мне пришлось буквально бегом добираться до места встречи. Никогда не забуду, как мы с представителем королевской службы протокола бежали по внутреннему двору и затем по мягким коврам пустынных залов дворца – он просто огромен. Еще не восстановив дыхание, я провела презентацию теста Dytective и воспользовалась моментом, чтобы поблагодарить короля за награду, врученную мне несколько месяцев назад, – и он ответил, что награда не идет ни в какое сравнение с нашим вкладом в развитие испанского общества. Надеюсь, он был прав, хотя… у меня складывается впечатление, что еще очень много предстоит сделать. Затем ко мне подошел один тактичный, воспитанный и очень щедрый человек, который предложил свою помощь. Мы не были знакомы, но на его визитке я прочитала: «Издательство Planeta». Я сказала ему, что хотела бы написать книгу о дислексии. Спасибо, Хосе Мануэль Лара, за то, что вы стояли у истоков этой книги.

МОЯ НОВОГОДНЯЯ РЕКЛАМА

И снова наступило 31 декабря. Ровно год назад в этот же день я приземлилась, как и сейчас, именно в Нью-Йорке. Но на сей раз моя фотография не красовалась на обложке газеты El País (вы себе не представляете, какое это облегчение), и речь уже идет не о предстоящем исследовании, а о найденном решении – пусть пока с ограничениями, но уже доступном всем. И рекламный щит приложения Dytective возвышается прямо сейчас над площадью Кальяо в Мадриде, да еще и в Рождество. оно рекламируется в прессе, в интернете, в кинотеатрах и на главных телевизионных каналах (!!!) благодаря представительству Samsung в Испании и Альфонсо Фернандесу с его командой. Скажу своим коллегам в лаборатории, что рекламу нашего исследования разместили даже в испанской версии журнала Times Square.

Когда я была маленькой, после того как мы по традиции съедали 12 виноградин в новогоднюю ночь, мама всегда говорила примерно так: «Вот сумасшедшие! Запускают свою рекламу сразу после виноградин, это же самое дорогое время в году!» И неожиданно именно в этот момент на экране появилась реклама Dytective. Я даже не осмеливалась мечтать тогда, что двадцать лет спустя, среди первых рекламных роликов года, после виноградин появится реклама Dytective для всех. По расчетам Samsung, эта рекламная кампания должна была охватить почти 50 % населения Испании. В прошлом году я думала, что мне осталось пробежать спринтерскую дистанцию, а оказалось, меня ждал целый марафон. Сегодня я знаю, что это долгий путь – и я нахожусь в самом его начале.

То были годы без отпусков, без выходных, но теперь мне кажется, что всё было не зря. Наша главная цель – добиться, чтобы дислексия перестала быть скрытой проблемой и чтобы все люди, независимо от ситуации, в которой они оказались, смогли преодолеть трудности.

Спасибо всем, кто прошел этот путь вместе со мной, и тем, кого мне еще предстоит на нем встретить. Поздравляю всех с Новым годом! Пусть в следующем году у нас найдется время не только для работы, но и для праздника!

«Не нужно толковать сны, нужно делать их явью».

Эта фраза стала девизом компании Change Dyslexia и, как и всё остальное, возникла в результате коллективного творчества совместно с семьями, присоединившимися к исследованию в самом начале, в 2010 году, когда на одном из круглых столов мы дали задание описать, что значит для них Change Dyslexia.

Обнимаю вас…

СВОДНАЯ СХЕМА К ГЛАВЕ 3

Материалы:

– Как сообщить ребенку, что у него дислексия?

– Письмо мальчика или девочки своим одноклассникам

Выявление признаков дислексии должно быть доступно абсолютно всем, включая членов семей, психотерапевтов, учителей и преподавателей. Это было нашей целью, и мы шли к ней последние четыре года. В данной главе описывается исследование, приведшее к созданию первого скрининг-теста на дислексию, в котором машинное обучение сочетается с заданиями, представленными в виде лингвистических игр для выявления риска дислексии.

МАШИННОЕ ОБУЧЕНИЕ

Машинное обучение – это научная дисциплина (подраздел искусственного интеллекта), исследующая алгоритмы, которые могут усваивать данные и составлять прогнозы. В результате появляется программа-алгоритм, называемая моделью; она способна обобщать действия на основе информации, предоставляемой в виде примеров.

Машинное обучение применяется не только для классификации последовательностей ДНК или дизайна самоуправляемых автомобилей. Большинство из нас ежедневно пользуется приложениями, содержащими модели машинного обучения, – возможно, даже не догадываясь об этом. Например, за поисками на сайте или за электронным переводом всегда стоит машинное обучение. Мы можем загрузить фотографию, и специальная программа проведет распознавание лица и установит, кто изображен на снимке. Подобный процесс происходит, когда мы набираем текстовое сообщение, а мобильный телефон с помощью алгоритма предиктивного ввода текста подсказывает нам нужные слова. Но как же это работает? Машины не обучаются осознанно, как человек. Машина «учится» на множестве примеров, в процессе их классификации. Так, если ребенок увидел книгу в первый раз в жизни, то, независимо от названия, размера или цвета, он, не раздумывая, назовет «книгой» следующую, увиденную им. В отличие от него машине понадобится проанализировать десятки тысяч фотографий разнообразных книг, чтобы не ошибиться.

Есть два основных вида машинного обучения: с учителем и без учителя, в зависимости от того, как машина осваивает информацию. Способ «без учителя» менее распространен, в нем задействованы неразмеченные данные, а машине предоставляется возможность самой проводить поиск шаблонов на базе собственного анализа. Этот метод используется среди прочего в сфере продаж для выбора потенциальных клиентов.

Метод «с учителем» применяется чаще. В этом случае примеры, на которых учится машина, заранее классифицируются и наполняются информацией (размечаются) человеком. Например, в одном исследовании, проведенном в 2017 году, было использовано 130 тысяч снимков повреждения кожи, подтвержденных результатами биопсии и демонстрирующих более двух тысяч различных заболеваний, разделенных на классы с применением профессиональных знаний человека (Esteva и др. 2017). Эти данные послужили для настройки алгоритма глубокого машинного обучения, и классификация, которую в итоге осуществлял алгоритм, была сопоставима с результатом работы 21 профессионального дерматолога. В будущем планируется сделать такой метод совместимым с электронными устройствами, чтобы можно было делать прогнозы прямо с мобильного телефона.

ВЫЯВЛЕНИЕ ДИСЛЕКСИИ С ПОМОЩЬЮ МАШИННОГО ОБУЧЕНИЯ

Техники машинного обучения широко используются в медицинской диагностике (Kononenko 2001). Впервые они были применены для выявления дислексии именно в нашем совместном с Мигелем Бальестеросом исследовании в 2015 году (тогда мы работали в Университете Помпеу Фабра). Исходили мы из данных, полученных с помощью айтрекинга в ходе экспериментов, проводимых с 2010 по 2014 год; они подробно описаны в главе 2 (Rello, Ballesteros 2015). Модель обучалась на выборке из 1135 образцов чтения, зарегистрированных устройством слежения за взглядом. В эксперименте участвовало 97 человек (примерно половина из них с дислексией), чьим родным языком являлся испанский. Модель использует бинарный линейный классификатор, основанный на методе опорных векторов (support vector machine, или SVM, согласно английской аббревиатуре) (Chang, Lin 2011), и достигает 80 % точности при использовании наиболее информативных переменных (характеристик). В данном случае наиболее пригодными для классификации переменными стали время чтения, средняя продолжительность фиксаций и возраст участника (Rello, Ballesteros 2015). Позже, в 2016 году, похожее исследование проводилось для носителей шведского языка с помощью методик окулографии и сходной модели машинного обучения на выборке из 185 участников. Достоверность его результатов составила 96 % (Benfatto и др. 2016).

ТЕСТ DYTECTIVE

Наш предыдущий эксперимент, проведенный с помощью айтрекинга, стал первым шагом, показавшим, что данные, сгенерированные тестируемыми, могут использоваться в сочетании с машинным обучением для прогнозирования дислексии (Rello, Ballesteros 2015). Тем не менее, с учетом слишком высокой стоимости аппаратов слежения за взглядом, такой метод не нашел практического применения и был недоступен в реальных условиях. Чтобы сделать техники машинного обучения при скрининговых тестах на наличие дислексии общедоступными, было проведено дополнительное исследование. В итоге на основе лингвистических игр был создан тест Dytective. Мы, сотрудники Института по изучению взаимодействия человека и компьютера, вместе с междисциплинарной командой, куда вошли инженеры, психологи, врачи, среди которых Мигель Бальестерос (IBM Watson, на тот момент сотрудник Университета Карнеги – Меллона), Джеффри П. Бигхем (Университет Карнеги – Меллона), Микель Серра (Университет Барселоны), Нэнси Кушен-Уайт (Университет Калифорнии, город Сан-Франциско), Энрике Ромеро (Политехнический университет Каталонии) и Абдулла Али (Вашингтонский университет), являемся лидерами в том, что касается дизайна и системы оценок данного теста, апробированного для носителей испанского (Rello и др. 2016) и английского (Rello и др. 2018) языков.

ДИЗАЙН КОНТЕНТА

Во-первых, были разработаны 219 заданий, сгруппированных в 32 комплекса упражнений. Поскольку ошибки людей с дислексией свидетельствуют об их индивидуальных трудностях (Afonso, Suárez-Coalla, Cuetos 2015), при подготовке заданий принимались во внимание результаты эмпирического анализа ошибок, допущенных дислексиками. Мы постепенно накапливали их и анализировали как с визуальной, так и с лингвистической точки зрения совместно с Рикардо Баэса-Йейтсом и Хоакимом Листерри (глава 1) (Rello, Baeza-Yates, Llisterri 2017).

Во-вторых, эти задания состоят из лингвистических упражнений и заданий на внимание, ориентированных на разные виды знаний и когнитивных процессов, связанных с чтением. Принимались во внимание различные лингвистические компетенции: буквенная, фонетическая (фонологическая осведомленность), слоговая, лексическая, морфологическая, синтаксическая, семантическая и орфографическая. А также учитывались и другие факторы, связанные с дислексией, такие как перцептивные процессы зрительного или слухового различения и категоризации; зрительная рабочая, последовательно-зрительная, слуховая и последовательно-слуховая виды памяти; и, наконец, регуляторные функции, основой которых является устойчивое, избирательное и распределенное внимание. Чтобы убедиться, что используется нейтральный вариант испанского языка, упражнения были проверены лингвистами Аргентины, Чили, Колумбии и Испании. Кроме того, каждое задание было одобрено междисциплинарной группой специалистов, в которую входили психологи, педиатры, логопеды, лингвисты и специалисты по взаимодействию человека и компьютера. Наконец, для обеспечения правильного слухового различения и категоризации, упражнения были озвучены профессиональной актрисой.

На последнем этапе мы провели серию повторных экспериментов с целью убедиться в том, что на самом деле действия разных групп существенно различаются при выполнении заданий на опытном образце Dytective. Например, во время исследования, произведенного на выборке из сорока участников – носителей испанского языка от 7 до 10 лет, из которых у двадцати не было дислексии (средний возраст – 8,6 года), а у двадцати стоял этот диагноз (средний возраст тот же), наблюдались значительные различия между обеими группами при всех зависимых переменных (р < 0,001) (Rello и др. 2015). В статистических целях можно провести тест, чтобы понять, насколько варьируют значения одной переменной. Если вероятность их равенства составляет 0,05 (р-значение) или меньше, это свидетельствует о существенном отличии. В дальнейшем, чтобы подтвердить жизнеспособность модели, была проведена оценка с помощью метода линейного машинного обучения и последующего составления прогнозов на ограниченной выборке из 343 участников; при этом показатель достоверности составил 80 % (Rello и др. 2016).

После получения предварительных результатов в рамках этого подхода, под эгидой Университета Карнеги – Меллона было осуществлено широкомасштабное исследование, целью которого было собрать достаточное количество данных для обучения другой, более актуальной модели машинного обучения, использующей рекуррентные нейронные сети. Описание данной модели приводим ниже.

ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДИКА

Участники

О наборе участников с дислексией мы объявили через всевозможные средства массовой информации, и призыв был услышан в центрах и ассоциациях дислексии. В требованиях к кандидату указывалось, что он должен иметь диагноз «дислексия», поставленный профильным специалистом. Участники без дислексии набирались в школах среди детей, имевших высокие оценки по родному языку.

Чтобы не дискриминировать участников в школах, к исследованию были привлечены более десяти тысяч человек, но только 4039 из них в возрасте от 7 до 75 лет соответствовали критериям набора. Для всех испанский был родным языком. Испытуемых с диагнозом «дислексия» оказалось 469 (230 женщин, 239 мужчин). Возрастной диапазон колебался от 7 до 54 лет (средний возраст – 14,6 года). В группе участников без дислексии насчитывалось 3570 человек (1835 женщин, 1735 мужчин) от 7 до 75 лет (средний возраст – 12,6 года). В результате в исследовании были задействованы 104 учреждения из Аргентины, Чили, Колумбии, Испании и Соединенных Штатов, среди них три университета, 64 школы (начальные и средние), 22 медицинских центра, специализирующихся на дислексии, 11 ассоциаций родителей и четыре фонда. В каждом из них было не менее одного прошедшего специальную подготовку наблюдателя для контроля за соблюдением протокола исследования.

Зависимые единицы измерения

Для того чтобы количественно оценить продуктивность работы участников, были отобраны зависимые единицы измерения по каждому заданию: 1) количество кликов; 2) количество правильных ответов; 3) количество неправильных ответов; 4) набранные баллы, то есть сумма баллов за правильные ответы на весь комплекс упражнений; 5) точность (количество правильных ответов, деленное на количество кликов); 6) коэффициент погрешности (количество неправильных ответов, деленное на количество кликов).

Данные

В нашем распоряжении было 4039 участников (469 из них с диагнозом «дислексия») для обучения и оценки статистической модели. На каждого участника мы составили, в общей сложности, 196 характеристик. Они включали возраст, пол, наличие билингвизма, наличие неудовлетворительных оценок по родному языку в школе. Остальные 192 характеристики представляли собой зависимые единицы измерения, полученные в процессе выполнения испытуемыми 32 заданий в одной и той же последовательности (каждая из шести зависимых единиц измерения, перечисленных выше). Поскольку участников без дислексии было гораздо больше, мы произвольно разделили их на восемь групп пропорционально полу и возрасту, используя стратифицированный отбор. Затем мы случайным образом выбрали одну из них и присоединили ее к участникам с дислексией, получив в итоге выборку из 915 человек от 7 до 70 лет (средний возраст – 13,7 года), из которых у 469 была дислексия (51,3 %), а 460 были женского пола (50,3 %). Это значит, что данные были прекрасно сбалансированы по этим двум показателям.

РЕЗУЛЬТАТЫ

Модель использует алгоритм машинного обучения, основанный на деревьях решения. Деревья решения – это каскад вопросов (например, женщина ли это, моложе ли девяти лет), которые идут в определенной последовательности, и на завершающем вопросе делается заключение, есть у человека дислексия или нет (Rello, Ballesteros 2017; Rello и др. 2018). Итоговая модель представляет собой сотни деревьев (называемых «случайный лес», англ. Random Forest), каждое из которых составляет прогноз, а затем выдается наиболее типичный ответ (решение), основанный на максимальном количестве случаев. Кроме того, более серьезной ошибкой считается пропустить наличие дислексии, чем найти дислексию там, где ее нет; цена такой ошибки выше приблизительно на 20 %.

Для определения эффективности алгоритма использовалась кросс-валидация по 10 блокам. При этом данные делятся на 10 групп и проводятся 10 экспериментов таким образом, что в каждом из них одна из групп служит для тестирования модели, а девять остальных – для ее обучения. Эффективность составила 80 % (730 правильных экземпляров из 915). Принимая во внимание возраст участников, мы использовали меньше данных, и оказалось, что чем моложе участники, тем эффективнее работает модель.

Чтобы понять принцип действия данных моделей, проводится анализ на специфичность и чувствительность. Специфичность (англ. recall) указывает на способность нашего теста прогнозировать отсутствие дислексии в случаях, когда у человека действительно нет дислексии, – то есть правильно идентифицировать количество людей без дислексии (то же самое относится и к людям с дислексией). Чувствительность (точность) относится к способности теста прогнозировать отсутствие дислексии в случаях, когда у человека действительно нет дислексии, – то есть правильно идентифицировать пропорцию людей без дислексии относительно общего количества таких людей по прогнозу алгоритма (то же самое относится и к людям с дислексией). Для дислексиков специфичность модели составила 0,76 и точность – 0,83, тогда как у участников без дислексии специфичность была 0,83 и точность – 0,77.

Как уже отмечалось ранее, последствия ошибок алгоритма неравнозначны, так как не предсказать наличие дислексии у ребенка, у которого она есть, гораздо критичнее с точки зрения социальных последствий, чем посоветовать ребенку без дислексии обратиться к специалисту. Второй ребенок выйдет после консультации удовлетворенным, потому что у него ничего не обнаружат. Следовательно, на практике лучше использовать более специфическую модель для людей с дислексией, стараясь при этом не снижать уровень точности для людей без дислексии. На данный момент собрано больше данных для усовершенствования модели и повышения ее эффективности (в версии 2.0 теста Dytective).

СОЦИАЛЬНЫЙ ЭФФЕКТ И ГЕОГРАФИЯ ДИСЛЕКСИИ

С момента появления 15 месяцев назад теста Dytective им воспользовались 130 000 раз в 57 странах. Одновременно тест был официально проведен в 40 государственных школах Автономного сообщества Мадрид, а в 2018 году он планируется еще в 100 государственных школах.

Недавно методика теста Dytective, разработанного на испанском языке, была адаптирована для английского, с учетом особенностей проявления дислексии в этом языке, на основе лингвистического анализа ошибок английских пользователей (Rello и др. 2018). Нами было предпринято исследование с участием 267 детей и взрослых в трехчастных школах Соединенных Штатов, чтобы обучить статистическую модель, составляющую прогнозы наличия или отсутствия дислексии у читателей с помощью игровых методик. Эта модель использует технику, описанную в предыдущем разделе, и добивается 77 % точности, поскольку оперирует меньшим количеством данных. Для категории людей с дислексией специфичность составляет 0,83 и точность – 0,74, в то время как для участников без нее специфичность равняется 0,71, а точность – 0,78. Самые точные прогнозы помогли составить задания или игры, ориентированные на такие когнитивные навыки, как буквенная компетенция, фонологическое осознание, зрительное и слуховое различение и категоризация. Речь идет о первом варианте, который продемонстрировал жизнеспособность подобного подхода для языков со сложной орфографией, как, например, английский.

В настоящее время, совместно с Энрике Ромеро (Политехнический университет Каталонии), Хоакимом Листерри (Автономный университет Барселоны), педиатрами Госпиталя города Лерида Мартой Ортега Браво, Хосе Луисом Крус Кубельсом, Лидией Санс Боррель, Рамоном Капдевила Бертом и Советом города Лерида мы начинаем работать над созданием теста Dytective на каталонском языке, анализируя с лингвистической точки зрения более 2000 ошибок на письме, допущенных детьми с дислексией, чтобы затем извлечь лингвистические шаблоны и создать первую версию заданий теста.

И наконец, в сотрудничестве с Марией Раушенбергер, Рикардо Баэса-Йейтсом, Эмилией Гомес (Университет Помпеу Фабра) и Джеффом Бигхемом (Университет Карнеги – Меллона) мы проводим исследование, чтобы выяснить, могут ли элементы, не связанные с языком, например музыкальные или визуальные, служить для выявления дислексии на раннем этапе, когда дети еще не умеют читать и писать. Значительные расхождения в результатах у групп с дислексией и без нее на немецком, испанском и английском языках говорят о том, что подобный подход имеет право на существование (Rauschenberger и др. 2017; Rauschenberger и др. 2018).

КРАТКОЕ СОДЕРЖАНИЕ

Основные положения

• Некоторые алгоритмы искусственного интеллекта способны обобщать действия, исходя из множества данных, приводимых в виде примеров. Применение подобных алгоритмов дает возможность выявить риск наличия дислексии, как это происходит в других сферах (например, в медицине).

• Ошибки дислексиков указывают на их специфические трудности. А поведение людей с дислексией и без нее значительно различается в момент выполнения лингвистических заданий. Данная информация используется как база для обучения статистической модели теста Dytective.

• Эффективность существующей модели для теста Dytective составляет 80 % в испанской версии и 77 % – в английской.

• В случае дислексии подобный подход полезен в качестве скринингового обследования. Он не является заменой профессиональной дифференциальной диагностики.

МАТЕРИАЛЫ

1. КАК СООБЩИТЬ РЕБЕНКУ, ЧТО У НЕГО ДИСЛЕКСИЯ?

Во-первых, скажи спасибо, что это дислексия, а не более серьезная проблема. Дислексию можно преодолеть, если над этим работать и если будет оказана необходимая помощь. За восемь лет исследования – хотя это не так уж и много – я повидала в лаборатории семьи с маленькими детьми и с подростками, действительно казавшимися безнадежными, а теперь они занимаются тем, чем всегда мечтали.