导读长期缺课会阻碍学生的教育,但自闭症儿童在得不到所需的专业教学和资源时特别容易落后。如果有一种方法可以找到缺勤模式并在学校管理人员成

长期缺课会阻碍学生的教育,但自闭症儿童在得不到所需的专业教学和资源时特别容易落后。

如果有一种方法可以找到缺勤模式并在学校管理人员成为一个更大的问题时举起旗帜怎么办?

宾厄姆顿大学两名教职员工最近发表在《自然》科学报告杂志 上的研究探讨了利用该大学儿童发展研究所(ICD) 的学生缺勤数据来确定每个学生的个人缺勤模式的想法。

ICD 由杰出服务教授 Raymond Romanczyk 于 1974 年创立,帮助地区有发育障碍的青少年。在这项研究中,Harpur 艺术与科学学院心理学系的Jennifer Gillis Mattson教授与Thomas J. Watson 工程学院系统科学与工业工程系的助理教授 Daehan Won合作分析了这些缺勤人数使用人工智能和深度学习。

一般学生的旷课会导致学习成绩差、人际关系困难、高风险行为增加、辍学和找不到可行的工作。根据 ICD 的 Gillis Mattson 的说法,发育障碍、ADHD(注意力缺陷/多动障碍)和自闭症的学生是慢性缺勤率最高的部分,但这些高比率的许多原因尚不清楚。副主任。错过课堂时间可能会破坏他们的教育进步和他们获得学校提供的一系列服务的机会,例如职业治疗。

Won 尝试了几种系统科学中使用的 AI 算法,以寻找可能预测未来缺勤时间的长期模式。这并没有完全按计划进行。

“我们做了一些初步分析,我们发现建立一个简单的出勤模型是不可能的,特别是对于自闭症学生,因为每个学生都有不同的模式错过学校,”Won 说。“即使是父母也无法预测他们的孩子。然而,我们有一个庞大的数据集,所以我们决定使用一些人工智能来为每个学生开发一个个性化的出勤模型,同时捕捉隐藏或复杂的模式。”

重新调整的目标是让人工智能和深度学习帮助学校管理人员确定学生缺勤何时达到专门为该学生设定的关键水平。理想情况下,这个过程应该是积极主动的,并在长期缺勤发生之前识别出风险,以便学校和家庭可以合作提高孩子的出勤率。

“当孩子们缺席时,我们什么时候开始认为这是一个真正的问题或模式?” 吉利斯·马特森说。“人类并不擅长检测这些。许多因素可能会造成影响,在对出勤率的担忧达到目前的行动门槛之前,延迟了我们回应和支持家庭的机会。”

为了进一步扩展他们的研究,Gillis Mattson 和 Won 将与其他学校联系,询问他们的缺勤记录,并查看他们的数据分析是否与他们在 ICD 上看到的数据相匹配以进行验证。他们还希望直接从家人那里收集更多信息,例如缺勤的原因和其他潜在因素,以及更好的人口统计资料。除了关于学校如何最好地识别和支持家庭的政策变化外,该数据收集可能会导致智能手机或平板电脑应用程序的开发,以便家长可以更轻松地报告信息。

Won 承认在开始与 Gillis Mattson 进行跨学科研究之前,他并不熟悉 ICD 的工作,但他很高兴有机会扩展他的知识。

“我学到了很多关于如何解决这些问题的知识,这对我来说是一个很好的机会来提高我的研究能力并展望一个新的领域,”他说。“我对我的学生们说了同样的话,他们一直在处理工业问题,现在我们知道了特殊教育物流以及为什么这是一个问题。”