Utilização de Modelos Computacionais Baseados em Classificadores Para Predição da Dislexia em Crianças
Abstract
Dyslexia is one of the most common learning difficulties in classrooms. Thus, the study aimed to classify children with or without dyslexia through the application of Computational Intelligence (CI) techniques. The methodology used a public database and the application of neural architectures, Multilayer Perceptron (MLP), Radial Basis Function (RBF) and Extreme Learning Machine (ELM) and statistical classifiers, Support Vector Machine (SVM), Random Forest (RF) and K-Nearest Neighbors (K-NN), as well as k-fold, SMOTE and z-score normalization techniques. The results showed that the SVM classifier had the best average hit rate with 98.03% accuracy.
References
Araujo, M. D. A., Moreira, L. Y. M. R., and de Brito, R. X. (2019). Modelo computacional com fuzzy como recurso auxiliador na predição da esquizofrenia em adultos. In Anais da VII Escola Regional de Computação Aplicada à Saúde, pages 199–204. SBC.
Assis, A. D., Coutinho, T. M., Torres, L. C., and Braga, A. P. (2019). Filtragem linear e abordagem geométrica baseada em grafos para o ajuste de parâmetros e redução de complexidade de redes neurais rbf.
Asvestopoulou, T., Manousaki, V., Psistakis, A., Smyrnakis, I., Andreadakis, V., Aslanides, I. M., and Papadopouli, M. (2019). Dyslexml: Screening tool for dyslexia using machine learning. arXiv preprint arXiv:1903.06274.
Brito, D. and Ling, L. L. (2019). Hand vein biometric recognition approaches based on wavelet, svm, artificial neural network and image registration. Inteligencia Artificial, 22(63):101–120.
Caldas, G., Maia, E. J. Q., Lima, N. C. d. A., et al. (2020). Rede mlp para auxílio ao diagnóstico do transtorno do espectro autista em crianças e adolescentes. Anais do Encontro de Computação do Oeste Potiguar ECOP/UFERSA (ISSN 2526-7574), (4).
Cândido, E. d. C. (2013). Psicopedagogia para a dislexia nas séries iniciais do ensino fundamental. Especialização em Psicopedagogia. Universidade Cândido Mendes. Rio de Janeiro: RJ.
Ceravolo, I., Brasil, A., and Komati, K. (2019). Classificação de dislexia a partir de movimentos oculares durante a leitura usando aprendizado de máquina e wavelets. In Anais do XVI Encontro Nacional de Inteligência Artificial e Computacional, pages 880–891. SBC.
de Alvarenga Júnior, W. J. (2018). Métodos de otimização hiperparamétrica: um estudo comparativo utilizando árvores de decisão e orestas aleatórias na classificação binária.
de Brito, R., Fernandes, C. A., and de Sousa Ximenes, J. (2020a). Avaliação de rnas durante treinamento supervisionado para classificação de adolescentes com autismo. In Anais da VIII Escola Regional de Computação do Ceará, Maranhão e Piauí, pages 53–60, Porto Alegre, RS, Brasil. SBC.
de Brito, R. X., Fernandes, C. A. R., and Amora, M. A. B. (2020b). Análise de desempenho com redes neurais articiais, arquiteturas mlp e rbf para um problema iSys-Revista Brasileira de Sistemas de de classificação de crianças com autismo. Informação, 13(1):60–76.
de Oliveira, L. F. d. R. (2017). Comparação de Desempenho Entre os Modelos Neurais Ágeis ELM e WISARD. PhD thesis, Universidade Federal do Rio de Janeiro.
Deuschle, V. P. and Cechella, C. (2009). O décit em consciência fonológica e sua relação com a dislexia: diagnóstico e intervenção. Revista Cefac, 11:194–200.
Enriquez, A. R. S. et al. (2020). Diagnóstico de falhas em transformadores de potência através de análise de gases dissolvidos usando rede neural articial.
Jerônimo, S. D. and Duarte, F. J. (2016). Dificuldade de aprendizagem: A importância do fazer do professor para inclusão do aluno disléxico. Editora Realize.
Mendes, H. M. D., Mendes, N. R. S., and Soares, J. C. (2021). Dislexia: Dificuldades de aprendizagem - um olhar sobre a dislexia. RECIMA21-Revista Científica Multidisciplinar-ISSN 2675-6218, 2(3):337–350.
Pain, S. (2012). Diagnóstico e tratamento dos problemas de aprendizagem. In Diagnóstico e tratamento dos problemas de aprendizagem, pages 85–85.
Assis, A. D., Coutinho, T. M., Torres, L. C., and Braga, A. P. (2019). Filtragem linear e abordagem geométrica baseada em grafos para o ajuste de parâmetros e redução de complexidade de redes neurais rbf.
Asvestopoulou, T., Manousaki, V., Psistakis, A., Smyrnakis, I., Andreadakis, V., Aslanides, I. M., and Papadopouli, M. (2019). Dyslexml: Screening tool for dyslexia using machine learning. arXiv preprint arXiv:1903.06274.
Brito, D. and Ling, L. L. (2019). Hand vein biometric recognition approaches based on wavelet, svm, artificial neural network and image registration. Inteligencia Artificial, 22(63):101–120.
Caldas, G., Maia, E. J. Q., Lima, N. C. d. A., et al. (2020). Rede mlp para auxílio ao diagnóstico do transtorno do espectro autista em crianças e adolescentes. Anais do Encontro de Computação do Oeste Potiguar ECOP/UFERSA (ISSN 2526-7574), (4).
Cândido, E. d. C. (2013). Psicopedagogia para a dislexia nas séries iniciais do ensino fundamental. Especialização em Psicopedagogia. Universidade Cândido Mendes. Rio de Janeiro: RJ.
Ceravolo, I., Brasil, A., and Komati, K. (2019). Classificação de dislexia a partir de movimentos oculares durante a leitura usando aprendizado de máquina e wavelets. In Anais do XVI Encontro Nacional de Inteligência Artificial e Computacional, pages 880–891. SBC.
de Alvarenga Júnior, W. J. (2018). Métodos de otimização hiperparamétrica: um estudo comparativo utilizando árvores de decisão e orestas aleatórias na classificação binária.
de Brito, R., Fernandes, C. A., and de Sousa Ximenes, J. (2020a). Avaliação de rnas durante treinamento supervisionado para classificação de adolescentes com autismo. In Anais da VIII Escola Regional de Computação do Ceará, Maranhão e Piauí, pages 53–60, Porto Alegre, RS, Brasil. SBC.
de Brito, R. X., Fernandes, C. A. R., and Amora, M. A. B. (2020b). Análise de desempenho com redes neurais articiais, arquiteturas mlp e rbf para um problema iSys-Revista Brasileira de Sistemas de de classificação de crianças com autismo. Informação, 13(1):60–76.
de Oliveira, L. F. d. R. (2017). Comparação de Desempenho Entre os Modelos Neurais Ágeis ELM e WISARD. PhD thesis, Universidade Federal do Rio de Janeiro.
Deuschle, V. P. and Cechella, C. (2009). O décit em consciência fonológica e sua relação com a dislexia: diagnóstico e intervenção. Revista Cefac, 11:194–200.
Enriquez, A. R. S. et al. (2020). Diagnóstico de falhas em transformadores de potência através de análise de gases dissolvidos usando rede neural articial.
Jerônimo, S. D. and Duarte, F. J. (2016). Dificuldade de aprendizagem: A importância do fazer do professor para inclusão do aluno disléxico. Editora Realize.
Mendes, H. M. D., Mendes, N. R. S., and Soares, J. C. (2021). Dislexia: Dificuldades de aprendizagem - um olhar sobre a dislexia. RECIMA21-Revista Científica Multidisciplinar-ISSN 2675-6218, 2(3):337–350.
Pain, S. (2012). Diagnóstico e tratamento dos problemas de aprendizagem. In Diagnóstico e tratamento dos problemas de aprendizagem, pages 85–85.
Published
2021-11-23
How to Cite
SOUSA, Ronieri Nogueira de; SOUSA, Roney Nogueira de; BRITO, Rhyan Ximenes de; XIMENES, Janaide Nogueira de Sousa.
Utilização de Modelos Computacionais Baseados em Classificadores Para Predição da Dislexia em Crianças. In: UNIFIED COMPUTING MEETING OF PIAUÍ (ENUCOMPI), 14. , 2021, Picos.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 113-119.
DOI: https://doi.org/10.5753/enucompi.2021.17761.
