Skip to main contentSkip to footer
Progetti

Anastasis Ridinet

Analizzare i dati per aiutare bambini con disturbi dell'apprendimento ed altri bisogni educativi speciali.
Finanziamento: IFAB for PMI
Tecnologia abilitante: Big Data Analytics

Obiettivi di sviluppo sostenibile

Il progetto esamina i dati di alcuni esercizi di lettura sulla piattaforma RIDInet per la teleriabilitazione integrata (in presenza e a distanza) dei disturbi dell’apprendimento e di altri Bisogni Educativi Speciali. Gli esercizi sono parametrizzati dai clinici in base al profilo neuropsicologico dei bambini e vengono svolti sia in studio che a casa sotto la supervisione di un adulto. I bambini scelgono i brani da leggere da un’ampia biblioteca: la lettura avviene in modalità guidata dal software evidenziando la singola unità di lettura (grafema, sillaba, parola), al ritmo naturale del bambino o a una velocità prestabilita. Nel corso del trattamento, i medici monitorano a distanza i progressi del bambino e possono modificare di conseguenza i parametri di prestazione.

Obiettivi

L’obiettivo è effettuare l’analisi dei dati ricavati durante esercizi di lettura di ragazzi con disturbi dell’apprendimento ed altri bisogni educativi speciali. Per l’analisi, si confronteranno le curve di apprendimento per verificare se ci sono modifiche ai parametri che predicono il massimo e più rapido miglioramento.

Sfida iniziale

Provare a comprendere in modo più dettagliato i diversi profili di velocità ed accuratezza di lettura e le relative curve di apprendimento.

Soluzione

La misurazione dei dati include:

  • Velocità: viene calcolata in base al tempo di lettura del testo ed è espressa in sillabe/secondo. La prima velocità di ogni individuo è calcolata dal clinico con un test iniziale accurato.
  • Accuratezza: definita come la percentuale di sillabe lette correttamente, il numero di sillabe errate viene segnato dal genitore.
  • Successo: evento che si verifica quando sia la velocità che l’accuratezza sono superiori all’obiettivo impostato dal clinico.

Per ottimizzare la logica dell’incremento autoadattivo, le soluzioni sono:

  • coinvolgere esperti clinici per suggerimenti
  • analizzare anche la modalità manuale, in cui la velocità non è influenzata dalle impostazioni del clinico
  • inserire l’età degli individui perché da questa si può risalire alla patologia grazie al confronto tra velocità di lettera iniziale e distribuzione statistica dei bambini
  • Inserire PND (percentage of non-overlapping data) nell’analisi
  • poter mettere una visualizzazione grafica dei parametri nella schermata del clinico

Benefici

Il progetto fornisce informazioni importanti per sviluppare curve dell’apprendimento dettagliate e calibrare i livelli di difficoltà di lettura per supportare l’apprendimento dell’individuo.

Partners

Rispetto della privacy nel processo di estrazione ed elaborazione dei dati

Tutti i dati che sono stati estratti e che hanno concorso al processo di elaborazione e analisi, sono stati trattati nel pieno rispetto dell’art. 13 del GDPR (Regolamento generale sulla protezione dei dati) UE 2016/679. Nell’informativa sul trattamento dei dati, che è stata sottoposta ai genitori dei pazienti presi in carico attraverso la piattaforma di teletrattamento RidiNet, è stato richiesto un esplicito e apposito consenso per l’eventuale elaborazione dei dati ai fini della ricerca statistica ed epidemiologica. I dati sono stati trattati in forma rigorosamente anonima e in modalità aggregata. Per ogni altra informazione dei dati da parte del servizio RidiNet, si può visitare la seguente pagina web: https://privacy.ridinet.it/

 

Per informazioni rivolgersi a: projects@ifabfoundation.org

Altri progetti in ambito Salute e prevenzione