Blickbewegungen beim Lesen bei der Identifizierung von Lesestörungen - Potenziale von Eye-Tracking in der KI-gestützten Diagnostik
Zielsetzung: Ziele dieses Scoping Reviews (SR) sind die Untersuchung der Potenziale von Eye-Tracking als Messmethode und die Analyse der Aussagekraft von Blickbewegungen für die Entwicklung von Lesestörungen (LS). Außerdem wird die Relevanz der Augenbewegungsdaten in der Lesediagnostik, die sich auf künstlich intelligente (KI) Systeme stützt, evaluiert. Hintergrund: Die Leseleistungen von Kindern in Deutschland nehmen immer weiter ab. Die Qualität der aktuell hierzulande zur Verfügung stehenden Methoden der Lesediagnostik ist beschränkt. Vor dem Hintergrund des bekannten Zusammenhangs zwischen LS und auffälligen Blickbewegungen während des Lesens steigt die Anzahl an Forschungsarbeiten, die Eye-Tracker als Erhebungsinstrumente prüfen. In Anbetracht der zunehmenden Möglichkeiten von KI, stellen Algorithmen, die mit Blickbewegungsdaten trainiert werden, eine vielversprechende Option dar, Kinder mit LS zu identifzieren, damit das Vorgehen in der Lesediagnostik zu erleichtern und die Früherkennung von LS zu verbessern. Eine Erfassung und Bewertung des derzeitigen Forschungsstandes soll die Potenziale von Eye-Tracking in der KI-gestützten Lesediagnostik aufzeigen. Methode: Das methodische Vorgehen erfolgt in Anlehnung an die Empfehlungen von PRISMA für SR. Im Zeitraum von Dezember 2023 bis März 2024 wurde eine systematische Literaturrecherche innerhalb der Datenbanken PubMed, CI-NAHL, Cochrane Library, Fachportal Pädagogik und PubPsych sowie eine anschließende Suche in der Suchmaschine Google Scholar durchgeführt. Ergebnisse: Es wurden 12 Studien in das Review einbezogen. Alle Artikel beschäftigen sich mit Daten von Kindern mit LS, die aus Eye-Tracking ba-sierten Untersuchungen hervorgehen. Der primäre Fokus der Studien liegt auf der Untersuchung der Blickbewegungen sowie auf der Prüfung von de-ren Aussagekraft für die KI-gestützte Identifikation von LS. Die Aussagekraft der Bewegungen wurde anhand signifikanter Werte aufgezeigt. Zudem wurde der Beitrag dieser Bewegungen für die KI-gestützte Lesediagnostik unter anderem durch Kennzahlen zur Evaluation der Leistung der dort ver-wendeten KI-Systeme beleuchtet. Schlussfolgerungen: Das Eye-Tracking stellt eine Möglichkeit dar, die Blickbewegungen genau zu erfassen. Die hohe Aussagekraft der Bewegungen weist auf die Potenziale des Eye-Tra-ckings hin, zur Entwicklung der KI-gestützten Lesediagnostik beizutragen. Für die zukünftige Umsetzung dieser sind die Grenzen des Eye-Trackings als Messmethode und die Nachteile künstlich intelligenter Systeme zu be-rücksichtigen. Zukünftige Arbeiten sollten die Relevanz der Blickbewegun-gen im Vergleich zu anderen diagnoserelevanten Merkmalen untersuchen.
Schlüsselwörter: Eye-Tracking, Blickbewegungen, Lesestörung, Maschinelles Lernen, Künstliche Intelligenz
Objective: One aim of this scoping review (SR) is to investigate the potentials of eye-tracking as a measuring method. Another focus is the examination of the significance of eye movements for the development of dyslexia. Moreover, the usability of this data in reading diagnostic that is supported by Artificial Intelligence (AI) is an aspect to be explored. Background: The quality of the currently available diagnostic methods for dyslexia is limited. Because of the known connection between reading disorders and conspicuous eye movements during reading, research work investigating eye-trackers as measurement tools is increasing. Considering the possibilities of AI, algorithms, which are trained on eye movement data, are seen as a promising possibility to identify dyslexia more easily and to improve the current tools of the reading diagnostics. A survey of the current state of literature is aiming to show the potentials of eye-tracking data in the AI-supported diagnostics of dyslexia. Methods: This work was initiated following the PRISMA Extension for SR. In the period from December 2023 to March 2024, a systematic literature search within the PubMed, CINAHL, Cochrane Library, Fachportal Pädagogik and PubPsych databases was performed. There was also some research done using the search engine Google Scholar. Results: The research ended in a review of 12 studies. Each study deals with data from children with dyslexia obtained from eye-tracking procedures. One central content of the selected literature is the analysis of those movements. Moreover, a main focus lays on evaluating the relevance of those features for the AI-supported identification of dyslexia. Their significance was shown by statistically relevant data. The meaning of eye movements for the AI-based identification was presented by metrics that show the performance of the AI-algorithms. Conclusions: Eye-Tracking is a possibility to record data of eye movements precisely. The high informative value of those motions indicates the potential of the device-supported measurement method, contributing to the development of algorithms for the AI-based identification of dyslexia. Fu-ture research should study the relevance of eye movements in comparison to other features which are important for the diagnosis. For a future implementation of the reading diagnostics that is supported by AI using eye move-ment data, limitations of eye-tracking as a measurement tool as well as the challenges in the use of AI should be taken into consideration.
Keywords: eye-tracking, eye movements, dyslexia, machine learning, artificial intelligence
Preview
Cite
Access Statistic
Rights
Use and reproduction:
