Univerza v Ljubljani
Fakulteta za raˇ cunalniˇ stvo in informatiko Fakulteta za matematiko in fiziko
Katja Kunej
Razvoj namizne aplikacije za presejalni test disleksije
DIPLOMSKO DELO
INTERDISCIPLINARNI UNIVERZITETNI ˇSTUDIJSKI PROGRAM PRVE STOPNJE
RA ˇCUNALNIˇSTVO IN MATEMATIKA
Mentor : doc. dr. Jure ˇ Zabkar
Ljubljana, 2021
Copyright. Rezultati diplomske naloge so intelektualna lastnina avtorja in matiˇcne fakultete Univerze v Ljubljani. Za objavo in koriˇsˇcenje rezul- tatov diplomske naloge je potrebno pisno privoljenje avtorja, fakultete ter mentorja.
Besedilo je oblikovano z urejevalnikom besedil LATEX.
Kandidat: Katja Kunej
Naslov: Razvoj namizne aplikacije za presejalni test disleksije
Vrsta naloge: Diplomska naloga na interdisciplinarnem univerzitetnem pro- gramu prve stopnje Raˇcunalniˇstvo in matematika
Mentor: doc. dr. Jure ˇZabkar
Opis:
Disleksija je specifiˇcna uˇcna teˇzava, ki jo pri otrocih obiˇcajno najprej opa- zimo kot motnjo branja. Zaradi slabˇsega razumevanja besedila imajo otroci z disleksijo pogosto tudi druge uˇcne teˇzave, zato je zgodnje prepoznavanje znakov disleksije zelo pomembno za otrokov razvoj. Po predloˇzenih spe- cifikacijah implementirajte namizno aplikacijo za presejalni test disleksije.
Aplikacijo naj bo moˇzno uporabljati z napravo za sledenje pogledu. Zaledni del aplikacije naj administratorju omogoˇca osnovni pregled nad opravljenimi testi, starˇsem pa omogoˇci vizualizacijo rezultatov reˇsevanja nalog njihovega otroka.
Title: Implementation of a desktop application for dyslexia screening test Description:
Dyslexia is a specific learning disorder, which usually presents in children as a reading difficulty. Due to poor comprehension of the texts, children with dyslexia often struggle with other learning difficulties as well. Early detection of dyslexia is therefore very important for their development. Implement a desktop application for dyslexia screening test according to provided speci- fications. The application should support the use of an eye-tracking device.
The backend part of the application should provide the administrator with a basic overview of the performed tests, and offer parents a visual summary of their child’s achievements.
Zahvaljujem se mentorju, doc. dr. Juretu ˇZabkarju, za odzivnost in stro- kovno pomoˇc pri izdelavi diplomske naloge. Iskreno se zahvaljujem tudi moji druˇzini, prijateljem in fantu Roku za podporo in spodbudo v ˇcasu ˇstudija.
Kazalo
Povzetek Abstract
1 Uvod 1
2 Pregled literature 3
2.1 Disleksija . . . 3
2.2 Sledenje pogledu . . . 5
2.3 Sorodna dela . . . 7
3 Tehnologije 11 3.1 Python . . . 11
3.2 PyQt . . . 12
3.3 HTML in CSS . . . 13
3.4 JSON . . . 15
4 Aplikacija 17 4.1 Zaˇcetna stran . . . 19
4.2 Uvodna navodila . . . 20
4.3 Preizkus koncepta zaporedja . . . 20
4.4 Preizkus branja in bralnega razumevanja . . . 22
4.5 Preizkus fonoloˇskega zavedanja . . . 24
4.6 Preizkus delovnega spomina . . . 26
4.7 Preizkus glasnega branja . . . 29
4.8 Tiho branje s sledilcem pogledu . . . 30
4.9 Naˇcin za administratorja . . . 31
4.10 Izbor nalog . . . 32
4.11 Vizualizacija podatkov . . . 32
5 Ideje za nadaljnji razvoj 37
6 Zakljuˇcek 39
Literatura 41
Seznam uporabljenih kratic
kratica angleˇsko slovensko
HTML Hyper Text Markup Language jezik za oznaˇcevanje nadbese- dila
CSS Cascading Style Sheets kaskadne stilske podloge JSON JavaScript Object Notation JavaScript objektna notacija CSV comma-separated values vrednosti, loˇcene z vejico
Povzetek
Naslov: Razvoj namizne aplikacije za presejalni test disleksije Avtor: Katja Kunej
Precejˇsen deleˇz populacije se sooˇca z bralno-napisovalnimi teˇzavami med ka- tere sodi tudi disleksija. Opismenjevanje otrok s takˇsnimi teˇzavami se razvija drugaˇce kot pri otrocih brez teˇzav, ki navadno pri uˇcenju branja in pisanja hitreje napredujejo. Kljuˇcnega pomena bi bilo uˇcno teˇzavo kot je disleksija odkriti ˇcim prej, da se otroku dodeli ustrezna pomoˇc, saj drugaˇce otrok ne napreduje dovolj hitro. Kasneje pri ˇsolanju, ko uˇcenje branja in pisanja pre- ide v uˇcenje z branjem in pisanjem, predstavljajo omenjene motnje namreˇc ˇse veˇcji problem. Prepoznavanje disleksije je v zgodnjih letih, ko se otroci ˇsele priˇcnejo ˇsolati, teˇzko, saj mora posebnosti v teˇzavah opaziti uˇcitelj. Namen te diplomske naloge je razviti namizno aplikacijo za preverjanje sposobno- sti, ki so pri osebah z disleksijo obiˇcajno slabˇse razvite, s pomoˇcjo obdelave dobljenih podatkov pa bi naprej lahko razvili sistem za presejalni test disle- ksije. Kot rezultat naloge bo tudi osnovna vizualizacija dobljenih podatkov, s katero bodo otrok in ostali prisotni pri testiranju (starˇsi, uˇcitelji in/ali strokovnjaki) dobili vpogled v otrokovo reˇsevanje nalog.
Kljuˇcne besede: disleksija, presejalni test, sledenje pogledu, vizualizacija.
Abstract
Title: Implementation of a desktop application for dyslexia screening test Author: Katja Kunej
A significant proportion of population faces reading and writing difficulties, including dyslexia. Literacy of children with such difficulties develops differ- ently than in children without these problems, who usually progress faster in learning to read and write. It would be crucial to detect a learning problem such as dyslexia as early as possible in order to provide the child with appro- priate help, because otherwise the child is not progressing fast enough. Later in school, when learning to read and write is replaced by learning by reading and writing, these disorders represent an even bigger problem. Recognizing dyslexia in the early years, when children are just starting school, is difficult, as peculiarities of problems must be noticed by teachers. The purpose of this diploma thesis is to develop a desktop application for checking abilities that are usually less developed in people with dyslexia, and with the help of processing the obtained data we could further develop a screening system for dyslexia. As result of this diploma thesis will also be a basic visualization of the obtained data, with which the child and other present at the testing (parents, teachers and/or experts) will get an insight into the child’s solving of tasks.
Keywords: dyslexia, screening test, eye tracking, visualization.
Poglavje 1 Uvod
Disleksija je najbolj pogosta uˇcna teˇzava, ki se pojavlja pri otrocih in odraslih.
Ljudje z disleksijo imajo teˇzave tako pri branju kot pri pisanju, pa tudi pomnjenju in razvrˇsˇcanju stvari v vrstni red. Otroci s teˇzavo pri branju so ˇse bolj nagnjeni k temu, da manj berejo, saj jih le-to utruja, obenem pa jim daje nelagoden obˇcutek. To lahko vodi do izgube motivacije pri uˇcenju branja, izgube samozavesti in slabe samopodobe. Zaradi naˇstetega je izrednega pomena, da se uˇcno teˇzavo, kot je disleksija, prepozna dovolj zgodaj in se posamezniku nato dodeli pomoˇc ter prilagodi naˇcin uˇcenja, da mu omogoˇcimo napredek na njegovih ˇsibkih podroˇcjih. Neka ˇstudija je pokazala celo, da se priˇcakovan deleˇz otrok s teˇzavami pri branju z 12 % do 18 % zniˇza na 1,6 % do 6 %, ˇce se teˇzave prepozna dovolj zgodaj, recimo ˇze v prvem razredu [20].
Problem pri zgodnji diagnozi uˇcnih teˇzav kot je disleksija je, da mora uˇcitelj ali starˇs teˇzave najprej opaziti. To je v letih, ko otroci ˇsele priˇcenjajo z uˇcenjem branja in pisanja seveda teˇzko. ˇCe so teˇzave opaˇzene, je otrok napoten na diagnostiˇcno ocenjevanje v prisotnosti ustreznih strokovnjakov, ki na podlagi dolgotrajnega testiranja ocenijo, ali gre pri otroku res za disleksijo.
To seveda zahteva precej ˇcasa, saj lahko strokovnjaki naenkrat ocenjujejo le enega otroka, hkrati pa je postopek tudi utrujajoˇc za otroka.
Diagnostiˇcno ocenjevanje kot ˇze omenjeno vzame precej ˇcasa in zahteva 1
2 Katja Kunej prisotnost strokovno usposobljene osebe, zato so v nekaterih drˇzavah, kot so na primer Grˇcija, ˇSpanija, ˇSvedska in Savdska Arabija, ˇze razvili raˇcunalniˇske sisteme, ki jim na podlagi podatkov pridobljenih tudi s pomoˇcjo sledilca po- gledu med branjem besedil pomagajo osebo uvrstiti med ljudi z oz. brez dis- leksije. Tudi na Fakulteti za raˇcunalniˇstvo in informatiko je ˇze bila v sklopu ˇstudentskega projekta razvita aplikacija, ki uporablja sledilca pogledu, a smo se zaradi nekaterih pomanjkljivosti odloˇcili za razvoj nove. ˇZeleli smo nami- zno aplikacijo, katere vsebina ne bi bila tako strogo doloˇcena – s tem je miˇsljeno, da lahko posamezne naloge vkljuˇcimo v test ali pa ne, da lahko poljubno spreminjamo ali dodajamo besedila, primere nalog ali pa celo nove naloge. Poleg tega smo ˇzeleli, da bi nekatere nastavitve, predvsem glede uporabljene pisave, lahko spreminjal kar uporabnik aplikacije oz. nadzor- nik testiranja. Rezultat naj bi bila torej bolj fleksibilna, sicer pa preprosta aplikacija, ki bi jo v prisotnosti odrasle osebe znali uporabljati tudi otroci niˇzje starosti. Ko otroci reˇsijo posamezno nalogo vkljuˇceno v testiranje, se zgenerira poroˇcilo o njihovem reˇsevanju te naloge vkljuˇcno s ˇcasom reˇsevanja posameznega primera naloge, obenem pa se ustvarijo tudi videi za vsak pri- mer naloge, ki prikazujejo, kako je otrok med reˇsevanjem primera s pogledom spremljal vsebino na zaslonu. Naˇstete vizualizacije se otroku in ostalim pri- sotnim (npr. starˇsu) po ˇzelji lahko pokaˇzejo.
Poglavje 2
Pregled literature
2.1 Disleksija
Disleksija je nevroloˇsko pogojena razvojna motnja, ki se izraˇza predvsem s poˇcasnim in netoˇcnim prepoznavanjem besed [24]. Sama beseda disleksija izvira iz grˇsˇcine in pomeni teˇzavo (dis) z besedami ali jezikom (leksis). Gre za specifiˇcno uˇcno teˇzavo, ki prizadane predvsem razvoj pismenosti in spo- sobnosti povezanih z jezikom, kot so predelovanje glasov, hitro poimenova- nje, delovno pomnjenje, hitrost procesiranja, operiranje z zaporedji in razvoj avtomatizacije osnovnih veˇsˇcin [25]. Izraˇzenost posameznih teˇzav pri posa- mezniku je odvisna od stopnje kognitivnih teˇzav, ki so pri tej osebi prisotne.
Moˇznih vzrokov za razvoj disleksije je veˇc, med njimi pa so tudi dedni dejav- niki. V evropskem prostoru imajo na stopnjo izraˇzenosti posameznih teˇzav v zvezi z disleksijo in na ˇzivljenjske priloˇznosti ljudi z disleksijo pomemben vpliv raznolikost jezikov, veˇcjeziˇcne zahteve ter tudi izobraˇzevalne moˇznosti.
Disleksija se v svetovnem merilu pojavlja pri pribliˇzno 10 % ˇsolske po- pulacije [20], gledano na razliˇcne drˇzave pa odstotek niha med 1,3 % in 10
%. Slednje je posledica razlik v jezikovni strukturi jezikov. V nekem jeziku imajo lahko osebe z disleksijo drugaˇcne razloge za pojavljanje njihovih teˇzav kot pa morda v nekem drugem jeziku. Tako je na primer v angleˇsˇcini osre- dnji problem zavedanje glasov, saj v tem jeziku prihaja do slabˇsega ujemanja
3
4 Katja Kunej med ˇcrkami in izgovorjenimi glasovi. Zaradi takˇsnih posebnosti v jezikovni strukturi posameznega jezika naj bi bila disleksija pogostejˇsa v Rusiji, Veliki Britaniji, Nigeriji, ZDA in na Finskem, manj zastopana pa v Italiji ter na Norveˇskem in Slovaˇskem. Disleksija je najpogostejˇsa uˇcna teˇzava, in sicer jo ima pribliˇzno 80 % vseh ljudi z uˇcnimi teˇzavami.
Pri osebah z disleksijo se pojavljajo teˇzave tako pri branju kot pisanju, navadno take osebe berejo in piˇsejo poˇcasneje in pri tem naredijo veˇc napak (npr. napaˇcno zaporedje ˇcrk, meˇsanje ˇcrkb ind), na koncu pa so tudi precej utrujeni. Prav tako se pojavljajo teˇzave pri bralnem razumevanju, prenosu besed iz misli na papir, besednem pomnjenju, uˇcenju ˇcrk in njihovih zvokov, ˇcrkovanju, uˇcenju tujega jezika ter tudi pri pravilnem izvajanju matematiˇcnih operacij [25].
Ob sumu na disleksijo oziroma neko specifiˇcno uˇcno teˇzavo je potrebno opraviti diagnostiˇcno ocenjevanje, ki ga izvede za to strokovno usposobljena oseba [25]. Ker so motnje v povezavi z disleksijo razliˇcne, je potrebno za uˇcinkovito odkrivanje te uˇcne teˇzave uporabiti veˇc razliˇcnih testov. V Slove- niji se uporabljajo naslednji testi [22]:
– Test v motenosti branja in pisanja (ˇSalijev test), ki je zgolj delno standardiziran za populacijo otrok drugega razreda.
– Enominutni test glasnega branja – Preizkus bralnega razumevanja
– SNAP – gre za profil ocene posebnih potreb.
”SNAP ni test v psihome- triˇcnem smislu, temveˇc pripomoˇcek za zbiranje informacij o otroku, ki so pomembne za ugotavljanje morebitnih teˇzav pri doloˇceni spretnosti“
so zapisali Milena Koˇsak Babuder idr.
– Bralni test, ki je za razliko od ˇSalijevega testa standardiziran merski in- strument, namenjen pa je ugotavljanju bralne sposobnosti (preverjanje branja in bralnega razumevanja) ob koncu tretjega razreda osnovne ˇsole.
Diplomska naloga 5 – Preizkus tekoˇcnosti branja po modelu, ki je namenjen osnovnoˇsolcem
med drugim in ˇcetrtim razredom.
– Test glasovnega zavedanja, ki je zelo pomemben, saj je glasovno zave- danje ena izmed kljuˇcnih spretnosti z zaˇcetka opismenjevanja [28].
– OSBZ – Ocenjevalna shema bralnih zmoˇznosti otrok od prvega do tretjega razreda. Zopet gre za standardiziran merski instrument, s pomoˇcjo katerega dobimo podatke, ki povedo, katere bralne sposobnosti je otrok ˇze razvil.
– Sploˇsni govorni preizkus – pisno sporoˇcanje [7]
2.2 Sledenje pogledu
Sledenje pogledu [5, 19] je senzorska tehnologija, ki npr. raˇcunalniku omo- goˇca, da ve, v katero toˇcko na zaslonu oseba gleda. Sledilec pogledu tako omogoˇca vpogled v vedenje in odloˇcanje ljudi, saj lahko zazna pozornost in osredotoˇcenost uporabnika, z njim npr. vidimo, kaj pritegne uporabnikovo pozornost. Strojna oprema sledilca je zasnovana kot visokozmogljiv senzor, ki ga sestavljajo prilagojeni projektorji, slikovni senzorji in optika, vsebuje pa tudi vgrajene algoritme za obdelavo. Projektorji proti sredini oˇci (zenici) usmerijo vzorec skoraj infrardeˇce svetlobe, kar v zenici in roˇzenici povzroˇca zaznavne odseve. Te odseve oz. vektor med roˇzenico in zenico spremlja in posname visokoloˇcljiva infrardeˇca kamera. Omenjeni vektor vidimo na sliki 2.1. Infrardeˇca svetloba je potrebna, saj je natanˇcnost merjenja smeri pogleda odvisna od jasne razmejitve zenice in zaznavanja odseva roˇzenice, navadni svetlobni viri pa ne morejo zagotoviti dovolj moˇcnega kontrasta.
Prav tako infrardeˇca svetloba ni vidna ljudem, zato osebe ne moti. S pomoˇcjo strojnega uˇcenja, obdelave slik in matematiˇcnih algoritmov se doloˇci poloˇzaj oˇci in toˇcka pogleda.
Poznamo dva tipa sledilcev pogledu. Prvi so zaslonski, namizni oz. sta- cionarni, ki jih navadno namestimo na spodnji rob okvirja zaslona in pre-
6 Katja Kunej
Slika 2.1: Srediˇsˇce oˇcesa se spremlja glede na poloˇzaj odseva roˇzenice, rela- tivna razdalja med njima pa omogoˇca izraˇcun smeri pogleda. [19].
mikanje oˇci spremljajo z doloˇcene razdalje. Oseba mora pri tem sedeti pred zaslonom, sama pa ne potrebuje nobenih dodatnih pripomoˇckov. Pri drugih gre za oˇcala, ki gibanje oˇci spremljajo precej od blizu, omogoˇcajo pa prosto gibanje osebe med snemanjem.
Zelo pomembna metrika pri sledenju pogledu je toˇcka pogleda [19], ki je osnovna merska enota oz. gre kar za surov vzorec, ki ga sledilec pogledu zajame. ˇCe se toˇcka pogleda za neko doloˇceno ˇcasovno obdobje ne spremeni, govorimo o fiksaciji [19, 6]. Fiksacijam lahko doloˇcimo trajanje, dobimo pa jih s pomoˇcjo algoritmov iz surovih podatkov sledilca pogledu. Imamo tudi sakade [6], to so hitri premiki oˇci, ko pogled z ene toˇcke preusmerimo na drugo. V grobem lahko torej premike oˇci delimo na fiksacije in sakade.
Pri sledenju pogledu je moˇzno doloˇciti t.i. obmoˇcja zanimanja [19], s ˇci- mer opredelimo obmoˇcja, za katera lahko pridobimo loˇcene metrike. Obmoˇcja zanimanja lahko nato med seboj primerjamo.
Diplomska naloga 7
2.3 Sorodna dela
Dyslexia Explorer [16, 15] je presejalni program za disleksijo, ki je name- njen zajemanju in obdelavi vzorcev oˇcesnih pogledov pridobljenih med bra- njem arabskih besedil. Presejanje temelji na izmerjenih trajanjih fiksacij na obmoˇcjih zanimanja, povpreˇcnem trajanju fiksacij, ˇstevila vseh fiksacij na posameznem obmoˇcju zanimanja in regresijah (to so premiki pogleda nazaj znotraj besed, vrstic in odstavkov). Neko obmoˇcje zanimanja tu zajema posamezno besedo ali vrstico znotraj odseka arabskega besedila. Program pomaga pri diagnosticiranju disleksije z doloˇcanjem bralnih teˇzav, zagota- vljanjem objektivnih metrik pogleda in povezovanjem s fonoloˇskimi teˇzavami bralcev. Dyslexia Explorer naj bi strokovnjakom s podroˇcja specifiˇcnih uˇcnih teˇzav pomagal prepoznati teˇzave, ki jih imajo ljudje s specifiˇcnimi uˇcnimi teˇzavami, in oblikovati uˇcinkovite programe za bralce z disleksijo, ki bi iz- boljˇsali njihove bralne oz. napisovalne spretnosti. Program na koncu vrne interaktivne grafe, ki prikazujejo rezultate analize branja z dinamiˇcnimi pra- govi na obeh koordinatnih oseh. Za preverjanje funkcionalnosti sistema in uˇcinkovitosti razlikovanja med bralci z in brez disleksije, je bil izveden eks- periment s 14 otroci (7 z disleksijo in 7 brez disleksije), starimi med 10 in 12 let. Rezultati raziskave so pokazali, da je sistem pri podpori strokovnjakov za specifiˇcne uˇcne teˇzave pri preuˇcevanju pragov za razlikovanje med ljudmi z disleksijo in ljudmi brez disleksije, uspeˇsen. Prav tako je bilo ugotovljeno, da so dobljene meje za nekatere opazovane lastnosti z vsaj 70 % natanˇcnostjo pravilno odloˇcale pri razvrstitvi v skupine.
V ˇSpaniji so razvili prvi statistiˇcni model za razlikovanje med ljudmi z disleksijo in ljudmi brez disleksije na podlagi premikov oˇci - linearni model podpornih vektorjev (angl. Linear Support Vector Machine) [17, 26], s ka- terim so dosegli 80,18 % klasifikacijsko toˇcnost pri razvrˇsˇcanju udeleˇzencev med ljudi z oz. brez disleksije. V raziskavi je sodelovalo 97 ˇSpancev, starih med 11 in 54 let, ki so morali prebrati 12 razliˇcnih besedil. Lastnosti, ki so jih pri klasifikaciji upoˇstevali, so npr. starost udeleˇzenca, tekstovna ˇstevilka, skupen ˇcas branja, povpreˇcje trajanja fiksacij, ˇstevilo fiksacij, vsota vseh
8 Katja Kunej trajanj fiksacij. Izkazalo se je, da je starost udeleˇzenca pri konˇcni odloˇcitvi precej pomembna.
Tudi na ˇSvedskem so za presejanje disleksije razvili linearni model pod- pornih vektorjev [17]. V raziskavo je bilo vkljuˇcenih 185 otrok, med katerimi je bilo kar 97 takih z visoko tveganostjo za razvoj disleksije. Besedilo, ki ga je posameznik moral prebrati, je bilo prilagojeno njegovi starosti, vsak udeleˇzenec pa je med branjem nosil oˇcala z nizi infrardeˇcih oddajnikov in detektorjev okoli vsakega oˇcesa. S tem modelom jim je z uporabo 48 znaˇcilk uspelo doseˇci pribliˇzno 95,6 % klasifikacijsko toˇcnost.
V Grˇciji je bila za loˇcevanje med bralci z disleksijo in bralci brez disleksije razvita metoda RADAR (angl. Rapid Assessment of Difficulties and Abnor- malities in Reading) [21]. Testiranje je potekalo na skupini 78 ˇsolarjev starih med 8,5 in 12,5 let, katerih inteligenˇcni koliˇcnik je presegal 90. Izkazalo se je, da metoda deluje s 94,2 % natanˇcnostjo. RADAR uporablja parametre kot so trajanje fiksacij, dolˇzina sakad, skupno ˇstevilo fiksacij med branjem, trajanje pogleda v neko besedo, ˇstevilo vraˇcanj na neko besedo. Podobna raziskava z metodo RADAR je bila izvedena tudi v Walesu (Anglija), kjer je sodelovalo 31 uˇcencev starih med 9,0 in 11,5 let. Med udeleˇzenci je bilo 11 takih, ki so imeli potrjeno disleksijo. Raziskava je potrdila, da je metodo RADAR moˇzno zanesljivo uporabiti tudi v drugih jezikih, ne le grˇsˇcini.
Leta 2019 so v Grˇciji razvili ˇse eno orodje za presejalni test disleksije, imenovano DysLexML [17], ki uporablja veˇc razliˇcnih algoritmov strojnega uˇcenja, zopet pa deluje na podlagi podatkov dobljenih s pomoˇcjo sledenja pogledu pri branju. V raziskavi je sodelovalo 69 otrok, med katerimi je bilo 32 otrok s potrjeno disleksijo. Orodje se je najbolj izkazalo ob uporabi mo- dela podpornih vektorjev, in sicer je doseglo 97 % toˇcnost. Pri tem je bila vkljuˇcena manjˇsa mnoˇzica znaˇcilk, ki je zajemala dolˇzino sakad, ˇstevilo krat- kih premikov pogleda naprej in ˇstevilo veˇckrat fiksiranih besed. DysLexML so preizkusili tudi na ˇsumnih podatkih, kjer se je znova izkazal za uspeˇsnega.
Pojavljajo se tudi aplikacije kot presejalni testi disleksije, ki ne temeljijo na podatkih pridobljenih s pomoˇcjo sledenja pogledu. Ena izmed takˇsnih je
Diplomska naloga 9 Dytective [27], ki je bila razvita v ˇSpaniji leta 2016. Pri oblikovanju aplikacije so se osredotoˇcali na napake, ki so znaˇcilne za ljudi z disleksijo, in na ta naˇcin oblikovali ustrezne naloge. Izvedli so eksperiment z 243 udeleˇzenci, med katerimi je bilo 95 oseb z disleksijo. S pomoˇcjo tega eksperimenta so ugotovili, kako se branje in pisanje oseb z disleksijo razlikuje od branja in pisanja oseb brez disleksije. Nauˇcen model strojnega uˇcenja so nato preizkusili na mnoˇzici 100 ljudi (10 ljudi je imelo potrjeno disleksijo) in z njim dosegli 83 % toˇcnost.
Do sedaj naˇstete aplikacije se v veˇcini zaradi specifiˇcnih lastnosti posa- meznega jezika lahko uporabljajo le v nekem doloˇcenem jeziku. Obstaja pa t. i. anagram za veˇcjeziˇcno ocenjevalno shemo zgodnje pismenosti, MABEL (angl. Multi-language Assessment Battery of Early Literacy) [18], ki oceni spretnosti uˇcencev v zgodnji pismenosti v nekaj jezikih. Ta obseg jezikov je trenutno majhen, in sicer zajema angleˇski, francoski, ˇspanski, ˇceˇski in slovaˇski jezik. MABEL je bil razvit med leti 2008 in 2011 kot del obseˇzne longitudinalne medjezikovne ˇstudije zgodnjega razvoja pismenosti v naˇstetih jezikih v okviru projekta ELDEL (angl. Enhancing Literacy Development in European Languages). Glavni cilj projekta je bil razjasniti kljuˇcne jezikovne, kognitivne in okoljske napovedovalce razvoja pismenosti otrok od vrtca do drugega razreda. V ta namen je bilo izvedenih 5 vzporednih ˇstudij, po ena v vsaki drˇzavi. Delo na projektu se je zaˇcelo ˇsele leta 2015, trenutno pa so testi na voljo v angleˇsˇcini, ˇceˇsˇcini, slovaˇsˇcini, ˇspanˇsˇcini in valiˇzanˇsˇcini, kmalu pa naj bi bili tudi v francoˇsˇcini. V projekt naj bi se v bliˇznji prihodnosti vkljuˇcila tudi portugalski in poljski jezik. MABEL kot spletni vir je namenjen uporabi pedagoˇskim psihologom, logopedom in uˇciteljem otrok s posebnimi izobraˇzevalnimi potrebami. Vsak test MABEL je zasnovan tako, da je ne- posredno primerljiv v naˇstetih jezikih. Spretnosti, ki jih testi ocenjujejo, so znanje ˇcrk, zavedanje fonemov, hitro poimenovanje, branje in ˇcrkovanje. Do testov lahko ob predhodni registraciji dostopamo na spletni strani MABELa.
10 Katja Kunej
Poglavje 3 Tehnologije
3.1 Python
Python je interpretiran objektno usmerjen viˇsjenivojski programski jezik z dinamiˇcno semantiko. Je zelo privlaˇcen za hiter razvoj aplikacij in tudi za povezovanje obstojeˇcih komponent kot skriptni ali lepilni jezik. Sintaksa Pythona je precej enostavna in se jo zlahka hitro nauˇcimo, njen poudarek pa je na berljivosti. Jezik podpira module in pakete, kar spodbuja modularnost programov in s tem ponovno uporabo ˇze napisane kode [14].
Interpreter za Python je na voljo na spletu in je brezplaˇcen. Ko pro- gramiramo v tem jeziku, je cikel urejanja, testiranja in odpravljanja napak precej hiter, saj v Pythonu ni koraka prevajanja. Zaradi slednjega lahko napake odpravljamo ˇze z dodajanjem nekaj vrstic za izpisovanje. Lahko pa uporabimo razhroˇsˇcevalnik, ki je prav tako napisan v Pythonu. Omogoˇca nam pregled lokalnih in globalnih spremenljivk, doloˇcitev prekinitvenih toˇck itd. [14]. Na ta naˇcin lahko pregledujemo izvajanje kode korak za korakom in tako odkrijemo izvor napake v kodi.
11
12 Katja Kunej
3.2 PyQt
PyQt je eno izmed popularnejˇsih povezav med jezikom Python in Qtjevim ogrodjem C++ med razliˇcnimi platformami. Razvil ga je Riverbank Com- puting Limited. PyQt omogoˇca vezavo na Qt 4.x ali Qt 5.x, in sicer je na voljo v dveh izdajah: PyQt4 in PyQt5. Pri razvoju naˇse aplikacije je bil uporabljen PyQt5. Sicer pa se obe izdaji lahko uporabljata skupaj z jezikom Python verzije 2.x ali 3.x. [12].
PyQt vsebuje veˇc kot 620 razliˇcnih razredov, ki jih lahko uporabimo pri razvoju grafiˇcnih uporabniˇskih vmesnikov, za obdelavo XML, OpenGL, SVG, mreˇzno komunikacijo, podatkovne baze SQL, brskanje po spletu in druge teh- nologije, ki so na razpolago v Qt [12]. Ti razredi so razvrˇsˇceni v module [13]:
– QtCore vsebuje osnovno funkcionalnost, ki ne zadeva direktno grafiˇcnega uporabniˇskega vmesnika. Uporablja se za elemente kot so ˇcas, direkto- riji in datoteke, razliˇcni tipi podatkov, niti in procesi.
– QtGui vsebuje grafiˇcne komponente in z njimi povezane razrede, kot so okna, gumbi, statusne vrstice, bitne slike, pisave, barve.
– QtXml streˇzniki so namenjeni delu z datotekami XML in nudijo imple- mentacijo tako za SAX kot tudi DOM APIje.
– QtOpenGL je namenjen upodabljanju 2D in 3D grafike preko knjiˇznice OpenGL.
– QtSvg vsebuje razrede za razkrivanje vsebine SVG datotek. SVG je jezik za opisovanje 2D grafike ali grafiˇcnih aplikacij v XML.
– QtSql nudi sredstva za delo s podatkovnimi bazami.
– QtNetwork naj bi se uporabljal za namene mreˇznega programiranja in nam olajˇsa kodiranje odjemalcev ali streˇznikov TCP/IP in UDP.
Moˇzna je tudi uporaba QtDesignerja [13], to je orodja, ki deluje kot gra- fiˇcni uporabniˇski vmesnik. Omogoˇca nam, da elemente, kot so npr. gumbi,
Diplomska naloga 13 okna, statusne vrstice, vnosna polja, itd., kar postavljamo na zaslon. Nato lahko PyQt iz Qt Designerja oblikuje kodo v jeziku Python, hkrati pa dodaja tudi nove kontrole grafiˇcnega uporabniˇskega vmesnika.
3.3 HTML in CSS
3.3.1 HTML
HTML (angl. HyperText Markup Language) [11, 1] je oznaˇcevalni jezik, ki je osnova za razvoj spletnih mest in spletnih aplikacij. Pri hiperbesedilu gre za
”naˇcin oznaˇcevanja besedila ali grafiˇcnih elementov, ki omogoˇcajo povezavo (skok) na drugi del besedila ali veˇcpredstavni element“ [8]. Oznaˇcevalni jezik pa je raˇcunalniˇski jezik, pri katerem elemente v dokumentu definiramo s pomoˇcjo znaˇck, torej le-te doloˇcajo struturo dokumenta. Tak jezik je berljiv za ljudi. Poleg HTML je oznaˇcevalni jezik tudi npr. XML.
HTML ne spada med programerske jezike, saj z njim ne moremo ustvariti dinamiˇcne funkcionalnosti. Lahko pa z njegovo pomoˇcjo razvijemo spletno stran, to je s pomoˇcjo HTML spletnemu streˇzniku povemo, kako naj prikaˇze elemente kot so besedilo, hiperpovezave in predstavnostne datoteke na nekem spletnem mestu. Poleg tega se HTML pogosto uporablja tudi za navigacijo po internetu, da lahko enostavno krmarimo z enega spletnega mesta na drugo povezano spletno mesto. HTML se lahko uporablja tudi za organiziranje in oblikovanje dokumentov (spletna dokumentacija) [1].
Vsak HTML element [1] je sestavljen iz zaˇcetne in konˇcne znaˇcke, ki pove- sta, kje se element zaˇcne in konˇca, iz atributov, ki opiˇsejo lastnosti elementa, ter iz vsebine. Atribut vsebuje svoje poimenovanje in vrednost. Primer HTML elementa s poimenovanimi sestavnimi deli je prikazan na sliki 3.1.
Vsak HTML dokument vsebuje tri znaˇcke, ki jih prikazuje slika 3.2. Poleg teh so precej uporabljane tudi znaˇcke za naslove, za odstavke in sezname. Pri znaˇckah za naslove poznamo 6 rangov, od<h1>do<h6>. Tu imah1 najveˇcjo velikost pisave, h6 pa najmanjˇso. Znaˇcka za odstavke je oblike <p>, znaˇcke za sezname pa so moˇzne v dveh oblikah. <ol>se uporablja za urejen seznam,
14 Katja Kunej
Slika 3.1: Sestavni deli HTML elementa [9].
Slika 3.2: Osnovne tri znaˇcke HTML dokumenta [1].
<ul> pa za neurejen seznam, pri ˇcemer pa vsak element seznama oznaˇcimo z znaˇcko <li> [1].
S pomoˇcjo HTML torej na spletno stran dodajamo elemente in ustvar- jamo strukturo, ne moremo pa z njim ustvariti popolnoma odzivnega sple- tnega mesta. Pri tem si lahko pomagamo z jezikoma CSS (angl. Cascading Style Sheets) in recimo JavaScript, slednji strani doda dinamiˇcno funkcional- nost [1].
3.3.2 CSS
CSS je jezik, osnovan na podlagi pravil, ki doloˇcajo skupine slogov, te pa upo- rabimo za doloˇcene elemente ali skupine elementov na spletni strani. Sintaksa pravila se zaˇcne s selektorjem, ki doloˇca HTML element ali atribut, na kate- rega naj se nanaˇsajo stilska pravila. Nato imamo znotraj zavitih oklepajev
Diplomska naloga 15 deklaracijski blok, sestavljen iz enega ali veˇc parov lastnosti in vrednosti, med tema dvema stoji dvopiˇcje. Primer sintakse pravila je na sliki 3.3 [3].
Slika 3.3: Primer sintakse CSS [4].
S pomoˇcjo CSS lahko doloˇcamo ozadje spletne strani, postavitve, barve, velikosti, pisave, odmike, obrobe, poravnave in druge atribute, lahko pa tudi nadziramo nekatere aktivnosti, ki jih uporabnik spletne strani izvaja nad elementi (npr. prekritje elementa z miˇsko) [2].
3.4 JSON
JSON (angl. JavaScript Object Notation) je besedilna oblika za izmenjavo podatkov, ki je povsem neodvisna od jezika, uporablja pa strukture, ki jih programerji poznajo iz jezikov C, C++, C#, Java, JavaScript, Python itd. Ljudje jo zlahka beremo ter tudi zapisujemo podatke v JSON formatu, stroji pa jo zlahka razˇclenijo in ustvarijo. JSON temelji na podmnoˇzici pro- gramskega jezikovnega standarda jezika JavaScript, in sicer gre za standard ECMA-262, 3. izdaja, iz decembra 1999 [10].
JSON obliko sestavljata dve strukturi. Pri prvi gre za zbirko parov(ime, vrednost), ki jo v programskih jezikih povezujemo npr. z objekti, slovarji, zgoˇsˇcenimi tabelami. Objekt kot neurejena zbirka parov se zaˇcne z zavitim
16 Katja Kunej oklepajem in konˇca z zavitim zaklepajem, znotraj njiju pa stojijo pari loˇceni z vejicami. Vsak par je sestavljen iz imena, dvopiˇcja in vrednosti. Pri drugi strukturi gre za urejen seznam vrednosti, ki se v veˇcini programskih jezikov povezuje z enodimenzionalno tabelo, vektorjem, seznamom oz. zaporedjem.
Seznam se zaˇcne z oglatim oklepajem in konˇca z oglatim zaklepajem, znotraj njiju pa so vrednosti loˇcene z vejico [10].
Poglavje 4 Aplikacija
Aplikacija, ki smo jo razvili za preverjanje spretnosti, ki so obiˇcajno pri ose- bah z disleksijo slabˇse razvite, je namizna razliˇcica spletne aplikacije PKP – Disleksija, ki je bila predhodno razvita na Fakulteti za raˇcunalniˇstvo in informatiko. Vse 4 naloge iz aplikacije PKP – Disleksija smo ohranili ter dodali dve novi. Razlog za razvoj nove aplikacije je bil, da smo ˇzeleli preiti na namizno aplikacijo, kjer bi ne le dobili rezultate reˇsevanja nalog ter ˇcas reˇsevanja posamezne naloge, temveˇc bi samemu reˇsevanju lahko sledili tudi s sledilcem pogledu. Poleg tega je pri spletni razliˇcici prihajalo do teˇzav s streˇznikom, ˇcemur smo se ˇzeleli izogniti. Kar se tiˇce sledenja pogledu smo se odloˇcili, da premikov oˇci ne spremljamo samo med reˇsevanjem nalog, temveˇc tudi na straneh, ki prikazujejo navodila posamezne naloge z namenom, da bi lahko preverili, ali je otrok sploh natanˇcno prebral navodila. ˇCe otrok namreˇc povrˇsno prebere navodila, lahko spregleda kakˇsen kljuˇcen napotek za reˇsevanje, poslediˇcno pa rezultati reˇsevanja niso preveˇc relevantni. Tako se pri vsaki nalogi posebej za navodilo in posebej za vsak primer naloge vkljuˇci sledilec pogledu, ko pa se otrok pomakne na naslednjo stran aplikacije, sledi- lec pogledu preneha s snemanjem, podatki pa se shranijo v JSON datoteko v ustrezen direktorij. Podobno se tudi za vsak primer in navodilo vsake naloge meri ˇcas, ki ga otrok porabi pri reˇsevanju tega primera oz. branju navodil, in se ob pomiku na naslednjo stran aplikacije zapiˇse v ustrezno datoteko. Na
17
18 Katja Kunej podlagi pridobljenih podatkov otrokom, njihovim starˇsem in/ali uˇciteljem nato lahko pokaˇzemo vizualizacije, ki prikazujejo, kako se je posameznik pri reˇsevanju nalog odrezal (katere primere je reˇsil pravilno in katere nepravilno, koliko ˇcasa je porabil za posamezen primer itd.).
Aplikacija vsebuje zaˇcetno stran, kjer otrok vpiˇse svojo starost, uvodna navodila ter 6 nalog. Zaˇcetna stran, uvodna navodila in strani ob zakljuˇcku posamezne naloge vsebujejo zanimive elemente (sliˇcice), ki otroka morda ˇse dodatno motivirajo, poleg tega pa malce razblinijo monotonost strani med reˇsevanjem nalog. Naloge vsebujejo zgolj elemente bistvene za nalogo samo, dodatni elementi bi namreˇc le preusmerjali otrokovo pozornost, kar bi vpli- valo na relevantnost pridobljenih podatkov. Otrok se med stranmi enostavno pomika s kliki na miˇsko. Strani so na videz precej preproste, saj smo pred- postavili, da nekateri otroci niˇzje starosti ˇse niso veˇsˇci uporabe raˇcunalnika.
Odloˇcili smo se, da vkljuˇcimo samo pisna navodila, saj je aplikacija miˇsljena za testiranje ob prisotnosti odrasle osebe (uˇcitelja ali strokovnega delavca), ki bi ob morebitnih nejasnostih glede reˇsevanja nalog stvari obrazloˇzil. Otroku so med reˇsevanjem neke naloge v pomoˇc tudi oznake na dnu strani, ki mu nakazujejo, koliko primerov te naloge je ˇze reˇsil in koliko jih ˇse mora.
Aplikacija je zasnovana tako, da so elementi, ki zadevajo posamezno stran (slike, besedila, posnetki), organizirani v direktorije. Tako za zaˇcetno stran, uvodna navodila kot tudi za posamezno nalogo je moˇzno v datoteki nastavitve.json izbrati font, barvo pisave, velikost pisave in tudi razmik med ˇcrkami. Na ta naˇcin smo omogoˇcili, da lahko oseba, ki spremlja te- stiranje otroka, pred zaˇcetkom samega testiranja prilagodi naˇstete lastnosti pisave. Za ljudi z disleksijo je namreˇc pomembno, da je pisava jasna in ne- serifna, da so ˇcrke dovolj velike in razmiki med njimi veˇcji. Namreˇc, ˇce so ˇcrke preveˇc skupaj in po moˇznosti ˇse precej majhne, se lahko zgodi, da jih bralec zamenja med seboj, kar mu seveda oteˇzi branje. Poleg tega smo veˇcino besedil poravnali levo, da bralec ˇcim laˇzje in ˇcim hitreje najde zaˇcetek nove vrstice.
Tudi barvo ozadja smo izbrali tako, da bo skupaj s pisavo olajˇsalo branje
Diplomska naloga 19 osebam z disleksijo. Priporoˇcljiv je namreˇc manjˇsi kontrast med barvo ozadja in besedila, ˇse veˇc, belo-ˇcrna kombinacija lahko pri osebah z disleksijo ustvari zamegljen uˇcinek, kar gotovo zelo oteˇzi branje. Tudi barve kot so rdeˇca, zelena in roza niso primerne, saj jih osebe z disleksijo pogosto teˇzje loˇcijo [30].
V nadaljevanju bomo predstavili sestavne dele aplikacije, v kateri vsaka izmed nalog preverja sposobnosti, ki so pri osebah z disleksijo obiˇcajno okr- njene.
4.1 Zaˇ cetna stran
Slika 4.1 prikazuje zaˇcetno stran, ki se prikaˇze ob zagonu aplikacije. Ta stran otroka pozdravi in mu obrazloˇzi, za kakˇsno testiranje gre. ˇSe posebej je pomembna ob prisotnosti starˇsev ali uˇciteljev, da tudi ti razumejo, kakˇsen je namen sodelovanja otrok pri testiranju aplikacije in, da se zavedajo, da jim aplikacija na koncu ne more povedati, ali otrok ima ali nima disleksije, temveˇc bi ˇzeleli razviti sistem, ki bi lahko vsaj loˇcil otroke, ki najbrˇz nimajo disleksije, od tistih, pri katerih sumimo na disleksijo.
Slika 4.1: Zaˇcetna stran aplikacije.
20 Katja Kunej
4.2 Uvodna navodila
Po kliku na gumb
”PREPOZNAVANJE DISLEKSIJE“ na zaˇcetni strani, prikazani na sliki 4.1, se nam prikaˇze stran z uvodnimi navodili, prikazana na sliki 4.2. Otrok skrbno prebere navodilo, ki mu med drugim pove tudi, kakˇsna pribliˇzno naj bo razdalja med njegovimi oˇcmi in ekranom. Ta razdalja je zelo pomembna zaradi sledenja pogledu. Nato otrok v polje
”STAROST“
vpiˇse svojo starost, za tem pa se s klikom na gumb
”TESTIRAJ“ pomakne na navodilo prve naloge.
Slika 4.2: Uvodno navodilo aplikacije.
4.3 Preizkus koncepta zaporedja
Pri prvi nalogi gre za preizkus koncepta zaporedja. Navodilo za reˇsevanje te naloge je na sliki 4.3. Preizkus je sestavljen iz osmih primerov, ki prever- jajo otrokovo sposobnost razvrˇsˇcanja besed (dnevov ali mesecev) in ˇstevil v pravilen vrstni red. Prvi ˇstirje primeri zadevajo preverjanje koncepta zapo- redja besed, in sicer imamo pri prvih dveh razvrˇsˇcanje dnevov v tednu pri drugih dveh pa razvrˇsˇcanje mesecev v letu. Navodila tega sklopa primerov so oblike:
”Razporedi x od y z.“, kjerx predstavlja elemente, ki jih je treba urediti (dneve v tednu ali mesece v letu), y inz pa predstavljata vrstni red
Diplomska naloga 21 razporejanja elementov. y nam pove, s katerim elementom zaˇcnemo pri raz- porejanju,z pa, v katero smer razporejamo (naprej alinazaj). Primer take oblike je na sliki 4.4.
Slika 4.3: Navodilo prve naloge.
Slika 4.4: Primer prve naloge, ki prikazuje razporejanje besed.
Zadnji ˇstirje primeri preverjajo koncept ˇstevilskih zaporedij, oblika navo- dil se glasi:
”Razporedi ˇstevilax.“, kjerx doloˇca, v katero smer razporejamo.
x je bodisiod najmanjˇsega do najveˇcjegabodisiod najveˇcjega do najmanjˇsega.
Primer naloge je na sliki 4.5.
Pri vsakem izmed primerov se v ustrezno datoteko sproti zapisuje, kako
22 Katja Kunej
Slika 4.5: Primer prve naloge, ki prikazuje razporejanje ˇstevil.
otrok reˇsuje primer. Torej ne dobimo zgolj konˇcnega zaporedja elementov, temveˇc tudi vse vmesne, otrok se med reˇsevanjem namreˇc lahko premisli in element odstrani iz zaporedja ter ga kasneje doda na drugo mesto. Obenem se, ko konˇcamo z razporejanjem in kliknemo na gumb, ki nas popelje na naslednjo stran, shrani tudi ˇcas porabljen za reˇsevanje tega primera.
4.4 Preizkus branja in bralnega razumevanja
Pri drugi nalogi gre za preizkus branja in bralnega razumevanja, navodilo zanjo prikazuje slika 4.6. Naloga je sestavljena iz ˇstirih primerov, od katerih ima vsak svoje besedilo, ki ga mora otrok prebrati, in 5 vpraˇsanj, ki preverjajo bralno razumevanje besedila. Med besedili sta dve krajˇsi (vsako vsebuje 35 besed), dve pa sta daljˇsi (vsebujeta po 80 besed). Najprej se otroku na sredini zaslona prikaˇze besedilo (kot prikazuje slika 4.7), ki ga prebere, za tem pa s klikom na puˇsˇcico preide na vpraˇsanja vezana na prebrano besedilo. Med vpraˇsanji so 3 izbirnega tipa, pri vsakem pa je pravilen odgovor zgolj eden.
Med njimi prvo vpraˇsanje ponuja odgovore v obliki sliˇcic (primer takega vpraˇsanja je na sliki 4.8), ki povedo, kaj naj bi v besedilu zasledili, ostali dve vpraˇsanji pa ponujata odgovore v obliki nekajbesednih zapisov. Zadnji dve vpraˇsanji o besedilu sta tipa da/ne. Posamezna stran z vpraˇsanjem je
Diplomska naloga 23
Slika 4.6: Navodilo druge naloge.
Slika 4.7: Primer besedila pri drugi nalogi.
zasnovana tako, da na levi strani ekrana prikazuje levo poravnano besedilo, na desni pa je zastavljeno vpraˇsanje in pod njim ponujeni odgovori. Slednje lahko vidimo na slikah 4.8 in 4.9. S klikom na neko sliˇcico ali besedilen odgovor posameznega vpraˇsanja se izbira shrani, zapiˇse pa se tudi ˇcas, ki smo ga na tem vpraˇsanju porabili, nato pa nas aplikacija popelje na naslednjo stran.
24 Katja Kunej
Slika 4.8: Primer druge naloge: vpraˇsanje s slikami.
Slika 4.9: Primer druge naloge: vpraˇsanje izbirnega tipa.
4.5 Preizkus fonoloˇ skega zavedanja
Naloga 3 je preizkus fonoloˇskega zavedanja, navodilo zanjo je na sliki 4.10.
Sestavljena je iz dvanajstih primerov, sploˇsno obliko katerih lahko zapiˇsemo kot: ”Beseda je x, x. Kaj dobiˇs, ko reˇceˇs x brez y?“. Tu je x obravnavana ˇstiriˇcrkovna beseda, iz katere je potrebno izloˇciti ustrezen glas, to je glas y.
Primer naloge je:
”Beseda je orka, orka. Kaj dobiˇs, ko reˇceˇs orka brez k?“.
Po tem, ko sliˇsimo vpraˇsanje te oblike, sliˇsimo ˇse ponujen odgovor, npr.
Diplomska naloga 25
Slika 4.10: Navodilo tretje naloge.
”ora“. Za tem se nam na ekranu pojavi stran prikazana na sliki 4.11. ˇCe je
Slika 4.11: Primer tretje naloge: odgovor podamo s pritiskom na enega izmed gumbov na sredini zaslona.
otrok prepriˇcan v pravilnost oz. nepravilnost odgovora, temu ustrezno izbere gumb – rdeˇc gumb s kriˇzcem, ˇce je mnenja, da je ponujen odgovor nepravilen, in zelen gumb s kljukico, sicer. S pritiskom na enega izmed njiju se otrok pomakne na naslednji primer ali naslednjo moˇznost za trenutno vpraˇsanje.
Neko vpraˇsanje ima namreˇc lahko veˇc moˇznosti, od katerih pa je seveda zgolj ena pravilna. Otrok mora tako za vsako moˇznost vsakega primera posebej
26 Katja Kunej ugotoviti, ali gre za pravilno ali nepravilno moˇznost. ˇCe ni prepriˇcan, kaj bi izbral kot svoj konˇcen odgovor, lahko v spodnjem desnem kotu na strani pritisne na gumb z zvoˇcnikom, s ˇcimer se mu vpraˇsanje in ponujen odgovor znova predvajata.
Pri tej nalogi se za vsak ponujen odgovor vsakega primera meri ˇcas, ki ga otrok porabi, da sprejme odloˇcitev. ˇCas se priˇcne meriti, ko se mu na ekranu pojavita rdeˇc in zelen gumb, kot je prikazano na sliki 4.11, to je ravno za tem, ko sliˇsi vpraˇsanje in ponujen odgovor. V tem trenutku se priˇcne tudi snemanje sledenja pogledu, saj na ta naˇcin laˇzje vidimo, ali je otrok ˇze od zaˇcetka odloˇcen glede pravilnosti oz. nepravilnosti odgovora ali pa mu morda pogled ˇsviga od zelenega gumba proti rdeˇcemu in obratno, kar bi pomenilo, da otrok ne ve ˇcisto, ali je odgovor pravilen ali ne. ˇCas in sledenje pogledu se prenehata meriti oz. snemati, ko otrok klikne na enega izmed gumbov – rdeˇcega ali zelenega, takrat se ti podatki skupaj z odloˇcitvijo zapiˇsejo v ustrezne datoteke.
4.6 Preizkus delovnega spomina
Pri ˇcetrti nalogi gre za preizkus delovnega spomina, navodilo zanjo je na sliki 4.12. Po kliku na gumb
”PRI ˇCNI Z REˇSEVANJEM“ se priˇcne pred-
Slika 4.12: Navodilo ˇcetrte naloge.
Diplomska naloga 27 vajati video, ki otroku predstavi vse ˇzivali, ki nato nastopajo v primerih te naloge. Za vsako ˇzival se prikaˇze slika te ˇzivali in poimenovanje ˇzivali pod sliko (prikazano na sliki 4.13), obenem pa se sliˇsi tudi glas, ki pove ime ˇzivali.
Slike posameznih ˇzivali v videu se ujemajo s slikami teh istih ˇzivali v nada- ljevanju naloge. Po konˇcanem predvajanju predstavitve ˇzivali se na zaslonu prikaˇze ˇse eno navodilo, prikazano na sliki 4.14, ki poda napotke za reˇsevanje primerov.
Slika 4.13: Primer predstavitve ˇzivali.
Slika 4.14: Navodilo pred samim zaˇcetkom reˇsevanja primerov ˇcetrte naloge.
Naloga sestoji iz petnajstih primerov, od katerih ima vsak navodilo oblike:
28 Katja Kunej
”Nahranix“. Tu jex zaporedje ˇzivali, ki naj jih otrok nahrani. Primer naloge je:
”Nahrani lisico, miˇs, maˇcko, kaˇco.“.
Zaporedje ˇzivali sestoji iz razliˇcnega ˇstevila ˇzivali, in sicer vkljuˇcuje od 2 do 6 ˇzivali. Za vsakim blokom treh primerov sliˇsimo glas, ki pove, da bo potrebno nahraniti eno ˇzival veˇc. Prvi trije primeri naloge zajemajo hranjenje dveh ˇzivali, naslednji trije treh ˇzivali, itd. Pri zadnjih treh primerih je potrebno nahraniti kar 6 ˇzivali.
Pri posameznem primeru najprej sliˇsimo glas, ki pove, katere ˇzivali je potrebno nahraniti. Otrok si mora ˇcim bolje zapomniti vrstni red sliˇsanih ˇzivali. Nato se na ekranu prikaˇzejo sliˇcice ˇsestih ˇzivali razporejene enako- merno v dve vrsti, kot prikazano na sliki 4.15, od katerih mora otrok izbrati ˇcim veˇc tistih ˇzivali, katerih poimenovanje je sliˇsal, paziti pa mora tudi na to, da ˇzivali izbira v istem vrstnem redu kot jih je sliˇsal. Pri tem mora izbrati vsaj eno ˇzival, da puˇsˇcica v spodnjem desnem kotu za pomik na naslednji primer postane aktivna. Vedno so med prikazanimi sliˇcicami ˇzivali vse ˇzivali, ˇcigar ime je otrok sliˇsal, ostale slike pa so pri posameznem primeru nakljuˇcne.
Slika 4.15: Primer ˇcetrte naloge.
Merjenje ˇcasa in sledenje pogledu se priˇcne, ko je otrok ˇze sliˇsal zaporedje ˇzivali in se mu prikaˇze stran s ˇsestimi sliˇcicami ˇzivali. Ob kliku na vsako sliˇcico se izbor ˇzivali zapiˇse v ustrezno datoteko. Ko otrok z miˇsko klikne
Diplomska naloga 29 na puˇsˇcico, da preide na naslednji primer ali nalogo, pa se meritev ˇcasa in sledenje pogledu ustavita, podatki pa se shranijo v datoteke.
4.7 Preizkus glasnega branja
Naloga 5 predstavlja preizkus glasnega branja. Navodilo za nalogo je prika- zano na sliki 4.16. Preizkus je sestavljen iz ˇsestih primerov oz. ˇsestih besedil, od katerih se vsako prikaˇze na sredini zaslona, primer je na sliki 4.17. Bese-
Slika 4.16: Navodilo pete naloge.
Slika 4.17: Primer besedila pri peti nalogi.
30 Katja Kunej dila so levo poravnana, saj tako otroci laˇzje in hitreje najdejo zaˇcetek besedila v novi vrstici, nismo namreˇc ˇzeleli, da bi to vplivalo na konˇcen ˇcas branja in sledenje pogledu med branjem. Ob prikazu doloˇcenega besedila se priˇcne meriti ˇcas, sledenje pogledu ter snemanje glasu. Ko otrok prebere besedilo in klikne na gumb
”NA NASLEDNJE BESEDILO“, se ti podatki shranijo v ustrezne datoteke.
Besedila, ki nastopajo v nalogi, so razliˇcnih dolˇzin. Najkrajˇse vsebuje zgolj 28 besed, 3 izmed besedil vsebujejo pribliˇzno 40 besed, nato je eno malce daljˇse s 57 besedami, najdaljˇse pa obsega 110 besed.
Namen te naloge je bil pridobiti zvoˇcne posnetke otrokovega branja be- sedil, s pomoˇcjo katerih bi raziskali, s kakˇsno natanˇcnostjo bi nek model strojnega uˇcenja razvrstil posameznega otroka med ljudi z oz. brez disle- ksije. Slednje je del diplomske naloge ˇstudentke Tajde Urankar [29].
4.8 Tiho branje s sledilcem pogledu
Podobno kot naloga 5 tudi naloga 6 preverja branje besedil s to razliko, da otroci besedil ne berejo glasno. Navodilo naloge je prikazano na sliki 4.18.
Besedila so 4 in so izbrana tako, da sta dve med njimi krajˇsi (35 besed), dve pa daljˇsi (80 besed). Eno izmed daljˇsih besedil je prikazano na sliki 4.19. Ko
Slika 4.18: Navodilo ˇseste naloge.
Diplomska naloga 31
Slika 4.19: Primer besedila pri ˇsesti nalogi.
se prikaˇze posamezno besedilo, se priˇcne meriti ˇcas in sledenje pogledu, ob kliku na gumb
”NA NASLEDNJE BESEDILO“ pa se oboje zakljuˇci, podatki pa se shranijo v ustrezne datoteke.
Poleg preizkusa z glasnim branjem smo se odloˇcili vkljuˇciti tudi preizkus s tihim branjem, saj smo ˇzeleli raziskati tudi, kako osredotoˇcenost na glasno branje vpliva na branje samo. Bili smo namreˇc mnenja, da so bralci v primeru glasnega branja bolj osredotoˇceni na to, da besedo pravilno izgovorijo, kar lahko vodi v daljˇsi ˇcas branja, veˇc vrnitev pogleda na isto besedo itd.
4.9 Naˇ cin za administratorja
Naˇcin za administratorja aplikacije je bil ustvarjen zaradi laˇzjega pregledo- vanja vmesnika, predvsem preverjanja ustrezne funkcionalnosti posameznih nalog. V ta naˇcin preidemo tako, da namesto starosti na strani z uvodnimi navodili vpiˇsemo ˇsestmestno ˇstevilsko vrednost, ki se mora ujemati z vnaprej doloˇceno kodo. Od navadnega naˇcina se razlikuje po tem, da se nam na vrhu strani prikaˇzejo gumbi, s pomoˇcjo katerih se lahko poljubno premikamo med nalogami, kot je to prikazano na sliki 4.20. Poleg tega je razlika ˇse v tem, da se v tem naˇcinu sledenje pogledu ne vkljuˇci.
32 Katja Kunej
Slika 4.20: Naˇcin za administratorja.
4.10 Izbor nalog
Aplikacija je bila zasnovana tako, da niso nujno vse naloge vkljuˇcene v izva- janje. Moˇzno je, da med temi ˇsestimi nalogami za testiranje izberemo zgolj konˇcno podmnoˇzico nalog, ki jih naˇstejemo v urejen seznam (angl. array) v datoteki read data.py, imenovan
”OSTEVILCENE NALOGE“, v takˇsnem vrstnem redu, kot ˇzelimo, da se naloge izvedejo, nato pa bo aplikacija med izvajanjem zaporedoma prikazovala te naloge. Lahko recimo definiramo
”OSTEVILCENE NALOGE = [’naloga1’, ’naloga5’]“
in izvedeni bosta samo nalogi 1 in 5, torej preizkus koncepta zaporedja in preizkus glasnega branja, pri ˇcemer se bo najprej izvedel preizkus koncepta zaporedja. ˇCe ˇzelimo, da je v testiranje vkljuˇcenih vseh ˇsest nalog pa defi- niramo:
”OSTEVILCENE NALOGE = [’naloga1’, ’naloga2’, ’naloga3’, ’na- loga4’, ’naloga5’, ’naloga6’]“. Ob implementaciji nove naloge, bi le-to dodali na tisto mesto v seznamu, kot bi ˇzeleli, da se naloga po vrsti izvede.
4.11 Vizualizacija podatkov
Zeleli smo, da bi tako otroci kot njihovi starˇsi ali uˇˇ citelji lahko dobili neko povratno informacijo glede uspeˇsnosti reˇsevanja posameznih nalog. Ni nam
Diplomska naloga 33 ˇse namreˇc uspelo organizirati testiranja aplikacije, ki bi zajelo dovolj veliko ˇstevilo otrok, da bi s pomoˇcjo pridobljenih podatkov lahko nadaljevali z ra- zvojem modela, ki bi morda z neko toˇcnostjo lahko loˇcil ljudi, ki morebiti imajo disleksijo, od ljudi, ki je verjetno nimajo. Za potrebe izdelave vizu- alizacij smo tako uporabili zgolj podatke o reˇsevanju nalog ene osebe. Za kalibracijo sledilca pogledu je v okviru diplomske naloge poskrbel ˇstudent Jure Mohar [23], kalibracijo pa smo potem zdruˇzili z aplikacijo.
4.11.1 Pregled odgovorov in ˇ casa reˇ sevanja
Izdelava datotek CSV
Na podlagi odgovorov in ˇcasov reˇsevanja posameznih nalog smo ustvarili CSV datoteke, po eno za vsako nalogo. Datoteka za doloˇceno nalogo se priˇcne ge- nerirati takoj, ko otrok zakljuˇci s to nalogo. Datoteka CSV vsebuje podatke loˇcene z vejicami, ustvarjamo in urejamo pa jih lahko tudi v raˇcunalniˇskem programu Excel. V naˇsem primeru so v datoteki za posamezno nalogo pov- zeti podatki vsakega primera. Ti podatki zajemajo tako odgovor, ki ga je otrok izbral, pravilnost odgovora, ˇcas reˇsevanja primera, kot tudi npr. ˇstevilo besed besedila, vkljuˇcenega v primer, pri nalogah, kjer je ta podatek seveda smiselen. Te datoteke nam bodo pri mnoˇziˇcnem testiranju lahko v pomoˇc pri statistiki rezultatov, obenem pa njihovo vsebino uporabimo tudi za ustvarja- nje drugih vrst datotek (HTML). Primer podatkov datoteke CSV prikazuje tabela 4.1.
Izdelava datotek HTML
Na podlagi podatkov v datotekah CSV smo v tem koraku izdelali datoteke HTML za vsako nalogo posebej. Datoteka se zgenerira takoj, ko je konˇcano generiranje datoteke CSV za to nalogo. Tako lahko otroku, ki je sodeloval v testiranju aplikacije, njegovemu starˇsu ali uˇcitelju, na enostaven in pre- gleden naˇcin pokaˇzemo, kakˇsne odgovore je otrok izbiral, kateri odgovori so bili pravilni in kateri nepravilni, koliko ˇcasa je potreboval za reˇsevanje posa-
34 Katja Kunej meznega primera naloge itd. Podatke smo prikazali v obliki tabele, katere stilske lastnosti smo doloˇcili v datoteki CSS. Pod tabelo se nahaja ˇse kroˇzni diagram, ki z zeleno barvo izriˇse deleˇz pravilno reˇsenih primerov, z rdeˇco pa deleˇz nepravilno reˇsenih primerov. Primer prikaza tabele iz datoteke HTML za preizkus delovnega spomina je na sliki 4.21, kroˇzni diagram za ta preizkus pa na sliki 4.22.
Slika 4.21: Primer prikaza tabele iz datoteke HTML za preizkus delovnega spomina.
Slika 4.22: Primer prikaza kroˇznega diagrama iz datoteke HTML za preizkus delovnega spomina.
Diplomska naloga 35
4.11.2 Vizualizacija sledenja pogledu
Odloˇcili smo se, da podatke pridobljene s pomoˇcjo sledilca pogledu prikaˇzemo na precej enostaven, a zelo nazoren naˇcin, ki bo prisotnim pokazal, kako se je otrok med reˇsevanjem nalog ali branjem navodil s pogledom premikal po vsebini zaslona. In sicer smo povpreˇcje koordinat
”left gaze point on- display area“ in
”right gaze point on display area“, ki povesta, na katero toˇcko ekrana je bil ob nekem ˇcasu usmerjen pogled otroka z levim oz. de- snim oˇcesom, projicirali na sliko posnetka zaslona, ki je za vsak primer vsake naloge nastal med testiranjem. Povpreˇcne koordinate obeh oˇces smo dodajali na sliko kot toˇcke eno za drugo v animacijo. Primer prikaza vseh toˇck na posnetku zaslona je na sliki 4.23. Posnetki za doloˇceno nalogo se priˇcno gene- rirati takoj po konˇcanem reˇsevanju te naloge, generiranje pa poteka asinhrono v loˇceni niti, tako da ne moti reˇsevanja preostalih nalog.
Slika 4.23: Konˇcna slika primera posnetka gibanja pogleda po zaslonu iz preizkusa delovnega spomina.
36 Katja Kunej
Primer Beseda Brez crke
Ponujena
resitev Odgovor Pravilnost odgovora
Cas v sekundah
primer1 orka k ork wrong 1 5.28
primer1 orka k ora correct 1 1.19
primer2 ranˇc ˇc anˇc wrong 1 0.89
primer2 ranˇc ˇc raˇc wrong 1 3.53
primer2 ranˇc ˇc ran correct 1 0.85
primer3 mors s mos wrong 1 0.81
primer3 mors s mor correct 1 1.16
primer4 glop l lop wrong 1 1.49
primer4 glop l glo wrong 1 0.77
primer4 glop l gop correct 1 0.79
primer5 pisk s pik correct 1 1.15
primer6 etra r etr wrong 1 0.91
primer6 etra r eta correct 1 0.84
primer7 olje j lje wrong 1 0.98
primer7 olje j olj wrong 1 1.04
primer7 olje j ole correct 1 0.81
primer8 srep r sep correct 1 0.85
primer9 flup f flu wrong 1 0.78
primer9 flup f lup correct 1 0.79
primer10 kold l kod correct 1 2.57
primer11 odlo d olo correct 1 0.95
primer12 plot p pot wrong 1 0.78
primer12 plot p plo wrong 1 0.79
primer12 plot p lot correct 1 0.79
Tabela 4.1: Primer podatkov datoteke CSV za preizkus fonoloˇskega zaveda- nja.
Poglavje 5
Ideje za nadaljnji razvoj
Z aplikacijo bi bilo v prihodnje najprej smiselno izvesti mnoˇziˇcno testiranje z uporabo sledilca pogledu. Nato bi s pomoˇcjo dobljenih podatkov sledilca pogledu lahko razvili ˇse kakˇsno uporabno vizualizacijo, ki bi ponazorila ˇse kaj veˇc, kot pa zgolj gibanje pogleda po zaslonu. Prisotnim bi potem lahko prikazali tudi, kako se je otrok izkazal v primerjavi z ostalimi udeleˇzenemi v testiranju. Poleg tega bi na tej toˇcki lahko zaˇceli tudi z razvojem modela, ki bi skuˇsal s ˇcim veˇcjo klasifikacijsko toˇcnostjo loˇciti osebe z moˇznostjo disleksije od oseb, ki najverjetneje nimajo disleksije. V ta namen bi bilo potrebno raziskati in preizkusiti, katere znaˇcilke bi bile najbolj primerne in odloˇcilne pri klasifikaciji.
Naredili bi lahko tudi statistiko uspeˇsnosti in trajanja reˇsevanja posame- znih nalog ter preuˇcili, ali obstajajo kakˇsni zlogi ali pa morda kar cele besede, ki predstavljajo ˇse posebno teˇzavo pri branju in glasovnem razpoznavanju.
S pomoˇcjo analiz dobljenih podatkov veˇc otrok bi lahko ocenili, ali katera naloga morda ni ustrezna oz. bi bila lahko zastavljena malce drugaˇce. Takˇsne naloge bi bodisi odstranili bodisi popravili. Sˇcasoma bi aplikaciji lahko dodali ˇse kakˇsen preizkus, za katerega bi predvidevali, da se sposobnosti potrebne za njegovo reˇsevanje precej razlikujejo med osebami z disleksijo in osebami brez disleksije.
37
38 Katja Kunej
Poglavje 6 Zakljuˇ cek
Cilj tega diplomskega dela je bil razviti namizno aplikacijo, ki bi bila precej prilagodljiva v smislu zajemanja vkljuˇcenih nalog, nekaterih nastavitev apli- kacije, vsebine posameznih nalog (besedil, slik, ponujenih odgovorov, videov, zvoˇcnih posnetkov). Ker je slednje zasnovano v obliki direktorijev, lahko te vsebine spreminja uporabnik sam (z uporabnikom je miˇsljena oseba, ki nad- zoruje izvajanje testa oz. naˇcrtuje testiranje samo, npr. pedagoˇski delavec).
Na ta naˇcin smo ˇzeleli ustvariti bolj sploˇsno uporabno aplikacijo. Odloˇcili smo se za namizno razliˇcico, saj je pri ˇze obstojeˇci spletni prihajalo do teˇzav s streˇznikom, poslediˇcno pa veˇckrat testiranja aplikacije ni bilo mogoˇce izvesti do konca.
Naloge iz spletne aplikacije so bile ustrezno zasnovane s strani strokovnja- kov in na podlagi literature, zato smo jih kar prenesli v namizno aplikacijo, dodali pa smo ˇse dve nalogi povezani z branjem. ˇZeleli smo, da bi aplika- cija oz. podatki pridobljeni s pomoˇcjo aplikacije omogoˇcali razvoj ustreznega modela napovedovanja disleksije. Zato se nam je zdelo zelo pomembno, da poleg merjenega ˇcasa reˇsevanja posamezne naloge in rezultatov reˇsevanja na- loge vkljuˇcimo tudi sledenje pogledu med samim reˇsevanjem. Za izvedbo slednjega je bilo kljuˇcnega pomena, da je kalibracija sledilca pogledu ˇcim bolj toˇcna, saj bi bile potem razlike med ljudmi z in brez disleksije tudi bolj oˇcitne. Poslediˇcno pa bi ti podatki najbrˇz bolj prispevali k odloˇcitvi, ali otrok
39
40 Katja Kunej morda ima disleksijo ali pa je najbrˇz nima.
Razvito aplikacijo smo nekajkrat testirali, da bi preverili tekoˇcnost nje- nega delovanja in ustreznost shranjevanja podatkov. Z njo je bilo v juniju tudi posneto glasno branje 27 otrok na nekaj osnovnih ˇsolah z namenom pridobivanja podatkov za diplomsko nalogo ˇstudentke Tajde Urankar [29].
Izkazalo se je, da aplikacija deluje nemoteno in v skladu z namenom. Zaradi poletnih poˇcitnic nam ˇse ni uspelo izvesti mnoˇziˇcnega testiranja aplikacije, ki bi nam omogoˇcilo podatke za razvoj modela strojnega uˇcenja, je pa le-to naˇcrtovano v bliˇznji prihodnosti.
Literatura
[1] Hipertekst. Dosegljivo: https://www.hostinger.com/tutorials/
what-is-html. [Dostopano: 20. 7. 2021].
[2] Css. Dosegljivo: https://sl.wikipedia.org/wiki/CSS, . [Dostopano:
20. 7. 2021].
[3] What is css? Dosegljivo: https://developer.mozilla.org/en- US/docs/Learn/CSS/First_steps/What_is_CSS, . [Dostopano: 20. 7.
2021].
[4] Html and css explained. Dosegljivo: https://io.bikegremlin.com/
12802/html-css-introduction/, . [Dostopano: 20. 7. 2021].
[5] This is eye tracking. Dosegljivo: https://www.tobii.com/group/
about/this-is-eye-tracking/, . [Dostopano: 6. 8. 2021].
[6] Types of eye movement. Dosegljivo: https://www.tobiipro.com/
learn-and-support/learn/eye-tracking-essentials/types-of- eye-movements/, . [Dostopano: 6. 8. 2021].
[7] Naˇcini preverjanja bralnega razumevanja pri uˇcencih. Dosegljivo:
http://specialnopedagoskapomoc.splet.arnes.si/2019/12/02/
nacini-preverjanja-bralnega-razumevanja-pri-ucencih/. [Do- stopano: 15. 7. 2021].
[8] Hipertekst. Dosegljivo: https://sl.wikipedia.org/wiki/
Hipertekst. [Dostopano: 20. 7. 2021].
41
42 Katja Kunej [9] Html element. Dosegljivo: https://en.wikipedia.org/wiki/HTML_
element. [Dostopano: 20. 7. 2021].
[10] Introducing json. Dosegljivo: https://www.json.org/json-en.html.
[Dostopano: 26. 7. 2021].
[11] Markup language. Dosegljivo: https://techterms.com/definition/
markup_language. [Dostopano: 20. 7. 2021].
[12] About pyqt. Dosegljivo: https://wiki.python.org/moin/PyQt, . [Do- stopano: 13. 7. 2021].
[13] What is pyqt? Dosegljivo: https://pythonpyqt.com/what-is-pyqt/, . [Dostopano: 13. 7. 2021].
[14] What is python? executive summary. Dosegljivo: https://www.
python.org/doc/essays/blurb/. [Dostopano: 13. 7. 2021].
[15] Arwa Al-Edaily, Areej Al-Wabil, and Yousef Al-Ohali. Dyslexia explorer:
A screening system for learning difficulties in the arabic language using eye tracking. Berlin, Heidelberg, 2013. Springer Berlin Heidelberg. ISBN 978-3-642-39061-6. [Dostopano: 7. 7. 2021].
[16] Arwa Al-Edaily, Areej Al-Wabil, and Yousef Al-Ohali. Interactive scree- ning for learning difficulties: Analyzing visual patterns of reading arabic scripts with eye tracking. In Constantine Stephanidis, editor,HCI Inter- national 2013 - Posters’ Extended Abstracts, pages 3–7, Berlin, Heidel- berg, 2013. Springer Berlin Heidelberg. ISBN 978-3-642-39476-8. [Do- stopano: 7. 7. 2021].
[17] Thomais Asvestopoulou, Victoria Manousaki, Antonis Psistakis, Ioan- nis Smyrnakis, Vassilios Andreadakis, Ioannis M. Aslanides, and Maria Papadopouli. Dyslexml: Screening tool for dyslexia using machine lear- ning. Dosegljivo: https://arxiv.org/abs/1903.06274, 2019. [Dosto- pano: 7. 7. 2021].
Diplomska naloga 43 [18] M. Caravolas, M. Mikulajova, S. Defior, and G. Seidlova Malkova.
Multilanguage assessment battery of early literacy, mabel. Dosegljivo:
https://www.eldel-mabel.net/, 2019. [Dostopano: 26. 7. 2021].
[19] Bryn Farnsworth. What is eye tracking and how does it work? 2019.
[Dostopano: 6. 8. 2021].
[20] Sheryl M. Handler and Walter M. Fierson. Learning disabilities, dysle- xia, and vision. Pediatrics, 127(3):e818–e856, 2011. ISSN 0031- 4005. doi: 10.1542/peds.2010-3670. URL https://pediatrics.
aappublications.org/content/127/3/e818. [Dostopano: 8. 7. 2021].
[21] Smyrnakis I, Andreadakis V, Selimis V, Kalaitzakis M, Bacho- urou T, and Kaloutsakis G. Radar: A novel fast-screening me- thod for reading difficulties with special focus on dyslexia. Dose- gljivo: https://journals.plos.org/plosone/article?id=10.1371/
journal.pone.0182597, 2017. [Dostopano: 7. 7. 2021].
[22] Milena Koˇsak Babuder, Blaˇzka Korun, Ema ˇStarkl, Gaja Nenadovi´c, Duˇsica Boben, Erika Stankovi´c, Sara Jakop, Luka Vranjeˇs, Karmen Ja- vornik, and Jure ˇZabkar. Raˇcunalniˇsko podprto prepoznavanje zgodnjih znakov disleksije.Uporabna informatika, 2021. [Dostopano: 26. 7. 2021].
[23] Jure Mohar. 2021. [Diplomsko delo, Fakulteta za raˇcunalniˇstvo in in- formatiko].
[24] Robin L Peterson and Bruce F Pennington. Developmental dysle- xia. The Lancet, 379(9830):1997–2007, 2012. ISSN 0140-6736. doi:
https://doi.org/10.1016/S0140-6736(12)60198-6. URL https://www.
sciencedirect.com/science/article/pii/S0140673612601986.
[Dostopano: 8. 7. 2021].
[25] Eva Raduly Zorgo, Ian Smythe, Eva Gyarmathy, Milena Koˇsak Babuder, Marija Kavkler, and Lidija Magajna. Disleksija - vodnik za tutorje.
44 Katja Kunej 2010. doi: 978-961-92931-2-6. URL http://pefprints.pef.uni-lj.
si/1304/. [Dostopano: 8. 7. 2021].
[26] Luz Rello and Miguel Ballesteros. Detecting readers with dyslexia using machine learning with eye tracking measures. Dosegljivo: https://dl.
acm.org/doi/abs/10.1145/2745555.2746644, 2015. [Dostopano: 7. 7.
2021].
[27] Luz Rello, Miguel Ballesteros, Abdullah Ali, Miquel Serra, Daniela Alar- con Sanchez, and Jeffrey P. Bigham. Dytective: Diagnosing risk of dysle- xia with a game. ACM, 6 2016. doi: 10.4108/eai.16-5-2016.2263338.
[Dostopano: 20. 7. 2021].
[28] Anja Strekelj. Identifikacija in diagnostiˇcno ocenjevanje uˇcencev z mo- tnjami branja in pisanja v osnovnih ˇsolah v Sloveniji: diplomsko delo.
PhD thesis, University of Ljubljana, Faculty of Education, 2014. URL http://pefprints.pef.uni-lj.si/id/eprint/2308. [Dostopano: 15.
7. 2021].
[29] Tajda Urankar. 2021. [Diplomsko delo, Fakulteta za raˇcunalniˇstvo in informatiko].
[30] Tamara Vidmar. Kako se z oblikovanjem pribliˇzati dislektikom.
Dosegljivo: https://propiar.com/pblog/kako-se-z-oblikovanjem- priblizati-dislektikom/. [Dostopano: 9. 7. 2021].
