نفاذ

تهدف نفاذ إلى أن تكون مصدراً أساسياً لنشر مقالات حول آخر الابتكارات في مجال نفاذ تكنولوجيا المعلومات. تصدر المجلة فصلياً باللغتين الإنجليزية والعربية.

الكشف عن انتباه الأطفال ذوي التوحّد من خلال تتبّع الوجه

الكشف عن انتباه الأطفال ذوي التوحّد من خلال تتبّع الوجه

اضطراب طيف التوحد (ASD) هو اضطراب عصبي نمائي مع عجز في التواصل الاجتماعي وأنماط متكررة من السلوك. يؤثر هذا الاضطراب النمائي على طفل واحد من بين 160 طفلًا حول العالم. وعلى وجه الخصوص، أظهر مسح مستعرضي حول انتشار اضطراب طيف التوحد في قطر أن 1,575 طفلًا دون سن الخامسة و5,025 فردًا تتراوح أعمارهم بين 5-19 عامًا متأثرون [1]. تشير هذه الأرقام إلى الحاجة إلى البحث القائم على الأدلة الذي يمكن أن يدعم الأفراد المصابين باضطراب طيف التوحد نسبيًا. يعاني الأطفال المصابون باضطراب طيف التوحد من صعوبات في الانتباه حيث يتشتتون بسهولة عن مهام التعلم. ونتيجة لذلك، يجد المعلمون صعوبة في مراقبة انتباههم والمواد التعليمية في نفس الوقت. لذا يمكن أن توفر التكنولوجيا المساعدة حلاً باستخدام تقنية تتبع الوجه، تعتمد هذه التقنية على كاميرا الويب والذكاء الاصطناعي.

Detecting Attention of Children with Autismيتطلب الانتباه معالجة سلوكية ومعرفية للمعلومات المنفصلة مع تجاهل المعلومات الأخرى المشتتة للانتباه [2]. وهذه المعالجة هي بمثابة مكونٍ أساسيٍّ لأي تعلم منتج يدعم استيعاب المهارات المطلوبة للأنشطة اليومية [3]. تظهر دراسة مراجعة حول تقييم انتباه الأطفال ذوي التوحد أن إحدى الاستراتيجيات الأكثر شيوعًا المستخدمة لتقييم الانتباه هي الملاحظة المباشرة أو تحليل بيانات الفيديو [4]. وفي تحليل بيانات الفيديو، يتم ترميز السلوكيات المتعمدة للمشاركين أو تصنيفها من جلسة تعلم مسجلة من قبل الخبراء أو الآباء أو مقدمي الرعاية. ويتطلب هذا النهج خبرة في كيفية اهتمام الأطفال ذوي التوحد. كما أن عملية ترميز السلوكيات المتعمدة تستغرق وقتًا طويلاً وهي عملية مملة.

تحولت ديناميات تقييم الانتباه من التقييم الذاتي إلى التقنيات الموضوعية. وتشمل بعض الفوائد الرئيسية للتقنيات الموضوعية مثل تتبع الوجه الذي يشمل تقييم سهولة الانتباه والدعم التربوي المخصص والتعلم التكيفي [5]، ويشير تتبع الوجه ببساطة إلى اكتشاف الوجه ووصف إجراءات الوجه عن طريق الفيديو في الوقت الفعلي. تعتمد تقنية التتبع على الكاميرا والذكاء الاصطناعي لالتقاط صور الفيديو وتحليل إجراءات الوجه على التوالي. تقدم إجراءات الوجه تعريفًا محددًا لتعبيرات الوجه تصف مشاعر وعواطف الأفراد. وبشكل عام، يعد تتبع الوجه نهجًا واعدًا لأنه منتشر في كل مكان وغير مزعج وفعال من حيث التكلفة.

أظهرت الأبحاث أن الأطفال الذين يعانون من اضطراب طيف التوحد يظهرون سلوكًا مقصودًا من خلال العواطف مثل السعادة والحزن [6]. ولفهم كيف تصف العواطف وتعبيرات الوجه ومعالم الوجه السلوكيات المتعمدة لدى الأطفال المصابين باضطراب طيف التوحد والتطور النموذجي، أجرينا دراسة تجريبية حول تتبع الوجه أثناء مهام الانتباه. تحاكي الدراسة مهمة أداء مستمرة في فصل دراسي افتراضي. تعرض مهمة الأداء المستمرة الحروف الهجائية العشوائية على السبورة حيث ينقر المشاركون على لوحة المفاتيح عند ظهور حرف محدد. يستخدم هذا الاختبار تقليديًّا لتقييم الاهتمام الانتقائي والمستدام للأطفال الذين يعانون من نقص الانتباه [7]. يتم إدخال المشتتات السمعية والبصرية في الاختبار لمحاكاة الانحرافات المحتملة في الفصل الدراسي (الشكل 1). وأثناء تجربة مهمة الانتباه، يكتشف برنامج iMotions ميزات الوجه وينشئها باستخدام جهاز كاميرا ويب   iMotions[8]. وهو برنامج قياس حيوي تجاري يستخدم رؤية الكمبيوتر والذكاء الاصطناعي للعواطف واكتشاف تعابير ومعالم الوجه.

الشكل 1. تتبع الوجه في الوقت الحقيقي أثناء مهمة الانتباه

كشف التحقيق في العواطف حول السلوكيات المتعمدة لدى الأطفال من ذوي التوحد والتطور النموذجي أن العواطف الإيجابية كانت بارزة عند الانتباه. على سبيل المثال، الأطفال الذين يعانون من اضطراب طيف التوحد عبروا عن مشاعر الفرح، في حين أعربت مجموعة الأطفال ذوي التطور النموذجي عن المزيد من الفرح والعواطف المفاجئة. هذه النتيجة مشابهة لدراسة أجريت [28]، والتي تنص على أن الأطفال المصابين باضطراب طيف التوحد يظهرون مشاعر إيجابية في زيادة المشاركة في التعلم. ومع ذلك، لم يكن هناك ارتباط كبير بين المشاعر الإيجابية أو السلبية مع درجات الأداء. تشير هذه النتيجة إلى أنه في حين أن العواطف تشرح اهتمام الطلاب بالتعلم، إلا أنها ليست كافية لتقييم الانتباه. وهذا يعني أن العاطفة لن تحدد الانتباه في جميع الأوقات. وفي المرحلة التالية من التحقيق، نستكشف المستوى المنخفض من العواطف، أي أن تعبير الوجه يصف الانتباه.

تعتبر تعابير الوجه هي وحدات عمل الوجه التي تصف العواطف. على سبيل المثال، تتكون العاطفة المفاجئة من ثلاث وحدات عمل للوجه: فتح الفم وتوسيع العين ورفع الحاجب. اكتشفنا 10 وحدات عمل الوجه الأساسية التي تتعلق بالسلوكيات المتعمدة لدى الأطفال المصابين باضطراب طيف التوحد والتطور النموذجي تتضمن تعابير الوجه هذه تجعّد الحاجب ورفع الحاجب وخفض زاوية الشفة والابتسامة وتجاعيد الأنف ومص الشفة وفتح الفم ورفع الذقن وتجعّد الشفة [9]. كانت أربع وحدات عمل للوجه شائعة عند الأطفال المصابين باضطراب طيف التوحد أثناء مهمة الانتباه. تتضمن وحدات عمل الوجه هذه فتح الفم ورفع الحاجب ومص الشفاه والضغط على الشفاه. تم تحديد تعابير وجه مماثلة في الأطفال ذوي التطور النموذجي، باستثناء ضغط الشفاه [10]. أدى التحليل الإضافي لكيفية تميز وحدات عمل الوجه هذه عن الانتباه عن عدم الانتباه إلى نموذج للكشف عن الانتباه باستخدام معالم الوجه.

معالم الوجه هي نقاط الوجه التي تصف وحدات عمل الوجه. تم تصوير مثال معالم الوجه كنقاط حمراء في الشكل 2. قمنا بتدوين معالم الوجه التي تم إنشاؤها أثناء مهمة الانتباه على أنها انتباه وعدم انتباه بناءً على استجابة المشاركين. ثم قمنا بتغذية معالم الوجه المشروحة في خوارزمية التعلم الآلي عبر نماذج محددة وعامة. تم تطوير نموذج محدد مع معالم الوجه من مشارك معين بينما يعتمد النموذج المعمم على معالم الوجه عبر مختلف المشاركين. أظهرت نتائج الدراسة التجريبية أن أداء النموذج المحدد كان أعلى من أداء النموذج المعمم. تشير هذه النتيجة إلى أن كل طفل لديه حركة وجه فريدة للسلوك المتعمد. وعلى العكس من ذلك، كان أداء النموذج المعمم لأطفال ذوي التطور النموذجي أعلى من أداء المشاركين من ذوي التوحد. وهذا يدل على أن السلوكيات المتعمدة القائمة على الوجه شائعة بين أطفال ذوي التطور النموذجي.

الشكل 2. معالم الوجه

ولتقييم الانتباه الفعّال في الأطفال الذين يعانون من اضطراب طيف التوحد باستخدام أداة تتبع الوجه، يجب تخصيص تطوير أداة الكشف عن الانتباه. وهذا يشير إلى أن السلوكيات المتعمدة القائمة على الوجه يجب أن تبنى على أفعال الوجه لكل طفل. يمكن أيضًا ربط النتائج بسمات اضطراب طيف التوحد التي تنص على أن كل طفل يعاني من اضطراب طيف التوحد مختلف تمامًا عن الآخر. تجدر الإشارة إلى أن ملامح الوجه لديها القدرة على تقييم الانتباه ولكن لا توجد ميزة عالمية للوجه تصف السلوك المتعمّد لدى الأطفال المصابين باضطراب طيف التوحد.

Bilikis Banireسيرة ذاتية

بيليكيس بانير هي حاليًا طالبة دكتوراة تعمل تحت إشراف الدكتورة دينا آل ثاني والدكتورة مروة قراقع في كلية علوم وهندسة الحاسوب في جامعة حمد بن خليفة. حصلت على درجة الماجستير في العلوم في هندسة البرمجيات بامتياز (3.91 / 4) من جامعة مالايا – كوالالمبور في ماليزيا في يونيو 2014. وقد تركزت أطروحتها على التفاعل بين الإنسان والحاسوب (HCI) وهندسة المتطلبات تحت عنوان “إطار عمل نظام التعلم البصري الهجين التنموي للأطفال الذين يعانون من اضطراب طيف التوحّد”. بحثت رسالتها في إطار تطوير البرمجيات لتصميم تطبيق تعليمي قائم على الكمبيوتر للأطفال الذين يعانون من اضطراب طيف التوحد. وخلال هذه الفترة، عملت مع “مركز فقيه للتوحد” في ماليزيا ومركز أبو ظبي للتوحد كمتطوعة وباحثة. أكملت درجة البكالوريوس في الإلكترونيات وهندسة الكمبيوتر من جامعة ولاية لاغوس – لاغوس في  نيجيريا في عام 2008. وعملت كمتدربة ومطوّرة ويب في مركز تكنولوجيا المعلومات والاتصالات بجامعة ولاية لاغوس بين العامين 2006 و2009.

المراجع:

  1. Alshaban, F., et al., Prevalence and correlates of autism spectrum disorder in Qatar: a national study. Journal of Child Psychology and Psychiatry, 2019. 60(12): p. 1254-1268.
  2. James, W., The principles of psychology New York. Holt and company, 1890.
  3. Moore, M. and S. Calvert, Brief report: Vocabulary acquisition for children with autism: Teacher or computer instruction. Journal of autism and developmental disorders, 2000. 30(4): p. 359-362.
  4. Banire, B., et al. A systematic review: Attention assessment of virtual reality based intervention for learning in children with autism spectrum disorder. in 2017 7th IEEE International Conference on Control System, Computing and Engineering (ICCSCE). 2017.
  5. Dewan, M.A.A., M. Murshed, and F. Lin, Engagement detection in online learning: a review. Smart Learning Environments, 2019. 6(1): p. 1.
  6. Escobedo, L., et al., Using Augmented Reality to Help Children with Autism Stay Focused. IEEE Pervasive Computing, 2014. 13(1): p. 38-46.
  7. Rosvold, H.E., et al., A continuous performance test of brain damage. Journal of consulting psychology, 1956. 20(5): p. 343.
  8. iMotions, iMotion Biometric Tool, 2017.
  9. Magdin, M. and F. Prikler, Real time facial expression recognition using webcam and SDK affectiva. IJIMAI, 2018. 5(1): p. 7-15.

 

Share this