La dynamique de l’écriture manuscrite améliore le diagnostic automatisé de la dysgraphie
Konrad Zolna, Thibault Asselborn, Caroline Jolly, Laurence Casteran, Marie-Ange Nguyen-Morel, Wafa Johal, Pierre Dillenbourg
Le trouble de l’écriture manuscrite (appelé dysgraphie) est un problème loin d’être singulier puisque près de 8,6% de la population en France est considérée comme dysgraphique. De plus, les recherches soulignent l’importance fondamentale de détecter et de remédier à ces difficultés d’écriture le plus tôt possible car elles peuvent affecter toute la vie de l’enfant, en déteriorant les performances et la confiance en soi dans une grande variété d’activités scolaires.
Actuellement, la détection des difficultés d’écriture se fait par le biais d’un test standard appelé BHK. Cette détection, effectuée par des thérapeutes, est laborieuse en raison de son coût élevé et de sa subjectivité. Nous présentons une approche numérique pour identifier et caractériser les difficultés d’écriture manuscrite via un modèle de réseau neuronal récurrent (RNN). Il est demandé à chaque enfant d’écrire sur une tablette graphique toutes les lettres de l’alphabet ainsi que les dix chiffres. Une fois l’exercice terminé, le RNN fournit un diagnostic en quelques millisecondes et fait preuve d’une efficacité remarquable puisqu’il identifie correctement plus de 90% des enfants diagnostiqués précédemment comme dysgraphiques à l’aide du test BHK. Le principal avantage de notre système basé sur une tablette est qu’il capture les caractéristiques dynamiques de l’écriture, ce qu’un expert humain, tel qu’un enseignant, est incapable de faire.
Nous montrons que l’intégration des caractéristiques dynamiques, accessibles grâce à l’utilisation de la tablette, sont bénéfiques pour notre test numérique car elles aident à déterminer les enfants dysgraphiques des non-dysgraphiques.