Novel ICT solutions to support the early screening of specific learning disabilities and the characterization of handwriting evolution

Specific learning disabilities heavily impact children's first approach to school, with negative consequences on their whole lives. Their diagnosis comes late, when the corresponding academic skill is supposed to be mastered, and it is even more belated because the health system is overwhelmed by requests from false positives that simply would have needed more time to reach satisfactory levels. To face this problem, it is key to early screen potential weaknesses, start a specific training, and ask for a clinical consultation only for children who cannot recover. This early identification is supposed to originate from schools, that may lack specialized figures. Indeed, they would benefit from the introduction of technology-based tools to enhance the screening process by making it more systematic, more objective, and possible also with minimal training or supervision. In this context, the main aim of this PhD research was to provide novel e-health solutions to support the early screening of specific learning disabilities, with special focus on the characterization of handwriting evolution, towards the early diagnosis of dysgraphia. In particular, three solutions are here proposed: a web-app to systematically manage weaknesses and training at school level; a tablet app to anticipate to pre-literacy the screening of handwriting delays; a tablet app to enrich the diagnosis with objective parameters, as also suggested by recent national guidelines on dysgraphia diagnosis. These technologies were successfully co-designed with the relevant stakeholders, refined after pilot testings, and validated with field testings. A large dataset of longitudinal data on the evolution of graphical abilities was collected, and it was the basis to leverage AI techniques to predict or classify graphical weaknesses and the risk of dysgraphia. The results suggested that these are promising solutions to support the early screening of specific learning disabilities - dysgraphia, in particular -, to facilitate the access to the clinical pathway to children who really need it, in a pedagogical alliance at the service of learning.

I disturbi specifici dell'apprendimento incidono pesantemente sui primi anni di istruzione, con conseguenze negative su tutta la vita. La diagnosi è tardiva poiché è possibile solo quando si suppone sia padroneggiata la corrispondente competenza, ma è ancora più ritardata da un eccesso di richieste di diagnosi di falsi positivi che avrebbero avuto soltanto bisogno di più tempo per raggiungere livelli soddisfacenti. Per affrontare questo problema, è fondamentale individuare precocemente potenziali difficoltà, avviare una formazione specifica e richiedere una consulenza clinica solo per i bambini che non rispondono ai trattamenti. Questa identificazione precoce dovrebbe essere effettuata nelle scuole, dove però mancano figure specializzate. L’introduzione di strumenti basati sulla tecnologia sarebbe utile per migliorare il processo di screening rendendolo più sistematico, più obiettivo e possibile anche con una formazione o una supervisione minime. In questo contesto, l'obiettivo principale di questa tesi di dottorato è di fornire nuove soluzioni e-health per supportare lo screening precoce di disturbi specifici dell'apprendimento, con particolare attenzione alla caratterizzazione dell'evoluzione della scrittura, verso la diagnosi precoce della disgrafia. In particolare, vengono qui proposte tre soluzioni: una web-app per gestire sistematicamente le difficoltà e il potenziamento a livello scolastico; un'app per tablet per anticipare al pregrafismo lo screening dei ritardi nella scrittura; un'app per tablet per arricchire la diagnosi con parametri oggettivi, come suggerito anche dalle recenti linee guida nazionali sulla diagnosi di disgrafia. Queste tecnologie sono state co-progettate con successo con le parti interessate, perfezionate dopo test pilota e validate con test sul campo. È stato raccolto un ampio set di dati longitudinali sull'evoluzione delle capacità grafiche, che è stata la base per sfruttare tecniche di intelligenza artificiale per prevedere e classificare le difficoltà pregrafiche e il rischio di disgrafia. I risultati sono promettenti per supportare lo screening precoce dei disturbi specifici dell'apprendimento - la disgrafia, in particolare -, per facilitare l'accesso al percorso clinico ai bambini che ne hanno realmente bisogno, in un'alleanza pedagogica al servizio dell'apprendimento.