Výzkum metod parametrizace online písma u osob s grafomotorickými obtížemi

Abstract

Tradiční přístupy k hodnocení obtíží grafomotoriky a písma se potýkají s řadou nedostatků, jako je subjektivita posuzovatele, vysoká cena a časová náročnost. Důsledkem je často pozdní diagnostika a oddálení potřebné intervence. Tato disertační práce si proto klade za cíl vyvinout a ověřit soubor nových výpočetních metod pro objektivní a kvantitativní analýzu grafomotorických, písařských a souvisejících kognitivních dovedností na základě on-line digitálně zaznamenaných dat. Práce se zaměřuje na čtyři hlavní oblasti. V první z nich byla vyvinuta metoda pro posouzení kontroly pohybu při kreslení, která je založena na směrové analýze pohybu a rozšířena o aparát frakcionálního kalkulu. Dále byl zkoumán princip isochronie (přirozeného rytmu psaní), jehož kvantifikace umožnila vytvořit nové příznaky pro hodnocení plynulosti projevu. Třetí oblast se věnuje multimodálnímu přístupu, který kombinuje analýzu on-line písma se současným sledováním pohybu očí za účelem hodnocení kognitivně-motorického výkonu. V poslední části byl experimentálně ověřen autoenkodér na bázi LSTM sítě jako nástroj pro augmentaci dat, který umožňuje zpřesnit predikce v datasetech omezené velikosti. Výsledky ukazují, že navržené metody dosahují výrazně vyšší predikční přesnosti než konvenční postupy. Například model směrové analýzy dosáhl při identifikaci dětí s grafomotorickými obtížemi vyvážené přesnosti (balanced accuracy) 87 %. Multimodální analýza koordinace ruky a očí umožnila hodnotit výkon v kognitivní úloze s 90 % přesností. Příznaky založené na principu isochronie se ukázaly jako vysoce relevantní pro posouzení kvality psaného projevu a využití autoenkodéru jako předzpracovacího kroku vedlo ke zlepšení přesnosti modelu v odhadu psacích obtíží. Předložená práce tak přináší ucelený a v praxi ověřený soubor objektivních, robustních a interpretovatelných metod pro analýzu psaného projevu. Tyto výsledky otevírají cestu pro novou generaci systémů na podporu rozhodování, jejichž využití slibuje nejen zpřesnění a zrychlení diagnostiky grafomotorických dovedností, ale i její výrazně lepší dostupnost.Conventional assessment of graphomotor and handwriting difficulties is often constrained by subjectivity, high costs, and lengthy procedures, which can delay critical support for individuals in need. This dissertation aims to develop and validate a suite of novel computational methods for the objective, quantitative assessment of graphomotor, handwriting, and associated cognitive skills using on-line, digitally captured data. Four primary research avenues were pursued. First, a method based on the directional analysis of movement, enhanced by fractional-order calculus, was developed to assess graphomotor control in drawing tasks. Second, the principle of isochrony, the natural rhythm of handwriting, was quantified to create features assessing writing fluency. Third, a multimodal framework combining on-line handwriting with concurrent eye-tracking was investigated to assess cognitive-motor performance, yielding novel hand-eye coupling biomarkers. Finally, an LSTM-based autoencoder was explored as a data augmentation tool and preprocessing filter to enhance the feature space of limited clinical datasets. The results demonstrate the significant predictive gains of the proposed methods over conventional approaches. The directional analysis model achieved a balanced accuracy of 87\,\% in identifying children with graphomotor difficulties. The multimodal hand-eye tracking framework reached 90\,\% accuracy in assessing performance on a cognitive task. Isochrony-based features were shown to be highly predictive of handwriting proficiency, and the autoencoder preprocessing step provided an improvement over baseline model performance. Collectively, this research provides a validated toolkit of objective, powerful, and interpretable methods for analyzing the handwriting process. These contributions lay the groundwork for a new generation of decision support systems, promising more precise, efficient, and accessible assessment of handwriting and graphomotor skills.