Opis projektu
Pomiar aktywności mózgu u dzieci w celu rozpoznania trudności w uczeniu się matematyki
Rozpoznawanie trudności w uczeniu się matematyki nie należy do łatwych zadań, ale jest konieczne w celu zapewnienia odpowiedniego wsparcia dla dzieci. Obecnie wykorzystywane w diagnostyce podejścia obliczeniowe mają pewne ograniczenia. W celu rozwiązania tej kwestii zespół finansowanego przez UE projektu MathDevBML opracuje model obliczeniowy umożliwiający rozpoznawanie trudności w uczeniu się matematyki jeszcze przed rozpoczęciem nauki w szkole podstawowej. Badacze połączą dane dotyczące mózgów dzieci przedszkolnych z najnowocześniejszymi technikami uczenia maszynowego. 5-letnie dzieci zostały poddane badaniu z wykorzystaniem obrazowania metodą rezonansu magnetycznego, podczas którego pokazywano im wzory utworzone z kropek w celu stymulacji wizualnej. Aktywność ich mózgów zostanie zbadana ponownie, gdy osiągną wiek 7 lat. Połączenie kilku algorytmów i danych dotyczących mózgów 5-latków pozwolą przewidzieć wystąpienie trudności w uczeniu się matematyki w wieku 7 lat.
Cel
Mathematics is the fundamental basis of modern science and technology. However, individuals differ in mathematical ability, and 5%–7% of the population suffers from a math learning disability (MLD). To provide appropriate support for children with MLD, detecting MLD before entering the formal education system is essential. Previous studies have identified some of the neural correlates of MLD; however, computational approaches to predict MLD have been limited. Also, most studies recruited children who were enrolled in elementary school, which is problematic because negative math experience may worsen the difficulties. This research project aims to address these gaps. By combining brain data of preschoolers with state-of-the-art machine learning techniques, I will construct a computational model aiming at predicting MLD before children enter elementary school. The host laboratory of Dr. Jérôme Prado is currently conducting magnetic resonance imaging (MRI) experiments in 5-year-old preschoolers. Participants are presented with visual stimuli consisting of dot patterns, and their brain activity is measured using functional MRI. I will repeat the same MRI task two years later (when children are 7). The math skills of participants will be measured at the age of 7. Multiple algorithms (model-based and model-free approaches) will be applied to the brain data at the age of 5 to predict the occurrence of MLD at the age of 7. Computational models will be applied to other cognitive abilities (language, reasoning), and the influence on atypical math development will be examined. I will benefit from the strong administrative support and advanced neuroimaging resources at the Lyon Neuroscience Research Center, where I will receive training in technical and leadership skills. This research project is an excellent opportunity for me and the host to contribute to the growth of an innovative research field combining developmental neuroscience and machine learning techniques.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczenauki biologiczneneurobiologia
- nauki przyrodniczeinformatykanauka o danych
- inżynieria i technologiainżynieria medycznadiagnostyka obrazowaobrazowanie metodą rezonansu magnetycznego
- nauki przyrodniczematematyka
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynowe
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
75654 Paris
Francja