عسر الكتابة (Dysgraphia) هو حالة تعثر في الكتابة تعاني منها شريحة كبيرة من الأطفال في مرحلة التعليم الأساسي، حيث تؤثر سلبًا على انسيابية ووضوح الكتابة، مما ينعكس سلباً على أدائهم الأكاديمي. تقليديًا، يعتمد تشخيص هذه الحالة على تقييمات ذات طبيعة ذاتية يقوم بها الأطباء، ما يجعلها عرضة للتفاوت ووقت الانتظار الطويل.

لذا، تُقدم ورقة بحثية جديدة إطار عمل مبتكر يعتمد على التعلم العميق (Deep Learning) للكشف الموضوعي عن عسر الكتابة باستخدام بيانات الكتابة اليدوية الملتقطة بواسطة أجهزة الحاسوب اللوحية. يعتمد هذا النظام على فرعين أساسيين: الأول يقوم باستخراج ميزات حركية تقليدية ومُستندة إلى القوالب من الإشارات الزمنية الخام، بينما يستخدم الثاني تمثيلات مبنية على الصور تتولد باستخدام تحويلات الموجات المستمرة (Continuous Wavelet Transforms) وحقول الزاوية Gramian Angular Fields.

تم دمج هذه الميزات للاستفادة من نقاط القوة التكميلية لكلا التمثيلين، وطُبقت التقييمات على مجموعة بيانات DiaGraMo المتاحة للجمهور. أظهرت النتائج أن دمج حقل الزاوية GAF ونتائج لحظية وميزات حركية تقليدية يفوق أداء كل تمثيل بشكل منفرد، بالإضافة إلى استراتيجيات دمج أخرى.

تشير هذه النتائج إلى إمكانيات كبيرة للتكامل بين التمثيلات القائمة على الصور والإشارات لتحسين دقة الاكتشاف الموضوعي لعسر الكتابة لدى الأطفال. يتضح أن التقنيات الحديثة قد توفر حلولاً فعالة تساعد في تسريع عملية التشخيص، مما يسهم في تحسين التعليم وسير العملية التعليمية.