TabNetを用いた自閉スペクトラム症レベル予測と個別教育計画

科学分野:

• 神経科学
• 教育心理学
• コンピューターサイエンス

背景:

• 自閉スペクトラム症（ASD）は、学生の社会的スキル、コミュニケーションスキル、行動スキルに大きな影響を与えます。
• 現在の研究は診断に焦点を当てることが多く、ASDレベルの予測と教育戦略の個別化のための効果的な方法が不足しています。
• 個別化された教育計画は、自閉症学生の多様な支援ニーズに対応するために不可欠です。

研究 の 目的:

• 自閉スペクトラム症（ASD）の学生を対象とした自閉症レベルの分類システムを開発すること。
• 予測された自閉症レベルに関連付けられた、個別化された教育計画のレコメンデーションシステムを作成すること。
• 自閉症レベルの予測と個別化された教育戦略の開発を統合すること。

主な方法:

• ASDのある学生の言語能力、社会的相互作用、感覚過敏性、注意持続時間を含むデータセットを収集しました。
• 特徴量を前処理し、TabNetモデルをトレーニングして自閉症レベルを分類しました。
• モデルの予測に基づいて個別化された教育計画を推奨するWebアプリケーションを開発しました。

主要な成果:

• 自閉症レベルの分類において、精度99.37%、適合率98.91%を達成しました。
• 自閉症レベル予測と個別教育計画のレコメンデーションを効果的に統合しました。
• 自閉症レベルの分類と個別化された教育戦略の提案におけるモデルの有効性を実証しました。

結論:

• 提案されたシステムは、自閉スペクトラム症のレベルを効果的に分類します。
• 統合されたアプローチは、自閉症学生のための個別化された教育計画のレコメンデーションを提供します。
• この研究は、自閉スペクトラム症の学生の教育効果と個別化を向上させます。