Gamification Intelligente pour une Remédiation à Domicile et individualisée de la Dyslexie

par Hossein Jamshidifarsani

Projet de thèse en Psychologie

Sous la direction de Pierre Blazevic et de Samir Garbaya.

Thèses en préparation à université Paris-Saclay , dans le cadre de École doctorale Sciences du sport, de la motricité et du mouvement humain , en partenariat avec Handicap Neuromusculaire : Physiopathologie, Biothérapie et Pharmacologie appliquées (laboratoire) , Laboratoire de physiologie TITAN (equipe de recherche) , Université de Versailles-Saint-Quentin-en-Yvelines (référent) et de Université Paris-Saclay. Graduate School Sport, mouvement, facteurs humains (2020-....) (graduate school) depuis le 01-10-2016 .


  • Résumé

    La dyslexie est le trouble spécifique de langage le plus répandu, le manque d'automaticité dans la reconnaissance des mots est l'une de ses principales caractéristiques. Cette thèse est dédiée à la gamification de la remédiation de la dyslexie à domicile, elle focalise sur le développement de l'automaticité chez les enfants âgés de cinq à neuf ans. Une recherche approfondie sur les méthodes efficaces d'acquisition d'automaticité nous a permis de créer un nouveau modèle de formation pour l'apprentissage de l'automaticité. Cet apprentissage nécessite plusieurs répétitions mais l'adhésion au programme de formation est un critère très important pour l'obtention de bons résultats. En se basant sur le modèle d'apprentissage de l'automaticité, nous avons créé un modèle de gamification qui inclut chaque élément du jeu à l'étape appropriée d'acquisition d'automaticité. L'efficacité de ce modèle de gamification a été validé par un essai randomisé contrôlé. Afin de fournir un système adaptatif, nous avons développé un modèle d'optimisation qui propose des sessions de formation individualisées en fonction du niveau de l'apprenant. Pour estimer le niveau de difficulté du contenu pédagogique, quatre compétences lexicales ont été modélisées à l'aide de réseaux de neurones artificiels et de régression linéaire. Pour chaque compétence lexicale, les 10 principales variables lexicales ont été identifiées par une analyse de type « Forward Stepwise ». La précision des modèles basés sur l'erreur absolue moyenne a atteint 90,58% pour la reconnaissance auditive des mots, 92,08% pour la reconnaissance visuelle des mots, 84,83% pour l'orthographe et 86,98% pour le décodage des mots. Enfin, sur la base de ces développements, quatre jeux ont été créés et fournis sur différentes plateformes. L'évaluation de l'étude d'utilisabilité a confirmé la viabilité du système intelligent et les jeux ont obtenu un score de 80% sur l'échelle d'utilisabilité du système.

  • Titre traduit

    Intelligent Gamification for Individualized Dyslexia Remediation and In-Home Therapy


  • Résumé

    Dyslexia is the most prevalent learning disability and the lack of automaticity in word recognition is one of its main characteristics. This thesis is dedicated to the gamification of in-home dyslexia remediation by focusing on the development of automaticity for children aged from five to nine years old. An extensive research on the effective principles of automaticity training, led to the creation of a novel training model for automaticity acquisition. Training for automaticity requires countless repetitions, and adherence is crucial. Gamification concept was proposed to increase motivation, engagement, and adherence. Based on the automaticity-training model, a gamification model was developed for placing each game element at its appropriate phase of automaticity acquisition. The effectiveness of this gamification model was validated by a randomized controlled trial. Furthermore, an optimization model was developed to provide individualized training sessions based on the level of the learner. For estimating the difficulty level of the content, four lexical skills were modelled using artificial neural networks and linear regression. For each lexical skill, the top 10 lexical variables were identified through forward stepwise analysis. The accuracy of the models based on mean absolute error reached 90.58% for auditory word recognition, 92.08% for visual word recognition, 84.83% for spelling, and 86.98% for word decoding. Finally, based on these developments, four games were created and provided on multiple platforms. The evaluation of the usability study confirmed the viability of the intelligent system and the games scored 80% on the system usability scale.