一种孤独症儿童发育历程信息化及职业预测、课程效果评估的方法及系统

本发明属于人工智能，涉及一种孤独症儿童发育历程信息化及职业预测、课程效果评估的方法及系统。

背景技术：

1、孤独症(又称孤独症)谱系障碍(autism spectrum disorder，简称asd)属于神经发育疾病，是一种广泛性的神经发育性障碍，外显特征主要表现为社会交往沟通障碍和限制性重复刻板行为。孤独症儿童大多缺乏生活自理能力成年后就业率极低，需要长时间和专业的陪护。

2、而目前尚未有针对孤独症发病的详细病因及前期预防策略，多为发病后开始康复治疗，对于孤独症家庭来说，早期康复训练是最为有效的方法。

3、然而自从20世纪40年代kanner医生提出孤独症autism概念后，一直到70年代，孤独症成为社会热点话题，再到如今，国内外的孤独症相关评估与康复方法层出不穷，却缺少统一标准，目前海内外对于孤独症的治疗方法包含1.药物治疗，使用利培酮、阿立哌唑等，但副作用大，易造成过敏反应，且对于日后的社会沟通效果有限，孤独症无特效药品。2.行为疗法，包括应用行为分析aba、地板时光疗法等，有一定效果，但对于康复师的要求极高，需要很长时间得以看到疗效。3.其他疗法，如音乐治疗、中医针灸、感统训练等，这些疗法效果因人而异，变量多样，难以预测是否对儿童未来的发展有积极作用。如此多的信息和方法让孤独症家庭选择治疗方案时不可避免地陷入迷茫，耗费大量金钱和精力。而从事孤独症诊疗的相关从业者也受困于海内外繁多的评估标准及转诊流程等，使得康复从业者质量良莠不齐。亟需一种拥有统一标准的评估+康复方法，将儿童发展历程中的若干变量同时考虑，帮助了解儿童能力及适宜的康复疗法。也让家长明晰儿童未来的发展方向，让机构、学校给予支持，社会了解并给与各层级的帮助，减轻家庭和社会的抚养负担。

4、另外孤独症障碍者就业率始终较低，美国有25％-55％的孤独症成人参与任何类型的有偿工作，且在维持工作上有困难。这样的就业窘境在过去被认为源自于孤独症儿童智力低下，实际上智商并非决定性因素，许多智力水平处于平均甚至高于平均水平的孩子在成年后仍然与家人生活在一起，没有工作。实际的就业困难一方面来自于社会偏见及支持性就业不足，更多也源于孤独症儿童本身在理解社会线索和面部表情、常规情感表达、灵活变通以及适应新任务和常规方面存在困难。国内的教育康复资源更多关注16岁以下孤独症儿童，基于各项能力评估给出康复训练方案，却鲜少关注其成年后就业养护方面内容。因此面向孤独症儿童的职业能力康复训练显得尤为重要。国内外学者针对孤独症儿童职业技能培训做出了诸多尝试，如张万丰等探讨了在职业技能培训中应用视频示范教学法的方式，gabriellet.lee等在洗车能力上实践了这一模式，发现培训有效地提高了所有参与者对洗车任务的独立和准确反应，briellabaerchen等也验证了基于视频对孤独症青少年职业技能培训的有效性，郭文斌等人探讨了虚拟现实技术为孤独症谱系障碍者提供职业操作、沟通技能的可能性。杨慧等人探讨了孤独症谱系障碍青少年的自我就业模式，jessica等人探讨了中学后职业康复(vocationalrehabilitation)对孤独症青少年的作用。但上述研究只是个别干预案例，有些只是一些职业技能培训方法的设想，缺少实证研究的支持，可见目前针对孤独症职业能力康复缺乏整体的解决方案，孤独症儿童难以基于职业目标选择合适的康复内容。亟需一种方法，能够预测出孤独症儿童未来适宜的职业类型，并针对职业方向有的放矢，在成年之前就进行对应性的训练，并在成年后提供相应岗位进行实习体验。

5、目前我国大力推行教育智能化转型，孤独症教育康复领域存在将相关的材料、数字化，信息化转型的巨大潜能。

技术实现思路

1、为了解决现有技术存在的不足，本发明的目的是提供一种孤独症儿童发育历程信息化及职业预测的方法及系统，用于将孤独症儿童发育历程进行信息化并进行职业预测。

2、对于孤独症患者，就业是一大难题，其中最大的难点在于孤独症患者对于各种职业的适合度未知，无法为其推荐适合的岗位，发挥自身优势。本发明以机器学习技术赋能教育康复数字化转型升级，创造性地将孤独症儿童康复教育历程中的各类数据进行系统分类汇总，区分为成长信息(背景常量值cc)、评估结果(能力测量值cv)和课程表现三大类，这些数据可以通过直接的测评获得。但相应的孤独症患者对各职业的适应度难以通过直接测量得知，因此将运用机器学习技术将收集数据进行算法计算，建立孤独症儿童的未来职业预测模型，通过前期数据预测孤独症儿童未来适合的职业类型。同时建造康复大数据库，收集多名孤独症儿童的数据后通过算法建立完善的课程库与评价体系。

3、本发明提供了一种孤独症儿童发育历程信息化及职业预测的方法，所述方法包括如下步骤：

4、步骤a：收集训练职业预测模型所需的孤独症儿童评估数据c和职业适合度s。

5、其中评估数据c需通过测评获得。分别收集孤独症儿童背景常量值cc，包括孤独症儿童发育信息和孤独症诊断信息；儿童能力测量值cv，包括孤独症儿童辅音声母构音评估分数、社会交往评估分数、执行功能brief2量表分数。

6、其中职业适合度s通过对已有相应合适职业岗位的儿童进行评估得到。

7、步骤b：构建职业预测模型，利用步骤a中收集到的数据中约100名孤独症儿童的评估数据c和职业适合度s，对职业预测模型进行训练，获得用于职业预测的训练完成的职业预测模型。

8、步骤a中，已经获得了训练职业预测模型所需要的评估数据c和职业适合度s，在这一步骤中，使用到的数据为步骤a中获得的训练职业预测模型所需要的数据，收集数据的对象为现有的共约100位孤独症儿童，收集的数据为每位儿童的评估数据c及每位儿童对于某个职业的适合度s，上述的100位现有的儿童已经受到全方位的康复干预及多年的成果跟踪，已经获得了相关的数据，在数据收集完毕后，即可利用这些数据开始训练模型，即对模型参数w进行迭代优化。

9、步骤c：收集待预测儿童的评估数据c，并使用在步骤b中训练完成的职业预测模型对待预测儿童的职业适合度s进行评测，获得待预测儿童适合的职业。

10、运用步骤b中训练完毕的职业预测模型预测新加入的孤独症儿童的职业适合度。过程中需首先获得新加入孤独症儿童的评估数据c，后通过模型计算得到输出职业适合度其中尖顶上标^用于表达模型预测的数值，并非实际采集的数据。

11、步骤a中，所述孤独症儿童评估数据c包含孤独症儿童背景常量值cc和孤独症儿童能力测量值cv。

12、其中孤独症儿童背景常量值cc能够说明该值所对应的指标在儿童的成长过程中基本不发生大的变化，其表述的是儿童初始能力和教育康复环境相关信息；所述孤独症儿童背景常量值cc包括孤独症儿童发育信息和孤独症诊断信息。所述发育信息包括儿童基本信息和孤独症儿童教育康复历程；所述孤独症诊断信息选择现有的孤独症常用量表分数来具体表达，其中量表的选择参考《孤独症谱系障碍——医学前沿与研究进展》一书，所述量表均为国际认证的有较高信效度的，在本发明中收集儿童曾在医院或相关机构中所做专业量表评估的得分作为评分依据，包括孤独症筛查用量表得分、孤独症诊断用量表得分、其他心理评估量表得分；所述孤独症筛查用量表为改良的婴幼儿孤独症量表m-chat(16-30个月)；所述孤独症诊断用量表包括儿童孤独症评定量表cars、孤独症行为量表abc、孤独症诊断观察量表ados-2；所述其他心理评估量表包括韦氏智力量表、心理教育评估量表pep-3、图片词汇测验中文修订版ppvt-r、语言行为里程碑评估与安置计划vb-mapp障碍评估。

13、所述儿童基本信息包括儿童姓名、儿童性别、出生年月、确诊年龄、并发疾病、家庭收入、主要抚养者、抚养人学历；所述孤独症儿童教育康复历程是指入组前和入组后的康复年龄、康复过程更换次数、康复效果满意度、康复频率、年康复支出、康复课程种类；

14、其中孤独症儿童能力测量值cv能够说明孤独症儿童在言语构音、社交能力和执行功能领域的具体能力水平，选择领域中的权威量表得分来测量；所述孤独症儿童能力测量值cv包括孤独症儿童辅音声母构音评估分数、社会交往评估分数、执行功能brief2量表分数。

15、所述孤独症儿童辅音声母构音评估分数包括双唇/唇齿音、舌尖前音、舌尖中音、舌尖后音、舌面音、舌根音、四声调的构音评估结果；所述社会交往评估分数使用“儿童社交定位图谱”进行评估。该定位图谱选择中国残联《孤独症社会交往评估表》作为评估定位和训练系统的主要参考依据，原因在于：(1)该评估表包含47个评估项目，基本能全面地反映出孤独症儿童社交发展水平；(2)评估项目可直接用于制定教育训练计划；(3)适用年龄广，覆盖了学龄前阶段(0-6岁)儿童，符合早筛查、早干预的原则；(4)目前在国内应用最为普遍，已试行十年之久，全国特殊学校和公立康复机构均在使用，为一线康复治疗师和教师所熟悉。本发明以认知心理学、语言学、社会学、儿童发展心理学、以及特殊儿童心理发展理论等为依据；针对月龄在0～72个月龄儿童社会交往领域的47项评估项目为基础；由易到难整理划分八个主题类别：社会性注意、自我意识、非口语社交技巧、口语社交技巧、问候、告别、电话礼仪、高阶礼仪。其中与原始量表的区别如图9所示，本发明中将原始量表板块进行了合并组合，将社交中非口语能力归于社会性注意板块，共7项评估项目，将认识自己、评价自己、控制自己归于自我意识板块，共7项评估项目，将与照顾者互动、与陌生人互动归于非口语社交技巧和口语社交技巧板块，分别为5项和3项评估项目，将近距离打招呼和远距离打招呼归于问候板块，共9项评估项目，将近距离告别归于告别板块，共8项评估项目，将电话告别归于电话礼仪板块，共3项评估项目，将表示感谢、表示抱歉、表示赞赏归于高阶礼仪板块，共5项评估项目。

16、此外，在本发明中使用阿基米德螺旋曲线将47个评估点按由易到难的顺序依次连接依次相连，形成儿童社交能力发展轨迹，建立了由参考月龄与社交版块组成的雷达图，网格上的每一个顶点都代表了一个评估项目点，包含了47个评估项目。由此可见，最接近圆心的评估点程度为最容易，从里到外难度逐渐增加，即为儿童社交能力的发展轨迹。

17、图10是实验测得某特殊儿童的社交能力定位图谱，未通过的评估点集合和已通过的评估点集合分别用和·表示出来，可以得到以下信息(1)47个项目中任一评估项目所处参考月龄、社交版块；(2)47个项目中任一评估项目在社交能力整体发展状况中的位置，与其他项目间的关系；(3)儿童在每一个月龄段、每一个社交版块中社交能力发展现状；(4)将未通过项目作出标记，可以直接获得儿童社交能力发展断点。可以从中得到儿童社交能力的欠缺处以及未来需要补足的方面，能够很好的展现儿童社会交往能力发展趋势，也能够精准定位儿童现阶段的发展水平，根据维果斯基的“最近发展区”理论，最适合立即干预的项目应该是儿童尚未习得，但经过干预最容易习得的项目，即未习得项目中难度最低的项目。根据图10可知，评估项目难度由圆心开始、沿阿基米德螺旋曲线将47个评估点从里到外、按由易到难的顺序排列，由此，最接近圆心就是最需要进行训练的项目，并由此沿阿基米德螺旋曲线递进寻找点，即可规划出儿童社交能力的训练和发展趋势。

18、所述执行功能brief2量表为执行功能行为评定量表第二版(behavior ratinginventory of executive function,brief-2)，用于评估成人、青少年和学龄前儿童的执行功能，以及评估青少年对其认知、情感和行为功能的看法和自我调节能力，由gerarda.gioia博士等研发。所述执行功能brief2量表选择其中经临床测验确认对孤独症儿童有效的5大类作为评价指标，分别为：启动能力、计划组织能力、转换能力、工作记忆能力、自我监控能力。

19、所述启动能力反映儿童开始一项任务或活动以及独立产生想法，反应或解决问题策略的能力；

20、所述计划组织能力用于衡量孩子应对当前和未来任务需求的能力；

21、所述转换能力反映儿童根据情况需要自由从一种情况、活动或问题的一个方面转移到另一种情况、活动或问题的能力；

22、所述工作记忆能力反映儿童为了完成任务而记住信息的能力，包括编码信息、生成目标、计划和实现目标的顺序步骤；

23、所述自我监控能力反映儿童或青少年对其行为对他人的影响的了解程度以及与行为标准或期望的比较能力。

24、表1和表2分别表述了上述cc和cv的具体测量项目。

25、表1 cc的具体测量项目

26、 <![cdata[儿童发育信息(共2项)c^e]]> <![cdata[孤独症诊断信息(共3项)c^d]]> 基本信息 孤独症筛查用量表 教育康复历程 孤独症诊断用量表 其他心理评估量表

27、表2 cv的具体测量项目

28、

29、

30、其中职业适合度s为孤独症儿童对某职业的适合度，由已获得相应职业岗位的孤独症儿童参与测评得到。测评工具为原创的孤独症患者职业类别评估表，具体包括测评类和问卷类两部分；

31、所述职业类别评估表的测评部分和问卷部分共60题，包含儿童在认知发展、运动、感知觉特征和社会性发展四方面的能力，总分为240分；其中测评部分包含认知发展、运动、感知觉特征和社会性发展，总分为180分；所述职业类别评估表的问卷部分包含运动、感知觉特征和社会性发展，总分为60分；

32、所述测评类能够体现儿童在职业所需的握力、记忆力、计算能力、颜色辨识力等方面的具体水平，可通过现场的测评试题完成评分；所述评估类能够体现儿童在职业所需的感觉敏感、兴趣爱好、个人特长等方面的内容，因为一些试题难以在现场测评的任务中展现或易造成儿童敏感，因此选择用家长问卷的形式在四方面能力中为测评类做补充。

33、本发明中，所述背景常量值cc采用累计积分规则进行计算。首先测量背景常量值中的每一项评分指标(详见表4孤独症儿童发育信息表格和表5孤独症儿童诊断信息表格)的原始得分，然后将此其原始得分进行数据标准化。最后将标准化后的各项测量数据以相等的权重进行计算。一般来说，最终分数越高，说明其初始能力比较高，所处的康复环境利于其之后发展，最终分数越低，说明其初始能力低，康复环境有需要其改变到利于儿童康复发展的。

34、本发明中，所述能力测量值cv采用树状数据结构来计算，所述树状数据结构是指在计算儿童能力测量值时，需将三大类能力(言语构音、社交能力、执行功能)分层，每层有其评价指标，底层指标(例如所述的言语构音、社交能力、执行功能的指标)最为笼统，而越往上一级越具体越发能够准确测量得到，如同树状的层次结构，因此命名为树状数据结构。

35、步骤b中，所述评估数据c可向量表示为：

36、

37、其中ce分数表示孤独症儿童的发育信息(essential information)，cd分数表示孤独症诊断信息([计]dignostic information)，ca分数表示孤独症儿童辅音声母构音评估分数(acoustic information)，cs分数表示社会交往评估分数(social communication)，cf分数表示执行功能brief2量表分数(executive function)。

38、其中背景常量值(constant background values)cc＝ce+cd；能力测量值(varyingevaluation values)cv＝ca+cs+cf；将评估数据c拆分为cc和cv的目的是区分两种不同的数据类别：常量数据(constants)即该值所对应的指标在儿童的成长过程中基本不发生大的变化，及变量数据(variables)即该值会随儿童年龄增长及康复训练发生改变，所以分别使用上标c和v表示。

39、背景常量值cc及能力测量值cv的定义域及值域分别为：

40、

41、以及：

42、

43、其中，数字上标表示对应的测量值向量的尺寸(条目数量)，具体为其附属的测量值向量的尺寸之和。例如，背景常量值cc的尺寸(5)为发育信息的尺寸(2)和诊断信息的尺寸(3)之和，即发育信息的条目数(2)和诊断信息的条目数(3)之和。

44、所以，评估数据c总体的定义域及值域为：

45、

46、即评估数据c整体的尺寸为25。

47、本发明使用线性回归模型(linear regression model)作为职业预测模型用于预测孤独症儿童未来职业。

48、具体来说，对于本发明中所考虑的任意一个职业，定义一个单独的线性模型：

49、

50、此处：

51、

52、本发明中的线性回归模型使用需要优化计算的模型参数w以及学生的常量和变量数据c，计算此学生对于某项职业的适合度s，具体计算方法为模型参数和变量数据的点积。

53、本发明使用的线性回归模型中，线性回归模型的损失函数l为第i个学生的数据对(xi,yi)的2-模(2-norm)之和，具体式子如下：

54、

55、利用100位孤独症儿童的数据对线性回归模型进行迭代训练，获得用于后续预测的职业预测模型。

56、本发明还提出了一种实现上述孤独症儿童发育历程信息化及职业预测方法的系统，所述系统包括数据录入模块、数据库模块、机器学习模块、预测模块、输出模块；其中，

57、数据录入模块，负责录入孤独症儿童的发育信息、孤独症诊断信息和孤独症儿童辅音声母构音评估分数、社会交往评估分数、执行功能brief2量表分数；

58、数据库模块，负责储存，筛选录入的孤独症儿童的发育信息、诊断结果信息和孤独症儿童辅音声母构音评估分数、社会交往评估分数、执行功能brief2量表分数；所述筛选为根据所需要获得的模型依照模型特征对数据进行筛选；

59、机器学习模块，负责使用python语言下的机器学习算法库(例如sklearn)学习并建立孤独症儿童职业预测模型，获得此模型中的各项孤独症儿童特征对于孤独症儿童未来从事职业的权重值；

60、预测模块，负责将录入的孤独症儿童的发育信息、诊断结果信息和孤独症儿童辅音声母构音评估分数、社会交往定位图谱(即阿基米德螺旋曲线中每个类别中的实心点个数)、执行功能brief2量表分数代入建立并计算的模型中进行预测；

61、输出模块，其用于输出孤独症儿童未来适宜从事的职业。

62、本发明还提供了一种孤独症儿童康复课程效果评估及课程推荐的方法，课程评估与功能评估的底层逻辑一致，但表达不同。即采取相同的树状数据结构和自下而上的迭代方式。但是选择不同的测验材料，本发明可以将这套测验方法命名为快测法，课前或者课后的快测法结果说明儿童上这一节课前后在言语构音、社交能力、执行功能方面有没有提高。快测法k1指的是课堂前测的得分，k2指的是课堂后测的得分。前后测内容如下表所示

63、表3部分课程前后测内容

64、

65、

66、本发明提供一种孤独症儿童康复课程效果评估及课程推荐方法，在效果评估和课程推荐过程中还利用了一种孤独症康复课程库更新系统，其在每当有新学员参与康复课程后对课程库进行更新，其所基于的模型使用控制学中的思想具体包括以下步骤：

67、步骤i：获取孤独症儿童每节课课前和课后的快测法结果k1和k2；

68、步骤ii：计算每位孤独症儿童课前课后快测法结果差值，即进步值δ＝k2-k1；

69、步骤iii：每当有新的共计i位的儿童在ik时间参与一门课程j后，首先更新参与过此课程的儿童数量计算方法为新参加的儿童的数量i与之前参与此课程j的参与儿童数量之和，用公式表达即为：

70、步骤iv：将此课程在新参加的儿童参与之前的历史平均进步值与在步骤ii中得到的共i位新参加的儿童参与此课程j的进步值进行加权平均。其中，历史平均进步值的权重为先前参与此课程的儿童数量其余各新参加的儿童的进步值的权重均为1；

71、步骤v：根据步骤iv中获得的进步值对课程对社交功能中不同指标的贡献值进行评估排序；

72、步骤vi：根据不同课程对应的不同指标的排序，向儿童推荐适合他们的课程。

73、课程康复效果考量此课程对于孤独症儿童各方面能力(言语构音、社交能力、执行功能三方面)能起到的积极作用，具体通过参与过此课程的儿童的平均进步值来表示。对此平均进步值排序，在一个技能点得分越高说明此课程越适合此技能点的康复。

74、当有新的儿童进入项目时，通过评估得分找出其薄弱的技能点，将这些需要干预的技能点中排序最高的课程依次进行推荐。

75、本发明还提供了实现上述课程效果评估与课程推荐方法的系统，所述系统包括：数据录入模块、数据库模块、机器学习模块、输出模块；其中，

76、数据录入模块：包含前端网页和微信小程序，负责录入孤独症儿童每节课前后两次快测法得分；

77、数据库模块：负责储存，筛选录入的孤独症儿童的每节课前后两次快测法得分；所述筛选为根据所需要获得的模型依照模型特征对数据进行筛选；

78、机器学习模块：负责使用控制学中的迭代算法学习并建立孤独症儿童康复课程效果评估及课程推荐模型，获得孤独症儿童在各门课程中的平均进步值；

79、输出模块：负责将快测法得分评估结果结合计算得出的各门课程平均进步值，对儿童进行定期课程推荐。

80、本发明的有益效果包括：1.了解孤独症儿童在成长过程中所有的相关数据，对孤独症儿童的能力进行完整的评价，帮助家长、康复师等掌握儿童的进步情况。2.建立一套孤独症儿童职业预测方法，通过小龄孤独症儿童的成长和评估数据计算得到对每种职业的适合度，帮助其了解自身潜力，并及时采取干预和学习职业技能，为未来就业提供可能性。

81、通过进步值的变化可以展现1.儿童的学习效率，学习进度，为选择课程的进度提供帮助。2.现有课程的贡献值，因为一节课可能不仅帮助儿童一个方面的能力，通过多名儿童不同的进步值可以判定该节课的重难点是否和课程设计的初衷相符，进行及时的更改。同时也能依据之前的所有数据和这个课程的量化指标，建立人工智能算法，为儿童精准推送其需要的课程。3.对现有的传统的康复课程、评估等均可以用这一套评估，量化其价值，让康复从业者，康复教师更知道如何去设计一节课程，抓住目标和重点。