AI e dislessia: un framework LLM analizza le esperienze reali

Quando si parla di accessibilità e intelligenza artificiale, la conversazione finisce spesso per concentrarsi su linee guida astratte o benchmark tecnici. Quello che manca quasi sempre è la voce diretta di chi quegli strumenti li usa ogni giorno per necessità concrete. DysLexLens prova a colmare questo vuoto.

Il framework, presentato in un preprint su arXiv, è stato progettato specificamente per studiare come le persone con dislessia percepiscono e utilizzano l'AI nel loro quotidiano, attingendo a una fonte spesso sottovalutata dalla ricerca: i forum online. Reddit, in particolare, è una miniera di esperienze genuine, ma i dati sono disomogenei e difficili da analizzare automaticamente.

L'approccio di DysLexLens si articola in più strati. Nella fase di raccolta, un sistema di filtraggio basato su dizionario seleziona solo i post effettivamente rilevanti, scartando quelli troppo generici o non pertinenti. Il risultato è un corpus più pulito e focalizzato, fondamentale quando si lavora con risorse computazionali limitate.

Sulla base di questo corpus, il sistema applica analisi semantica potenziata da LLM e ragionamento tramite knowledge graph per rispondere a domande strutturate sulle esperienze degli utenti. Non si limita a recuperare testi: costruisce connessioni tra concetti, identifica pattern ricorrenti e genera risposte tracciabili fino alle fonti originali.

Un aspetto particolarmente rilevante per chi lavora in produzione è l'attenzione alla valutazione dell'output. Il framework integra metriche quantitative come RAGAS — uno standard emergente per misurare la qualità delle risposte generate da LLM in sistemi RAG — e test di robustezza delle query. A questo si aggiunge un protocollo di validazione qualitativa pensato per intercettare allucinazioni e verificare l'allineamento con le evidenze del corpus.

I risultati ottenuti su 30 domande di test mostrano che l'architettura è generalizzabile: non riguarda solo la dislessia, ma può essere adattata a qualsiasi contesto in cui si vogliano estrarre insight da comunità online con risorse di dati limitate.

Per chi sviluppa prodotti educativi o strumenti di supporto cognitivo, DysLexLens offre un metodo replicabile per ascoltare davvero gli utenti finali, invece di fare affidamento solo su user research tradizionale. Il codice e i dati campione sono già disponibili su GitHub.

Punti chiave

• DysLexLens filtra e struttura post Reddit sulla dislessia usando un dizionario semantico specializzato, riducendo il rumore nei dati raccolti
• Il sistema combina analisi semantica assistita da LLM con knowledge graph per rispondere a domande complesse sulle esperienze degli utenti
• Metriche quantitative (RAGAS e Query Robustness) e linee guida qualitative misurano l'affidabilità delle risposte, con attenzione specifica alle allucinazioni

Perché è importante

In Italia, circa il 5% della popolazione ha una diagnosi di dislessia e l'adozione di strumenti AI in ambito educativo è in forte crescita: capire cosa funziona davvero per questi utenti non è solo un tema accademico, ma ha ricadute dirette su chi progetta prodotti EdTech.

A chi serve

È utile in pratica per sviluppatori di app educative, ricercatori in NLP, designer UX specializzati in accessibilità e imprenditori nel settore EdTech.