DysLexLens：オンラインフォーラムからディスレクシア学習者の洞察を分析する低リソースLLMフレームワーク
DysLexLensは、Redditの議論を分析することで、ディスレクシア学習者がAIツールを使用する際の実際の体験を明らかにするエンドツーエンドの低リソースLLMフレームワークである。辞書駆動のフィルタリング、ナレッジグラフ推論、定量的評価、定性的検証を組み合わせ、ノイズの多いソーシャルメディアデータから意味のある情報を抽出する。
ディスレクシア学習者は、読書、作文、整理、学習関連のタスクを支援するために人工知能（AI）ツールをますます利用しているが、これらのツールを使用した際の実際の体験はほとんど調査されていない。この問題に取り組むため、研究者らはDysLexLensを提案した。これは、低リソースの大規模言語モデル（LLM）フレームワークであり、オンラインフォーラムでの議論を分析することで、ディスレクシア学習者のAIツールとの関わりを明らかにすることを目的としている。本研究はDana Rezazadeganを含む9名の著者によって行われ、2026年6月にarXivに投稿された。
DysLexLensは、エンドツーエンドで証跡追跡可能なアーキテクチャとして設計されている。ノイズの多いソーシャルメディアの投稿を辞書駆動のコーパスに変換し、ナレッジグラフ（KG）ベースのクエリ推論を提供し、検証可能なクエリ応答を生成し、定量的および人間による評価を通じて応答品質を評価する。このフレームワークは4つの主要な機能を備えている。第一に、辞書駆動のフィルタリング手法を用いて、ディスレクシアとAIに焦点を当てたRedditコーパスを構築し、ノイズや関連性の低い投稿を除去することで、低リソースのフォーラム環境から収集したデータの関連性を向上させる。第二に、LLM支援の意味分析とKGベースのクエリ推論を統合し、有意義なパターンを明らかにする。第三に、LLM生成応答のパフォーマンスを測定するための定量的評価指標（RAGASとクエリロバストネス）を備えている。RAGASは応答の忠実性と関連性を評価し、クエリロバストネスは異なる質問表現に対するモデルの安定性をテストする。第四に、応答品質を評価するための構造化された定性的検証ガイドラインを提供し、特にハルシネーションと証拠の整合性に焦点を当てている。
研究チームは、ディスレクシア関連のRedditフォーラムデータと30の質問を使用してDysLexLensの有効性を実証した。結果は、このフレームワークが他の低リソースフォーラムデータ（例えば、他の学習障害や特定のトピックに関するフォーラム）にも一般化できる可能性を示している。再現性を支援するため、DysLexLens、サンプルデータ、質問、評価結果はGitHubで公開されている。この研究は、特別な集団のAI使用体験を分析するための新しいツールを提供するだけでなく、データが不足している分野での自然言語処理分析のモデルを示している。さらに、フレームワークのモジュール設計により、異なる言語や集団に適応できるため、将来的にはより多くの低リソースシナリオへの応用が期待される。