DysLexLens：用於分析在線論壇中閲讀障礙學習者見解的低資源LLM框架
DysLexLens是一個端到端、可追溯證據的低資源大語言模型框架，通過分析Reddit論壇上的討論，研究閲讀障礙學習者使用AI工具的真實體驗。它採用詞典驅動過濾、知識圖譜推理、定量評估和定性驗證等方法，有效從嘈雜的社交媒體中提取相關信息。
閲讀障礙學習者越來越多地使用人工智能（AI）工具來輔助閲讀、寫作、組織和學習相關任務，但他們在使用這些工具時的真實體驗卻鮮少被深入研究。為此，研究人員提出了DysLexLens——一個低資源的大語言模型（LLM）框架，旨在通過分析在線論壇討論來洞察閲讀障礙學習者與AI工具交互的體驗。該研究由Dana Rezazadegan等九位作者共同完成，相關論文於2026年6月提交至arXiv。
DysLexLens被設計為一個端到端、可追溯證據的架構。它能夠將嘈雜的社交媒體帖子轉換為由詞典驅動的語料庫，提供基於知識圖譜（KG）的查詢推理，生成可驗證的查詢響應，並通過定量和人工評估來評價響應質量。該框架包含四個關鍵特性：首先，它採用詞典驅動的過濾方法構建更聚焦於閲讀障礙和AI的Reddit語料庫，濾除不相關或弱相關的帖子，從而提高從低資源論壇環境中收集數據的相關性。其次，它集成了LLM輔助的語義分析與基於知識圖譜的查詢推理，以揭示有意義的模式。第三，它使用定量評估指標（RAGAS和查詢魯棒性）來衡量LLM生成的響應性能。RAGAS用於評估生成響應的忠實度和相關性，而查詢魯棒性則測試模型在不同問題表述下的穩定性。第四，它提供了結構化的定性驗證指南，專門針對幻覺和證據對齊來評估響應質量，確保模型的輸出基於實際論壇證據。
研究團隊使用Reddit上與閲讀障礙相關的論壇數據和30個精心設計的問題展示了DysLexLens的有效性。結果表明，該框架具備推廣到其他低資源論壇數據環境的潛力，例如針對其他學習障礙或特定領域的論壇。為了提高研究的可重複性，DysLexLens的代碼、示例數據、問題和評估結果均已發佈在GitHub上。這一研究不僅為分析特殊羣體使用AI的體驗提供了新工具，也為在數據稀缺的領域中進行自然語言處理分析樹立了典範。此外，該框架的模塊化設計意味着它可以適應不同的語言和人羣，未來有望應用於更多低資源場景。