6 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 6 / 6
Yayın k-Means clustering by using the calculated Z-scores from QEEG data of children with dyslexia(Taylor & Francis, 2023) Eroğlu, Günet; Arman, FehimLearning the subtype of dyslexia may help shorten the rehabilitation process and focus more on the relevant special education or diet for children with dyslexia. For this purpose, the resting-state eyes-open 2-min QEEG measurement data were collected from 112 children with dyslexia (84 male, 28 female) between 7 and 11 years old for 96 sessions per subject on average. The z-scores are calculated for each band power and each channel, and outliers are eliminated afterward. Using the k-Means clustering method, three different clusters are identified. Cluster 1 (19% of the cases) has positive z-scores for theta, alpha, beta-1, beta-2, and gamma-band powers in all channels. Cluster 2 (76% of the cases) has negative z-scores for theta, alpha, beta-1, beta-2, and gamma-band powers in all channels. Cluster 3 (5% of the cases) has positive z-scores for theta, alpha, beta-1, beta-2, and gamma-band powers at AF3, F3, FC5, and T7 channels and mostly negative z-scores for other channels. In Cluster 3, there is temporal disruption which is a typical description of dyslexia. In Cluster 1, there is a general brain inflammation as both slow and fast waves are detected in the same channels. In Cluster 2, there is a brain maturation delay and a mild inflammation. After Auto Train Brain training, most of the cases resemble more of Cluster 2, which may mean that inflammation is reduced and brain maturation delay comes up to the surface which might be the result of inflammation. Moreover, Cluster 2 center values at the posterior parts of the brain shift toward the mean values at these channels after 60 sessions. It means, Auto Train Brain training improves the posterior parts of the brain for children with dyslexia, which were the most relevant regions to be strengthened for dyslexia.Yayın Okuma ve okuduğunu anlama becerilerinin gelişiminde bilişsel ve psikososyal etkenlerin rolü(Işık Üniversitesi, 2017-06-05) Büyükkaradağ, Burçin; Zaimoğlu, Sennur; Işık Üniversitesi, Sosyal Bilimler Enstitüsü, Klinik Psikoloji Yüksek Lisans ProgramıProblemin tanımı: Bu çalışmada, ilkokul birinci sınıf öğrencilerinde, okuma ve okuduğunu anlama becerisini kazanmada etkili olan bilişsel ve psikososyal değişkenlerin rolünün değerlendirilmesi amaçlanmıştır. Araştırmanın örneklemini, İstanbul iline bağlı, sosyoekonomik ve kültürel düzeyleri benzer 3 okul, 8 birinci sınıf ve bu okullarda öğrenim görmekte olan, öğretmen değerlendirmesine göre seçilmiş, okumada güçlük yaşayan 18 öğrenci ve onlarla aynı sınıfta öğrenim görmekte olan sınıf ortalaması düzeyinde okuyan 20 öğrenci, bu öğrencilerin velileri ve sınıf öğretmenleri oluşturmaktadır. Cinsiyet, anne eğitimi, sosyoekonomik ve kültürel düzey okul öncesi eğitim alma süresi, eşlik eden psikiyatrik bozukluklar psikososyal değişkenleri sesbilgisel farkındalık, hızlı otomatik adlandırma becerileri ise bilişsel değişkenleri oluşturmaktadır. Yöntem: Araştırmada veri toplamak amacıyla, öğrenci ebeveynlerinden, “Sosyodemografik Bilgi Formu”, “6-18 Yaş Çocuk ve Ergenler İçin Davranış Değerlendirme Ölçeği”, “DSM-5 Dikkat Eksikliği ve Aşırı Hareketlilik Bozukluğu Değerlendirme Listesi”; sınıf öğretmenlerinden, “Öğrenme Bozukluğu Belirti Tarama Testi” ve “DSM-5 Dikkat Eksikliği ve Aşırı Hareketlilik Bozukluğu Değerlendirme Listesi” formlarını doldurmaları istenmiştir. Öğrencilere ise, “Erken Çocukluk Dönemi Fonolojik Duyarlılık Ölçeği”, “Hızlı Otomatik Adlandırma Testi", “Türkçe'de Kelime Okuma Bilgisi Testi”, “Bir Metni Okuma ve Okunan Metni Anlama” testleri uygulanmıştır. Araştırmanın verileri, SPSS Sosyal Bilimler İçin İstatistik Programı) 21.0 paket programı kullanılarak analiz edilmiştir. Verilerin analizinde, bağımsız örneklem T-testi, Ki-kare, korelasyon ve çoklu regresyon analizleri uygulanmıştır. Bulgular: Okumada güçlük yaşayan öğrenciler, okuma becerisi sınıf ortalamasında olan arkadaşları ile karşılaştırıldığında; anne ve babalarının anlamlı bir şekilde daha genç oldukları ve eğitim düzeylerinin daha düşük olduğu; okul öncesi eğitim sürelerinin daha az olduğu; daha fazla, dikkat, hareketlilik sorunları yaşadıkları; sosyal alanda daha yetersiz oldukları; davranışsal olarak dikkat sorunlarının yanı sıra duygusal alanda da zorluklarının olduğu ve ağır kognitif tempo yaşadıkları izlenmiştir. Hızlı otomatik adlandırma ve sesbilgisel farkındalık becerilerinin okuma becerilerini akıcılık, doğruluk ve anlama) %62.9, %70, %74 oranlarında açıkladığı görülmektedir. Sesbilgisel duyarlılığın yordayıcı etkisinin anlamlı olduğu görülmüştür. Sonuç: Sonuç olarak, araştırma, okuma becerilerinin kazanımında psikososyal değişkenlerin katkısının yanı sıra öğrencilerin sesbilgisel duyarlılıklarının okul öncesi eğitim süreçlerinde geliştirilmesinin önemini vurgulamaktadır.Yayın Assessing dyslexia with machine learning: a pilot study utilizing Google ML Kit(IEEE, 2023-12-19) Eroğlu, Günet; Harb, Mhd Raja AbouIn this study, we explore the application of Google ML Kit, a machine learning development kit, for dyslexia detection in the Turkish language. We collected face-tracking data from two groups: 49 dyslexic children and 22 typically developing children. Using Google ML Kit and other machine learning algorithms based on eye-tracking data, we compared their performance in dyslexia detection. Our findings reveal that Google ML Kit achieved the highest accuracy among the tested methods. This study underscores the potential of machine learning-based dyslexia detection and its practicality in academic and clinical settings.Yayın Assessing ChatGPT's accuracy in dyslexia inquiry(Institute of Electrical and Electronics Engineers Inc., 2024) Eroğlu, Günet; Harb, Mhd Raja AbouDyslexia poses challenges in accessing reliable information, crucial for affected individuals and their families. Leveraging chatbot technology offers promise in this regard. This study evaluates the OpenAI Assistant's precision in addressing dyslexia-related inquiries. Three hundred questions commonly posed by parents were categorized and presented to the Assistant. Expert evaluation of responses, graded on accuracy and completeness, yielded consistently high scores (median=5). Descriptive questions scored higher (average=4.9568) than yes/no questions (average=4.8957), indicating potential response challenges. Statistical analysis highlighted the significance of question specificity in response quality. Despite occasional difficulties, the Assistant demonstrated adaptability and reliability in providing accurate dyslexia-related information.Yayın Electrophysiological signatures of developmental dyslexia: towards EEG-based biomarker identification and neurogenetic correlates(MDPI, 2025-06-30) Eroğlu, Günet; Harb, Mhd Raja AbouDyslexia is a neurodevelopmental disorder characterized by altered hemispheric specialization and disrupted phonological processing. In this study, we applied Principal Component Analysis (PCA) to high-dimensional electroencephalographic (EEG) recordings from 200 children (100 dyslexic, 100 controls) to extract latent neurophysiological features associated with reading impairment. Our findings revealed significant right-hemisphere dominance in dyslexic individuals, particularly in the P8 electrode within the alpha band, consistent with compensatory neural strategies. Despite the absence of clinical comorbidities or medication use, distinct clustering emerged, supporting the utility of PCA for early screening. Future directions include correlating EEG-derived features with known dyslexia-related gene expression profiles (e.g., DCDC2, KIAA0319), neurotransmitter imbalances, and neuroinflammatory markers. These integrative analyses may establish EEG signals as reliable, non-invasive biomarkers for molecular-level screening in developmental learning disorders.Yayın Theta and Beta1 frequency band values predict dyslexia classification(John Wiley and Sons Ltd, 2025-12-29) Eroğlu, Günet; Harb, Mhd Raja AbouDyslexia, impacting children's reading skills, prompts families to seek cost-effective neurofeedback therapy solutions. Utilising machine learning, we identified predictive factors for dyslexia classification. Employing advanced techniques, we gathered 14-channel Quantitative Electroencephalography (QEEG) data from 200 participants, achieving 99.6% dyslexic classification accuracy through cross-validation. During validation, 48% of dyslexic children's sessions were consistently classified as normal, with a 95% confidence interval of 47.31 to 48.68. Focusing on individuals consistently diagnosed with dyslexia during therapy, we found that dyslexic individuals exhibited higher theta values and lower beta1 values compared to typically developing children. This study pioneers machine learning in predicting dyslexia classification factors, offering valuable insights for families considering neurofeedback therapy investment.
