A child focuses on drawing while a parent works on a laptop in a cozy home environment.

Siapa Yang Berwenang Mendiagnosis Anak Dengan Disgrafia—Psikolog, Terapis Okupasi, Atau Dokter?

Diagnosis disgrafia pada anak-anak adalah proses kompleks yang melibatkan banyak profesional, termasuk psikolog, terapis okupasi, dan dokter. Masing-masing profesional ini memainkan peran yang berbeda dalam penilaian dan diagnosis disgrafia, sering bekerja secara kolaboratif untuk memastikan evaluasi yang komprehensif. Integrasi metode diagnostik tradisional dengan teknologi yang muncul, seperti pembelajaran mesin dan pembelajaran mendalam, juga menjadi semakin signifikan di bidang ini. Di bawah ini, peran para profesional ini dan dampak kemajuan teknologi dibahas secara rinci.

Peran Psikolog

  • Psikolog sering terlibat dalam penilaian disgrafia sebagai bagian dari evaluasi ketidakmampuan belajar yang lebih luas. Mereka menggunakan tes standar dan penilaian observasional untuk mengidentifikasi faktor kognitif dan psikologis yang berkontribusi terhadap disgrafi (Shevchenko et al., 2024).
  • Mereka mungkin menggunakan pendekatan psikolinguistik untuk memahami defisit kognitif dan linguistik yang mendasari yang terkait dengan disgrafia, menyesuaikan intervensi dengan kebutuhan individu anak (Shevchenko et al., 2024).

Peran Terapis Okupasi

  • Terapis okupasi fokus pada keterampilan motorik dan aspek koordinasi disgrafia. Mereka menilai keterampilan motorik halus anak, koordinasi tangan-mata, dan tindakan fisik menulis (Danna et al., 2023)].
  • Mereka sering memberikan intervensi yang bertujuan meningkatkan keterampilan tulisan tangan melalui latihan dan teknik adaptif, yang sangat penting untuk anak-anak dengan disgrafi (Danna et al., 2023).

Peran Dokter

  • Dokter medis, terutama dokter anak dan ahli saraf, mungkin terlibat dalam diagnosis disgrafia untuk mengesampingkan kondisi neurologis atau medis yang mendasari yang dapat berkontribusi pada kesulitan menulis (Gupta et al., 2023).
  • Mereka juga dapat berkoordinasi dengan spesialis lain untuk memastikan pendekatan holistik untuk diagnosis dan pengobatan (Gupta et al., 2023).

Kemajuan Teknologi dalam Diagnosis

  • Studi terbaru telah menyoroti potensi pembelajaran mesin dan teknik pembelajaran mendalam dalam mendukung diagnosis disgrafia. Teknologi ini dapat menganalisis sampel tulisan tangan untuk mengidentifikasi fitur disgrafis dengan akurasi tinggi (Kunhoth et al., 2024)] (Vydeki et al., 2024).
  • Sistem otomatis dan pena pintar sedang dikembangkan untuk memberikan penilaian obyektif tulisan tangan, mengurangi subjektivitas dan konsumsi waktu yang terkait dengan metode tradisional (Gemelli et al., 2023) (Lomurno et al., 2023).
  • Alat-alat ini dapat membantu pendidik dan dokter dengan memberikan poin data tambahan dan wawasan tentang kemampuan tulisan tangan anak, melengkapi penilaian yang dilakukan oleh profesional manusia (Kunhoth et al., 2024) (Danna et al., 2023).

Sementara psikolog, terapis okupasi, dan dokter masing-masing memiliki peran berbeda dalam mendiagnosis disgrafia, integrasi teknologi membentuk kembali lanskap penilaian dan intervensi. Penggunaan model pembelajaran mesin dan pembelajaran mendalam menawarkan jalan yang menjanjikan untuk diagnosis yang lebih efisien dan akurat, yang berpotensi memungkinkan intervensi dan dukungan lebih awal. Namun, penting untuk mempertimbangkan keterbatasan dan implikasi etis dari mengandalkan sistem otomatis, memastikan bahwa mereka digunakan sebagai alat pelengkap daripada pengganti penilaian profesional.

Shevchenko, Y., Dubiaha, S., SAIENKO, Y., Huz, V., & Svyrydenko, H. (2024). Exploring dysgraphia in elementary school students: assessment and tailored intervention strategies from a psycholinguistic perspective. Multidisciplinary Science Journal. https://doi.org/10.31893/multiscience.2024ss0714
Danna, J., Puyjarinet, F., & Jolly, C. (2023a). Tools and Methods for Diagnosing Developmental Dysgraphia in the Digital Age: A Brief State-of-Art. https://doi.org/10.20944/preprints202311.1132.v1
Gupta, R., Gunjan, N. A., Garg, R., Karwal, S., Goyal, A., & Singla, N. (2023). A framework for dysgraphia detection in children using convolutional neural network. International Journal of Bioinformatics Research and Applications. https://doi.org/10.1504/ijbra.2023.133697
Kunhoth, J., Al-Maadeed, S., Saleh, M., & Akbari, Y. (2024). Multimodal Ensemble with Conditional Feature Fusion for Dysgraphia Diagnosis in Children from Handwriting Samples. arXiv.Org. https://doi.org/10.48550/arxiv.2408.13754
Vydeki, D., Bhandari, D., Patil, P. P., & Kulkarni, A. (2024). Towards Accessible Learning: Deep Learning-Based Potential Dysgraphia  Detection and OCR for Potentially Dysgraphic Handwriting. https://doi.org/10.48550/arxiv.2411.13595
Gemelli, A., Marinai, S., Vivoli, E., & Zappaterra, T. (2023). Deep-learning for dysgraphia detection in children handwritings. https://doi.org/10.1145/3573128.3609351
Lomurno, E., Dui, L. G., Gatto, M., Bollettino, M., Matteucci, M., & Ferrante, S. (2023). Deep Learning and Procrustes Analysis for Early Dysgraphia Risk Detection with a Tablet Application. Reproductive and Developmental Biology. https://doi.org/10.3390/life13030598
Kunhoth, J., Al-Maadeed, S., Kunhoth, S., Akbari, Y., & Saleh, M. (2024). Automated systems for diagnosis of dysgraphia in children: a survey and novel framework. International Journal on Document Analysis and Recognition. https://doi.org/10.1007/s10032-024-00464-z
Danna, J., Puyjarinet, F., & Jolly, C. (2023b). Tools and Methods for Diagnosing Developmental Dysgraphia in the Digital Age: A State of the Art. Children (Basel). https://doi.org/10.3390/children10121925
Scroll to Top