Disleksia, gangguan belajar yang umum, memang dapat diidentifikasi dari laporan sekolah anak, terutama jika laporan tersebut mencakup pengamatan terkait dengan kesulitan membaca dan menulis. Identifikasi dini sangat penting untuk memberikan intervensi dan dukungan tepat waktu. Berbagai metode, termasuk laporan diri, model pembelajaran mesin, dan penilaian tradisional, telah dieksplorasi untuk mendiagnosis disleksia secara efektif. Metode-metode ini dapat diintegrasikan ke dalam pengaturan sekolah untuk mengidentifikasi anak-anak yang berisiko disleksia berdasarkan kinerja dan perilaku mereka di sekolah.
Laporan Diri dan Kuesioner
- Laporan diri dan kuesioner telah dikembangkan untuk mengidentifikasi kecenderungan disleksia pada anak-anak. Misalnya, kuesioner AAP-DD berfokus pada tanda-tanda visual dan komorbiditas yang terkait dengan disleksia, menunjukkan hasil yang menjanjikan dalam membedakan anak-anak disleksia dari anak-anak non-disleksia dengan sensitivitas 87% dan spesifisitas 62% (Aleci & Rosa, 2020).
- Studi lain memvalidasi inventaris laporan diri Belanda untuk siswa, yang secara akurat mengklasifikasikan individu disleksia dan non-disleksia dengan presisi tinggi, mendukung penggunaan penilaian diri sebagai alat diagnostik yang andal(Tamboer & Vorst, 2015).
Pendekatan Pembelajaran Mesin
- Model pembelajaran mesin, seperti jaringan saraf konvolusional (CNN) dan algoritma lainnya, telah digunakan untuk mendiagnosis disleksia dengan menganalisis pola dalam data, seperti sinyal audio dan informasi pelacakan mata. Model-model ini telah menunjukkan akurasi dan efisiensi yang tinggi, menawarkan pendekatan yang lebih objektif dibandingkan dengan metode tradisional (Hussein et al., 2024) (Gomółka et al., 2024).
- Tinjauan pelingkupan menyoroti potensi berbagai teknik pembelajaran mesin, termasuk Pohon Keputusan dan K-Tetangga Terdekat, dalam deteksi disleksia dini, mencapai presisi tinggi dan tingkat ingatan, yang dapat diintegrasikan ke dalam penilaian sekolah (Kurniawan & Tiaharyadini, 2024).
Penyaringan Tradisional dan Komprehensif
- Metode tradisional, sering melibatkan penilaian subjektif oleh spesialis, masih digunakan tetapi dapat dilengkapi dengan alat yang lebih objektif seperti model pembelajaran mesin untuk meningkatkan akurasi dan mengurangi keterlambatan diagnosis (Hussein et al., 2024).
- Program skrining komprehensif, seperti yang ditunjukkan dalam sebuah penelitian di Italia, dapat membantu mengidentifikasi kasus disleksia yang tidak terdiagnosis pada populasi sekolah, menekankan perlunya pendekatan sistematis untuk mendeteksi dan mendukung anak-anak disleksia (Barbiero et al., 2012).
Tantangan dan Pertimbangan
- Terlepas dari kemajuan dalam metode diagnostik, masih ada kurangnya konsensus tentang pendekatan terbaik untuk mengidentifikasi disleksia, sebagian karena berbagai perspektif teoretis tentang penyebab dan manifestasinya (Tamboer, 2019).
- Integrasi alat diagnostik ini ke dalam sistem sekolah membutuhkan kesadaran dan pelatihan bagi pendidik dan orang tua untuk mengenali dan mengatasi kesulitan belajar spesifik (Kowalska & Gluźniewicz, 2022).
Sementara laporan sekolah dapat memberikan indikator awal disleksia, mereka idealnya harus dilengkapi dengan penilaian dan alat khusus untuk memastikan diagnosis yang akurat. Penggunaan laporan diri, model pembelajaran mesin, dan skrining komprehensif dapat meningkatkan proses identifikasi, memungkinkan intervensi tepat waktu. Namun, variabilitas dalam kriteria dan metode diagnostik menyoroti perlunya penelitian dan pengembangan berkelanjutan di bidang ini untuk menetapkan pendekatan yang lebih standar dan efektif.
