많은 아이들이 다양한 조건에서 학업에 어려움을 겪고 있는 이유를 알면 부모와 어린이를 도울 수 있다(사진=게티이미지)

케임브리지대학 의학 연구 센터의 인지 및 뇌 과학 부서의 연구진이 머신러닝이 적용된 인공지능(AI)을 사용해 어린이들이 학교에서 학습에 어려움을 겪는 이유를 식별했다. 이것은 고군분투하는 어린이들을 돕기 위해 머신러닝을 사용한 최초의 연구다.

학습 장애

연구진은 학습에 어려움을 겪는 학생들이 이들이 이전에 겪은 여러 진단과는 관련이 없다는 사실을 발견했다. 

이전 연구에서는 주의력 결핍 과잉 행동 장애(ADHD)나 자폐 스펙트럼 장애(ASD), 난독증 등을 진단받은 어린이들이 학업에 어려움을 겪는다는 사실에 주목한 연구가 많았다. 

그러나 이번에 연구진은 진단 여부와 관계없이 학업에 어려움을 겪는 모든 어린이를 연구에 포함함으로써 연구 범위를 넓혔다.

어린이들의 관심, 학습 및 기억 문제의 요인, 결과 및 치료에 중점을 둔 연구소 CALM에 파견된 총 550명의 학습 장애를 겪는 어린이들을 대상으로 연구가 진행됐다. 이 어린이들은 일련의 인지 및 학습 시험, MRI 스캔 등을 받았다. 어린이들의 부모는 행동 설문지에 답변했다.

진단의 의의

연구팀 책임자인 던컨 애슬 박사는 어린이가 특정 질병의 진단을 받는 것은 이 어린이가 학습 장애를 겪는 뚜렷한 이유가 되기 때문에 부모와 어린이에게 있어서는 일종의 이정표라고 말했다. 

그러나 어린이와 하루종일 같이 있는 부모나 전문가들은 이런 '꼬리표'가 어린이 개인의 문제를 정확히 짚어내지는 못한다고 말했다. 예를 들어 똑같이 ADHD를 진단받았다고 하더라도 어린이 개인에 따라 증상이나 상태가 다르기 때문이다.

연구진은 학생들 550명으로부터 얻은 인지 테스트 결과 데이터를 바탕으로 컴퓨터 알고리즘을 개발했다. 이 데이터에는 듣기 능력, 공간 추론, 문제 해결, 어휘력, 기억력 등에 대한 점수가 포함됐다. 이 네 가지는 학습 장애를 판단하는 범주다.

학습 장애를 판단하는 4가지 범주

앞서 언급된 4가지 범주는 어린이가 소통에 어려움을 겪거나 읽기, 수학 문제 풀기 등을 어려워하는 것과 밀접한 상관 관계가 있다. 그러나 이 4가지 범주와 어린이들이 이전에 진단받은 질병과는 연관이 없었다.

연구진은 이 4가지 범주가 생물학적인 요인과 일치하는지 확인하기 위해 학생들 184명의 MRI 뇌 스캔 사진을 상기 범주와 비교했다. 그리고 이 범주가 어린이의 뇌 영역 내에서 어떤 연결 패턴을 반영한다는 사실을 발견했다. 머신러닝이 숨겨진 생물학적인 요인을 부분적으로 반영하는 비유사성을 밝혀낸 것이다.

읽기 능력 장애는 소리 처리 능력과 밀접한 관련이 있었다(사진=게티이미지)

작업기억 문제 및 소리 처리 문제

식별된 4가지 범주 중 2가지는 작업기억 및 소리 처리 문제다.

작업기억이란 단기 기억을 유지하고 정보를 조작하는 능력이다. 이 능력에 문제가 있으면 수학을 공부하는데 어려움을 겪었다. 소리 처리 문제가 있을 경우 읽기 능력이 부족했다.

애슬 박사는 읽기에 어려움을 겪는 어린이를 대상으로 한 이전 연구에서 읽기 문제와 소리 처리 문제에 밀접한 관련성이 있었다고 설명했다. 그런데 연구진이 학습 장애를 겪는 어린이를 광범위하게 관찰하자, 소리를 처리하는 능력에 문제가 있는 어린이들은 읽기 문제를 겪을 뿐만 아니라 수학 과목에서도 어려움을 겪었다.

연구진은 이제 어린이의 질병 진단에 매달릴 것이 아니라고 강조했다. 즉, 아동의 개별적인 인지 능력과 이 어린이들이 어려움을 겪고 있는 각기 다른 학습 과목을 파악하고 이에 맞는 중재법을 연구해야 한다는 것이다.

연구팀의 일원인 조니 홈즈 박사는 "이번 연구 결과에 따라 학습 장애를 겪는 어린이들이 저마다 다른 이유로, 다른 과목에서 어려움을 겪는다는 사실을 알게 됐다"며 "이것은 부모와 교사가 어떻게 개입해야 하는지를 알려주기 때문에 매우 중요하다"고 말했다.

인지 검사 결과 

다른 두 가지 범주는 다양한 분야에서 광범위한 인지 문제를 겪는 어린이와 어린이의 연령에 따른 일반적인 인지 검사 결과였다. 

연구진은 어린이들이 연령에 따라 각기 다른 인지 검사 결과를 보일지라도, 그 안에서 여전히 개인마다 다른 어려움을 겪을 수 있다는 사실을 설명했다. 예를 들어 행동 문제 등이다. 그러나 이 부분은 머신러닝에 포함되지 않았다.

조아나 라티머 박사는 "아직 초기 단계이기 때문에 머신러닝과 같은 새로운 기술을 적용해 인간 두뇌의 기능을 더 잘 이해하는 방법을 탐구해야 한다"고 말했다.

저작권자 © 메디컬리포트뉴스 무단전재 및 재배포 금지