论文
DysLexLens：分析在线论坛中读写障碍学习者AI使用洞见的低资源LLM框架
DysLexLens: A Low-Resource LLM Framework for Analysing Dyslexic Learners Insights from Online Forums
摘要
读写障碍学习者日益使用人工智能（AI）工具支持阅读、写作、组织与学习相关任务。但他们与这些工具的生活体验大体未被检视。本文提出DysLexLens——低资源LLM框架——设计用于经在线论坛讨论分析读写障碍学习者的AI使用体验。DysLexLens设计为端到端、证据可追溯架构——把嘈杂社交媒体帖子转为词典驱动语料——提供基于知识图谱（KG）的问题推理——生成可验证查询响应——并支持经定量与人类锚定的评估做响应评价。四个关键特性：第一——采用词典驱动过滤方法构建更聚焦的读写障碍与AI相关Reddit语料——滤除噪声与弱相关帖子——改进低资源论坛语境下数据相关性。第二——整合LLM辅助语义分析与基于KG的查询推理以揭示有意义的模式。第三——具定量评估指标（RAGAS与查询鲁棒性）度量LLM生成响应性能。第四——提供评估响应质量的结构化定性验证指南——特别聚焦幻觉与证据对齐。我们以读写障碍相关Reddit论坛数据与30个问题演示DysLexLens有效性。结果显示其对其他低资源论坛数据语境的潜在可泛化性。DysLexLens、样本数据、问题与评估结果在Github提供以支持可复现。
