HQA2LFS - הערכת איכות כתב יד באמצעות מסגרת למידה אקטיבית בסמארטפונים

מדוע הכתב שלך עדיין חשוב

אפילו בעידן המחשבים הניידים והטאבלטים, הדרך שבה אנו כותבים ביד עדיין משפיעה על האופן שבו מורים מעריכים עבודות בית ועל האופן שבו קלינאים מזהים בעיות למידה או תנועה. אבל בדיקה של כתב יד דף אחר דף היא איטית וסובייקטיבית. המחקר הזה מציג מערכת מבוססת סמארטפון שיכולה לצלם דפי כתב יד ולהעריך באופן אוטומטי עד כמה הכתיבה ברורה, מסודרת ובעלת רווחים תקינים. על ידי שילוב בין מומחיות אנושית ללמידת מכונה, המערכת שואפת להפוך ערימות מחברות מבולגנות למשוב מהיר ומהימן עבור תלמידים, מורים ואנשי בריאות.

הפיכת דפים לתבניות מדידות

חוקרי הצוות מתחילים עם מה שכבר נמצא בידי המורה: דפי עבודה שסורקו או צולמו בסמארטפון, הן על נייר משורות והן על נייר חלק. התוכנה מנקה תחילה כל דף, מסירה רעשים וממירה אותו לתמונה שחור‑לבן חדה כך שהדיו בולט מהרקע. מנוע זיהוי תווים אופטי מזהה אחר כך כל מילה בכתב היד וחותך את הדף להרבה "חתיכות מילה" קטנות. עבור כל חתיכה, המערכת מודדת כיצד השבצים מתחלקים מלמעלה למטה, האם השורות נוטות או נשארות ישרות, כמה אחיד הרווח בין מילים, והאם הטקסט נשאר קרוב או נוטה מהמישור הבסיסי התיאורטי. מדידות אלו מתרגמות את התחושה הוויזואלית של הדף לטבלה מובנית של מספרים שהמחשב יכול ללמוד מהם.

לראות את הניקיון כפי שבני אדם רואים אותו

כדי להעניק משמעות לציונים, הקבוצה עיצבה ציון "תפיסתי" החוזה כיצד בני אדם מעריכים מילה במבט חטוף. ארבעה מרכיבים מייצרים ציון זה: עד כמה השבצים נראים חלקים, עד כמה הדיו בולט מהדף, כמה דיו מפוזר או רעש דמוית ציור מופיע, ועד כמה השבצים רציפים ומעוצבים היטב. חתיכת כל מילה גם נחתכת לשש אזורי רוחב אופקיים, מלמעלה למטה, כדי ללכוד האם האותיות עומדות נכון על קו בסיס בלתי נראה, האם חלקים גבוהים כמו אנקדנים עקביים, והאם הכתיבה דחוסה או מתוחה. בדיקות נוספות מסתכלות על התנהגות שולי לאורך קווים אופקיים, מבחינות בטקסט הצף מעל או שוקע מתחת למקום הנכון, וכן ברווחים לא סדירים בין מילים ושורות.

ללמד את המערכת עם פחות דפים מסומנים

אתגר מרכזי הוא שציוני מומחים יקרים: מורים חייבים לתייג דפים רבים לפני שהמודל יכול ללמוד. כדי להתמודד עם זה, המחברים משתמשים באסטרטגיית "למידה אקטיבית". בתחילה, 10–12 מורים מנוסים מדרגים סט צנוע של דפים בסולם פשוט בארבע רמות מגרוע למצוין. מודל רגרסיה, ובמיוחד שיטות עץ כמו Random Forest ו‑XGBoost, מאומן לחזות ציון מספרי לאיכות הכתב מתוך התכונות הנמדדות. במקום לבקש תוויות באקראי, המערכת מחפשת דגימות שבגינן היא הכי לא בטוחה או שמנבאת עליהן בצורה גרועה. דפים אלה מוצגים לאחר מכן בלוח בקרה אינטראקטיבי שבו המומחים יכולים לאשר או להתאים במהירות את הציונים המוצעים. הלולאה הזו מרוכזת את מאמצי האדם שם שבהם הם מלמדים את המודל הכי הרבה, ומשפרת דיוק ללא צורך לדרוש שכל דף בקולקציה גדולה יסווג ביד.

מה המספרים חושפים על כתיבה ועייפות

באמצעות שני מאגרי נתונים גדולים — דפים ללא שורות הבוחנים את תחושת היישור העצמית של הכותב, ודפים משורות שנכתבו במפגשי בוקר ואחר הצהריים — המערכת חושפת דפוסים התואמים את החוויה האיתנה בכיתה. רוב הדפים נופלים לקטגוריות טובות או מצוינות, אך רבים עדיין מציגים אזורים צפופים, בעיות ריווח או שורות מקווסות. על נייר משוריין, הציונים נוטים לרדת מעט אחרי הצהריים, ותכונות הקשורות לאיבוד ריכוז וריווח לא אחיד נעשות נפוצות יותר, רמז לעייפות או ירידה בריכוז. המודלים האומנו על תכונות אלה עוקבים אחרי ציוני המורים בצורה צמודה מאוד, עם ערכי מתאם מעל 0.9 ושגיאות קטנות דיו להבחין באופן מהימן בין עבודה כתובה היטב לכתב יד מתקשה, גם לכותבים שהמערכת לא ראתה קודם.

מציונים גולמיים למשוב מועיל

במילים פשוטות, החוקרים בנו עוזר מבוסס מצלמה שיכול "לקרוא" את איכות הוויזואלית של כתב היד, כמעט בעקביות של פאנל מורים, תוך צורך בהרבה פחות דירוגים מומחים מאשר מערכות מסורתיות. על ידי שילוב שיפוט אנושי, תכונות ויזואליות שנבחרו בקפידה, ולולאת למידה אקטיבית המתמקדת במקרים הקשים ביותר, המסגרת שלהם הופכת דפי כתב יד לציונים מפרשים בניקיון, ריווח ויישור. עם פיתוח נוסף, כלים כאלה יכולים להניע אפליקציות כיתתיות שיסמנו תלמידים שזקוקים לתמיכה נוספת, לנטר עייפות או לחץ בבחינות, או לתמוך בקלינאים ואנליסטים פורנזיים שצריכים לקבל החלטות על פי האופן שבו אנשים כותבים, לא רק על פי מה שהם כותבים.

ציטוט: Koushik, K.S., Nair, B.J.B., Rani, N.S. et al. HQA²LFS-handwriting quality assessment using an active learning framework in smartphones. Sci Rep 16, 8186 (2026). https://doi.org/10.1038/s41598-026-38330-z

מילות מפתח: הערכת איכות כתב יד, تصوير בסמארטפון, למידת מכונה, למידה אקטיבית, טכנולוגיה חינוכית