Thèse en cours Raphaël LAMBERT

Résumé du projet de thèse: Les troubles de l’écriture, appelés « dysgraphies », concernent 5 à 10% des enfants d’âge scolaire (Smits-Engelsman et al, 2001; Danna et al, 2016; Jolly 2017). Actuellement le diagnostic de la dysgraphie est basé sur un test relativement subjectif, le BH (Charles et al., 2003). Non pris en charge, ces troubles impactent rapidement les autres apprentissages scolaires fondamentaux, et peuvent même conduire à l'échec scolaire. Leur diagnostic précoce est donc essentiel.
La littérature décrit relativement bien les dysgraphies d’un point de vue moteur (Danna et al, 2013; Smits-Engelsman & van Galen, 1997; Hamstra-Bletz & Blöte, 1993), mais très peu de données concernant l’activité cérébrale ou oculomotrice sont disponibles. Récemment, un premier algorithme permettant de détecter une partie des enfants dysgraphiques a été développé (Asselborn et al, 2018), mais cet outil présente des limitations technologiques empêchant son utilisation pour le diagnostic (Deschamps et al., 2019). Dans le cadre d'un projet soutenu par le programme Bottom Up du CEA, nous avons acquis une large base de données d’écriture d’enfants typiques et dysgraphiques et avons développé des algorithmes basés sur l’analyse des traces écrites, et identifier des paramètres cinématiques discriminatifs des enfants dysgraphiques. Les performances atteintes par nos algorithmes en termes de détection de la dysgraphie sont de l’ordre de 85%.
L’objectif de la thèse proposée est d’analyser l’évolution de l'écriture chez l’enfant typique et dysgraphique sur la base de 3 mesures conjointes: les paramètres cinématiques de l’écriture, l’activité cérébrale mesurée par EEG, et l’activité oculomotrice mesurée par oculométrie, et d’évaluer, à partir de ces données, l’apport de données issues de l’EEG et de l’oculométrie dans les modèles supervisés pour l'aide au diagnostic de la dysgraphie. La finalité est de développer un nouvel outil de diagnostic de la dysgraphie entièrement informatisé et fiable.

Encadrants :
- Directeur de thèse : Caroline JOLLY - caroline.jollyuniv-grenoble-alpes.fr (caroline[dot]jolly[at]univ-grenoble-alpes[dot]fr)
- Co-encadrant : Jérôme BOUTET 

Mots-clés de la thèse : Dysgraphie, Oculométrie, EEG, Ecriture, Modèles supervisés de machine learning, Développement de l'enfant

CNU de thèse : 61 - Génie informatique, automatique et traitement du signal