evidoria

← Volver al listado

Good practice

Lexplore — Detección con IA y seguimiento ocular de la dislexia y las dificultades de lectura

Suecia · Stockholm · Ver el perfil de Suecia

Lexplore, escisión del Instituto Karolinska, usa seguimiento ocular con IA para detectar riesgo de dislexia en ~5 minutos, con ~8.000 niños evaluados desde 2016. Un estudio de 2026 halló un efecto grande en una muestra pequeña.

~8,000 children
Niños evaluados de forma acumulada (2016–2026)
95 %
Precisión declarada por la empresa
29 students
Muestra del estudio de validación independiente (2026)
2.64 Cohen's d
Tamaño del efecto, diferencia en el tiempo de fijación (2026)
Lexplore — Detección con IA y seguimiento ocular de la dislexia y las dificultades de lectura Lexplore — Detección con IA y seguimiento ocular de la dislexia y las dificultades de lectura

Detalles

Madurez
Established
Promotor
Lexplore AB
Período
2016–ongoing; independent US validation study published 2026
Palabras clave
reading assessment, dyslexia screening, eye-tracking AI, literacy diagnostics

Contexto

Lexplore surgió del Instituto Karolinska de Suecia en 2016 para comercializar investigación en seguimiento ocular en forma de una evaluación de lectura puntuada por IA. Un niño lee un breve pasaje mientras una cámara registra las fijaciones y regresiones oculares; un modelo de aprendizaje automático compara el patrón con un conjunto de referencia normalizado para señalar el riesgo de dislexia y dificultades de lectura en unos cinco minutos, sin necesitar que un especialista lo administre.

Resultados

La empresa afirma haber evaluado a unos 8.000 niños en Suecia y Estados Unidos y describe su propia precisión como un 'impresionante 95%', una cifra de la empresa no auditada de forma independiente. En mayo de 2026, investigadores de la Universidad de Florida Central y la Universidad de Kansas publicaron la primera validación independiente revisada por pares en Frontiers in Education: al estudiar a 29 estudiantes de primaria (12 con dificultad lectora, 17 sin ella) en un único colegio concertado, encontraron una diferencia estadísticamente significativa y de gran magnitud en el tiempo medio de fijación entre ambos grupos (t(27)=6,696, p<0,001, d de Cohen≈2,64). El mismo estudio señaló que la muestra era pequeña y de un solo centro, que 16 'lectores emergentes' adicionales no produjeron datos de seguimiento ocular utilizables, y criticó el algoritmo propietario por su falta de transparencia sobre cómo convierte los movimientos oculares en una puntuación de riesgo.

Implementación
Coste indicativo
Medium (€50k–€500k) — No public price disclosed; cost_band set to medium reflecting a commercial school-licensed diagnostic tool.
Tiempo hasta resultados
Short (< 1 year) — Assessment itself takes about five minutes per student; timeline_band set to short for adoption at a new school.
Personal y competencias
No specialist required to administer the five-minute screening

Condiciones para el éxito

  • Camera-based eye-tracking hardware and a normed reference dataset
  • Independent peer-reviewed validation of the underlying signal (fixation-time difference)

Modos de fallo comunes

  • Proprietary algorithm criticised for lacking transparency in converting eye movements to a risk score
  • 16 'emerging readers' in the validation study produced no usable eye-tracking data
  • Independent validation is small (single school, 29 students) relative to commercial scale (~8,000 screened)

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles