evidoria

← Back to browse

Good practice

Lexplore — Rastreio por IA com Eye-Tracking para Dislexia e Dificuldades de Leitura

Sweden · Stockholm · See the Sweden profile

A Lexplore, spin-off do Instituto Karolinska, usa eye-tracking com IA para sinalizar risco de dislexia em ~5 minutos, tendo rastreado ~8.000 crianças desde 2016. Um estudo independente de 2026 encontrou um efeito grande numa amostra pequena e apontou a opacidade do algoritmo.

~8,000 children
Crianças avaliadas cumulativamente (2016–2026)
95 %
Precisão alegada pela empresa
29 students
Amostra do estudo de validação independente (2026)
2.64 Cohen's d
Dimensão do efeito, diferença no tempo de fixação (2026)
Lexplore — Rastreio por IA com Eye-Tracking para Dislexia e Dificuldades de Leitura Lexplore — Rastreio por IA com Eye-Tracking para Dislexia e Dificuldades de Leitura

Details

Maturity
Established
Promoter
Lexplore AB
Period
2016–ongoing; independent US validation study published 2026
Keywords
reading assessment, dyslexia screening, eye-tracking AI, literacy diagnostics

Context

A Lexplore nasceu do Instituto Karolinska, na Suécia, em 2016, para comercializar investigação em eye-tracking sob a forma de uma avaliação de leitura pontuada por IA. Uma criança lê uma curta passagem enquanto uma câmara regista as fixações e regressões oculares; um modelo de aprendizagem automática compara o padrão com um conjunto de referência normalizado para sinalizar o risco de dislexia e de dificuldades de leitura em cerca de cinco minutos, sem necessidade de um especialista para o administrar.

Results

A empresa refere ter avaliado cerca de 8.000 crianças na Suécia e nos EUA e descreve a sua própria precisão como 'impressionantes 95%' — uma afirmação da empresa, não auditada de forma independente. Em maio de 2026, investigadores da Universidade da Florida Central e da Universidade do Kansas publicaram a primeira validação independente revista por pares na Frontiers in Education: ao estudar 29 estudantes do ensino básico (12 com dificuldade de leitura, 17 sem), numa única escola charter, encontraram uma diferença estatisticamente significativa e de grande magnitude no tempo médio de fixação entre os dois grupos (t(27)=6,696, p<0,001, d de Cohen≈2,64). O mesmo estudo assinalou que a amostra era pequena e limitada a uma única escola, que 16 'leitores emergentes' adicionais não produziram dados de eye-tracking utilizáveis, e criticou o algoritmo proprietário por falta de transparência sobre a forma como converte os movimentos oculares numa pontuação de risco.

Implementation

Indicative cost
Medium (€50k–€500k) — No public price disclosed; cost_band set to medium reflecting a commercial school-licensed diagnostic tool.
Time to results
Short (< 1 year) — Assessment itself takes about five minutes per student; timeline_band set to short for adoption at a new school.
Staffing & skills
No specialist required to administer the five-minute screening

Conditions for success

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

Common failure modes

  • 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)

Data sources

Where this practice's information was retrieved from, and when.

Attachments

Similar practices you may find useful