Analisi Fonetico-Fonologica AI

Come funziona l'Analisi Fonetico-Fonologica AI

Descrivi le produzioni del bambino e l'AI analizza automaticamente l'inventario fonetico distinguendo tra emergenza e stabilizzazione, identifica i processi fonologici attivi e li confronta con le norme fonologiche italiane aggiornate. Il report include screening DVE/CAS, profilo di gravità, priorità terapeutiche evidence-based e diagnosi differenziale.

30 processi fonologici analizzati

Lo strumento rileva processi strutturali (riduzione cluster, cancellazione sillaba debole, epentesi, reduplicazione, cancellazione consonante finale), processi di sostituzione per luogo (anteriorizzazione/frontalizzazione, labializzazione, alveolarizzazione), per modo (stopping di fricative e affricate, affricazione, deaffricazione, denasalizzazione, gliding, lateralizzazione, vocalizzazione), per sonorità (sonorizzazione, desonorizzazione) e processi di assimilazione (labiale, velare, nasale, delle liquide). Le età di soppressione seguono i dati di Bauman-Waengler (2020) e Fox-Boyer et al. (2022).

Screening DVE/CAS secondo criteri ASHA/Mayo-10 e RCSLT 2024

Il tool effettua screening del Disturbo Verbale Evolutivo (Childhood Apraxia of Speech) secondo i tre tratti consensuali ASHA/Mayo-10: errori inconsistenti, transizioni coarticolatorie allungate, prosodia inappropriata. Se identifica sospetto DVE/CAS, suggerisce approcci motori evidence-based (DTTC, ReST, NDP3, IPA) come da linee guida RCSLT 2024. Gli NSOMEs non sono indicati per il DVE/CAS.

Diagnosi differenziale SSD secondo Dodd (2014)

Il report suggerisce la possibile classificazione del disturbo secondo il modello Dodd: disturbo di articolazione (~12% SSD), ritardo fonologico (~55%), disturbo fonologico atipico consistente (~20%), disturbo fonologico inconsistente (~10%) e disprassia verbale evolutiva. Ogni sottotipo ha indicazioni terapeutiche specifiche (terapia articolatoria, contrasti fonologici, core vocabulary).

Fonti autorevoli e Toolkit proprietari

Il sistema integra fonti autorevoli internazionali (ASHA 2007, RCSLT 2024, Mayo-10 Shriberg, Dodd 2014, Bauman-Waengler 2020, Wren systematic review 2018) e norme evolutive italiane (Bortolini, Fox-Boyer 2022, TFPI Zmarich 2025, Tresoldi 2018, Zanobini & Usai). Alla base dell'analisi: i Toolkit Fonetico-Fonologici proprietari di Arianna Allegretti.

Approcci terapeutici suggeriti dall'AI

In base al profilo emerso dall'analisi (Dodd 2014), il report suggerisce l'approccio terapeutico evidence-based piu' indicato:

• Minimal Pairs (Baker 2010, Barlow & Gierut 2002) — per ritardo fonologico
• Multiple Oppositions (Williams 2000, 2010) — per disturbi atipici consistenti con many-to-one collapse
• Maximal Opposition (Gierut 1989) — per maggiore generalizzazione
• Complexity Approach (Storkel 2018) — selezione di target complessi/non-stimolabili per system-wide change
• Cycles Approach (Hodson 2006) — per bambini con multipli pattern e bassa intelligibilità
• Core Vocabulary (Dodd et al. 2011, Crosbie et al. 2005) — specifico per disturbo fonologico inconsistente (IPD)
• Phonotactic Therapy (Velleman 2002) — per ridotto inventario di strutture sillabiche
• DTTC, ReST, NDP3, IPA (RCSLT 2024) — approcci motori per DVE/CAS