Sai Ying

Background Handwriting is central to children's written-language development, but conventional assessment usually emphasizes the completed product and provides limited information about the processes that produced it. Digital technologies can capture handwriting as an unfolding motor and orthographic activity. Objective This scoping review mapped technologies for capturing children's handwriting process data, the raw signals and derived features obtained, the assessment constructs supported by process measures, and their educational, developmental, and clinical applications. Methods Following scoping-review guidance and PRISMA-ScR, we searched Scopus, PubMed, ERIC, Web of Science Core Collection, and IEEE Xplore and conducted backward citation searching of 11 relevant review or framework articles. Of 198 reports sought for full-text assessment, one could not be retrieved, 197 were assessed, 39 were excluded, and 158 were included. All included reports were charted with the same 16-field framework. Independent verification by a second researcher covered randomly selected samples of 40 of 197 full-text eligibility decisions (20.3%; 97.5% agreement; Cohen's κ = 0.918) and 32 of 158 extractions (20.3%). Results Digitizing or graphics tablets were used in 136 reports (86.1%), and 117 (74.1%) used Wacom hardware. Position or trajectory (145, 91.8%) and time or timestamps (124, 78.5%) were the most common raw signals, followed by pen pressure or normal force (82, 51.9%) and pen-state or in-air information (71, 44.9%). Common derived feature families included speed or velocity (97, 61.4%), temporal or duration measures (84, 53.2%), spatial or geometric measures (67, 42.4%), and pressure- or force-derived measures (59, 37.3%). Developmental or normative characterization (75, 47.5%) and clinical characterization or differential assessment (74, 46.8%) were the most frequent applications. Latin-alphabetic handwriting appeared in 114 reports (72.2%), followed by Hebrew (23, 14.6%), Chinese (19, 12.0%), and Arabic (5, 3.2%). Conclusions Digital handwriting assessment is well established in process capture but less consistently translated into applied educational or clinical decisions. Classification performance should not be equated with diagnostic validity. A theory-informed and review-refined four-level framework organizes raw signals, derived features, assessment constructs, and empirical interpretation or action without implying a validated developmental or psychometric hierarchy.

زمینه و هدف: دست‌خط نقش مرکزی در رشد زبان نوشتاری کودکان دارد، اما ارزیابی‌های متداول معمولاً بر محصول نهایی تأکید می‌کنند و اطلاعات محدودی درباره فرایندهایی که به تولید آن منجر شده‌اند ارائه می‌دهند. فناوری‌های دیجیتال قادرند دست‌خط را به عنوان یک فعالیت حرکتی و املایی در حال شکل‌گیری ثبت کنند. هدف: این مرور گسترده به شناسایی فناوری‌های ثبت داده‌های فرایندی دست‌خط کودکان، سیگنال‌های خام و ویژگی‌های استخراج‌شده، سازه‌های ارزیابی پشتیبانی‌شده توسط سنجه‌های فرایندی و کاربردهای آموزشی، رشدی و بالینی آن‌ها پرداخت. روش‌ها: با پیروی از راهنمای مرور گسترده و PRISMA-ScR، پایگاه‌های Scopus، PubMed، ERIC، Web of Science Core Collection و IEEE Xplore جست‌وجو شدند و جست‌وجوی ارجاعات معکوس ۱۱ مقاله مروری یا چارچوبی مرتبط انجام شد. از میان ۱۹۸ گزارش مورد بررسی برای ارزیابی متن کامل، یک مورد قابل بازیابی نبود، ۱۹۷ مورد ارزیابی شدند، ۳۹ مورد حذف شدند و ۱۵۸ مورد وارد مطالعه شدند. همه گزارش‌های واردشده با یک چارچوب ۱۶ بخشی یکسان ثبت شدند. راستی‌آزمایی مستقل توسط پژوهشگر دوم بر روی نمونه‌های تصادفی ۴۰ تصمیم صلاحیت متن کامل از ۱۹۷ مورد (۲۰.۳٪؛ توافق ۹۷.۵٪؛ کاپای Cohen's κ = ۰.۹۱۸) و ۳۲ استخراج از ۱۵۸ مورد (۲۰.۳٪) انجام شد. یافته‌ها: در ۱۳۶ گزارش (۸۶.۱٪) از تبلت‌های دیجیتایزر یا گرافیکی استفاده شد و ۱۱۷ مورد (۷۴.۱٪) از سخت‌افزار Wacom بهره بردند. موقعیت یا مسیر (۱۴۵ مورد، ۹۱.۸٪) و زمان یا برچسب‌های زمانی (۱۲۴ مورد، ۷۸.۵٪) رایج‌ترین سیگنال‌های خام بودند و پس از آن فشار قلم یا نیروی عمودی (۸۲ مورد، ۵۱.۹٪) و اطلاعات وضعیت قلم یا در هوا (۷۱ مورد، ۴۴.۹٪) قرار داشتند. خانواده‌های رایج ویژگی‌های استخراج‌شده شامل سرعت یا تندی (۹۷ مورد، ۶۱.۴٪)، سنجه‌های زمانی یا مدت (۸۴ مورد، ۵۳.۲٪)، سنجه‌های فضایی یا هندسی (۶۷ مورد، ۴۲.۴٪) و سنجه‌های مبتنی بر فشار یا نیرو (۵۹ مورد، ۳۷.۳٪) بودند. بیشترین کاربردها، توصیف رشدی یا هنجاری (۷۵ مورد، ۴۷.۵٪) و توصیف بالینی یا ارزیابی افتراقی (۷۴ مورد، ۴۶.۸٪) بود. دست‌خط الفبای لاتین در ۱۱۴ گزارش (۷۲.۲٪) مشاهده شد و پس از آن عبری (۲۳ مورد، ۱۴.۶٪)، چینی (۱۹ مورد، ۱۲.۰٪) و عربی (۵ مورد، ۳.۲٪) قرار داشتند. نتیجه‌گیری: ارزیابی دیجیتال دست‌خط در ثبت فرایند به خوبی تثبیت شده است اما کمتر به تصمیمات کاربردی آموزشی یا بالینی ترجمه شده است. عملکرد طبقه‌بندی نباید معادل روایی تشخیصی تلقی شود. یک چارچوب چهارسطحی مبتنی بر نظریه و اصلاح‌شده توسط مرور، سیگنال‌های خام، ویژگی‌های استخراج‌شده، سازه‌های ارزیابی و تفسیر یا اقدام تجربی را سازمان‌دهی می‌کند بدون آنکه سلسله‌مراتب رشدی یا روان‌سنجی روایی‌شده‌ای را القا کند.