大型语言模型（ChatGPT-4、DeepSeek与Gemini）在读写障碍与计算障碍问答中的质量、实用性及可靠性评估

来自多领域的研究人员针对特定学习障碍（SLDs）信息获取的准确性需求，评估了ChatGPT-4、DeepSeek和Gemini三大语言模型在读写障碍（dyslexia）与计算障碍（dyscalculia）问答中的表现。通过专家设计的30项问题及GQS量表、七级Likert量表分析，发现模型间质量与实用性无显著差异，但ChatGPT-4在计算障碍回答中可靠性更优（p<0.05），DeepSeek则对读写障碍实现100%最高可靠性评分。研究为LLMs作为辅助教育工具的潜力提供了实证依据，强调专业验证的必要性。

　　

这项研究系统评估了三种主流大型语言模型（LLMs）——ChatGPT-4、DeepSeek和Gemini在解答特定学习障碍（SLDs）相关问题的表现，重点关注读写障碍（dyslexia）和计算障碍（dyscalculia）两大亚型。研究团队通过整合社交媒体、专业论坛及临床专家意见，为每种障碍精心设计15道测试问题，并采用全球质量量表（GQS）和七级Likert量表对模型回答的质量、实用性和可靠性进行量化评分。

统计分析显示，三大模型在回答质量（GQS均值：读写障碍4.20-4.60，计算障碍3.93-4.53）和实用性方面未呈现显著差异。但可靠性表现存在特异性：ChatGPT-4在计算障碍领域显著优于其他模型（p_值
<0.05），而DeepSeek在读写障碍问答中斩获100%满分可靠性评级，远超GPT-4和Gemini（60%）。值得注意的是，尽管所有模型均能生成高质量回答，其实用性仍存在波动。

该研究揭示了LLMs作为神经发育障碍科普工具的潜力，特别是GPT-4在计算障碍领域的稳定表现，为数字化教育辅助方案提供了新思路。不过研究者强调，专业医疗人员的复核仍是确保信息准确性的关键环节。