阅读脑与读写障碍
本条为初评草案(AI 辅助编目 · 评于 2026-07):T 阶为三问初评(撬动面 × 停滞度 × 临界性),双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程,其贡献与星阶按 HCF 独立重评,不从暗星自动继承。
人类没有"阅读基因":文字发明才几千年,每个学阅读的孩子都在把原本处理面孔和物体的脑区改造成"文字盒子"(视觉词形区)。这条回路搭建失败或低效,就是读写障碍——影响全球约 5-10% 的人口,而阅读是几乎一切后续学习的入口,读不好等于在文明的知识库门口被拦住。神经科学已经大致画出了阅读回路的地图(Dehaene 等人的工作),但"地图"还没变成"工程":我们仍不能在孩子入学前可靠地预测谁会遇到困难,也没有一套便宜、普适、在公立教育系统里跑得通的早筛加干预流水线。攻破它,等于把每年数千万被阅读卡住的心智重新接回文明的主干道。
机制到干预之间断链:脑成像能看到读写障碍者的回路差异,但差异是原因还是结果分不清,且读写障碍本身高度异质(语音缺陷、视觉注意缺陷、跨语言表现都不同),一套方案治不了所有亚型。早筛卡在信号太弱——学前儿童还没开始阅读,能用的预测指标(语音意识、快速命名等)准确率不够高,假阳性代价大。干预有效的方案(结构化拼读等)人力密集、成本高,公立系统铺不开。
Stanislas Dehaene(法兰西公学院,阅读神经科学奠基性工作)、Maryanne Wolf(UCLA,阅读脑与读写障碍干预)、各国 dyslexia 研究与倡导组织(如 International Dyslexia Association)
读认知神经科学或心理语言学,掌握脑成像与纵向研究方法。最锋利的子问题是"入学前预测":找一个做儿童纵向追踪的实验室(跟踪孩子从 4 岁到 8 岁),研究哪些早期信号真能预测阅读困难。另一条路是工程侧——把已验证的干预方案做成 AI 辅助的低成本工具,让公立学校用得起,这条路缺的不是科学家而是既懂证据又懂产品的人。
谁在攻这颗暗星 · 攻关者名录13 人
这不是终点站——今天在这颗暗星上攻坚的人,就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色,初评待核实,欢迎补充与纠正。
去哪家 · 机构与公司名录4 家 · 其中初创/成长期 4
给求职者和投资人的信息增量——不只是听过的大机构,更多是正在攻这颗暗星的初创与新公司(联网实搜、初创优先排序,初评待核实)。