ディスレクシア（読み書き障害）を持つ学習者は、読む、書く、整理整頓、学習関連のタスクをサポートするために、ますますAIツールを活用するようになっています。しかし、これらのツールとの実際の使用体験は、これまで十分に検証されてきませんでした。本研究は、オンラインフォーラムでのディスレクシア学習者の議論を分析するために設計された「DysLexLens」という低リソースLLMフレームワークを提案しています。 DysLexLensは、エンドツーエンドのトレーサビリティを備えたアーキテクチャとして設計されており、ノイズの多いソーシャルメディア投稿を辞書駆動のコーパスに変換し、知識グラフ（KG）ベースの質問推論を提供し、検証可能なクエリ応答を生成します。さらに、定量的および人間主導の評価を通じて応答の評価を可能にします。このフレームワークは4つの主要な特徴を備えています。まず、辞書駆動のフィルタリング方法を採用し、ノイズの多い投稿を除外することで、低リソースのフォーラムコンテキストから収集されたデータの関連性を向上させます。次に、LLM支援の意味分析とKGベースの質問推論を統合して、意味のあるパターンを発見します。 さらに、RAGAS、Query Robustnessといった定量的評価メトリクスを用いてLLMが生成した応答のパフォーマンスを測定します。加えて、ハルシネーション（事実でない情報の生成）と証拠の一貫性に焦点を当てた、構造化された定性的検証ガイドラインを提供します。研究チームはディスレクシア関連のRedditフォーラムデータと30個の質問を使用してDysLexLensの効果を実証しており、結果は他の低リソースフォーラムデータコンテキストへの一般化の可能性を示しています。DysLexLens、サンプルデータ、質問、評価結果はGithubで公開され、再現性をサポートしています。