Jak mohu ve svém kurzu podpořit studenty s postižením a neurodivergentní studenty pomocí AI?

Automatický strojový překlad této anglické stránky, který ještě nebyl zkontrolován rodilým mluvčím.

V dopise o přiměřených úpravách je jméno studenta, kurz a nástroj, o kterém jste nikdy neslyšeli. Nebo se student rozumně zeptal, zda může v časově omezené zkoušce dál používat svůj software pro přepis řeči na text, a pravidlo vašeho kurzu říká, že žádná AI není povolena. Nebo chce oddělení pro dostupnost do pátku odpověď, zda licencovat čtečku, a důkazem dodavatele je reference z jiného kampusu.

Odpověď, která obstojí ve všech třech případech: začněte u bariéry, kterou vytváří úloha, používejte nástroje, které byly skutečně měřeny, a učte to, co zavádíte. Dvě pravidla platí víc než jakákoli volba produktu. Pojmenujte přepis řeči na text a OCR v politice AI jako přiměřené úpravy samy o sobě a dejte zadání strukturu, místo abyste po studentech chtěli, aby si ji odvodili. Buďte střízliví ohledně důkazů: nejsilnější číslo na této stránce pochází z prostředí speciálního vzdělávání PK-12 s převážně předgenerativní AI a literatura o vysokoškolském vzdělávání je mapou toho, co se zkoušelo.

Stručně

1. Napište do dopisu o přiměřených úpravách funkční bariéru dřív než název nástroje: čtení a psaní, řízení studia, pozornost nebo sociální komunikace.

2. Začněte strukturovaným výukovým softwarem, který má změřený účinek, a přečtěte si jeho označení spolehlivosti, než koupíte chatbota, který vám byl nabídnut.

3. Rozhodněte, zda jde o změnu designu, nebo o osobní úpravu. Kde je bariéra společná, změňte design, protože tím odpadá krok sebeodhalení.

4. Učte nástroj. Úprava poskytnutá bez výuky je způsobem selhání, který soudní praxe trestá.

5. Pojmenujte přepis řeči na text a OCR výslovně v pravidle o AI, aby zákaz napsaný proti generativnímu psaní neodebral studentovi prostředek k vytváření čitelné práce.

6. Veďte zkoušku proti bariéře, a ne proti dotazníku spokojenosti, a předem řekněte, co budete počítat za fungující.

Začněte u bariéry, kterou vytváří úloha

Většina toho, co se u studentů s postižením a neurodivergentních studentů pokazí, se odehrává na úrovni úlohy: čtení, které předpokládá tisk, video, které předpokládá trvalou pozornost, skupinový projekt, který předpokládá nevyslovená sociální pravidla. Ty bariéry se opakují napříč diagnózami, takže užitečná otázka je, kterou funkční bariéru nástroj odstraňuje, a otázka při nákupu by měla být formulována stejně.

Diagnostické kategorie to skrývají. Scoping review níže zjišťuje, že literatuře dominují individuální úpravy a nástroje pro jednu neurotypologii organizované kolem formální diagnózy, zatímco funkční rozdíly, které řeší, procházejí napříč neurotypy. Studenti s dyslexií mají obvykle prospěch ze snížené závislosti na materiálu pouze v psané podobě. Autističtí studenti a studenti s ADHD mohou oba zažívat časté výkyvy pozornosti, což činí výkon citlivým na konzistentní strukturu a dostatek času na přepnutí úlohy. Nástroj sladěný se štítkem může minout bariéru, kterou student ve vaší skupině skutečně má.

Stejná opatrnost platí pro skupinové statistiky. Rozdílné účinky napříč skupinami studentů uvádějí podstatně větší účinek u studentů se specifickými poruchami učení, s intelektovým a vývojovým postižením nebo u neslyšících studentů než u studentů s poruchou autistického spektra, a ten rozdíl nebyl napříč velikostmi účinku statisticky významný.

Používejte to, co bylo změřeno, a čtěte označení

Nejsilnější kvantitativní výsledek na této stránce je zároveň nejobecnější a přichází s omezeními, která byste měli vzít do rozhodnutí o nákupu.

Zhang, Carter, Liu a Peng (2024) syntetizovali 29 (kvazi)experimentálních studií intervencí založených na AI pro studenty s postižením: 239 velikostí účinku ze 41 nezávislých vzorků, statisticky významný středně velký celkový účinek na výsledky učení podle Hedgesova g = 0,588 (95 % CI [0,349; 0,826], p < 0,01) a vysokou heterogenitu mezi studiemi. Akademický výkon byl největší podskupinou výsledků (k = 80, g = 0,929) a socioemocionální dovednosti nejmenší (k = 144, g = 0,382). Počítačový software, tedy rozpoznávání řeči, expertní systémy a inteligentní tutoriální systémy, si vedl silně (k = 74, g = 0,959) a roboti středně (k = 144, g = 0,509), zatímco inteligentní VR (g = 0,528) nebylo významné. Publikační zkreslení bylo přítomno (Eggerovo β = 2,837, p < 0,001); trim-and-fill snížil odhad na g = 0,269, stále významný.

Všechny studie byly z PK-12. 96,6 % použilo výuku po krocích ve speciálněpedagogickém nebo klinickém prostředí a většina použila starší AI založenou na pravidlech, a ne generativní AI. To podporuje opatrné zavádění strukturovaného výukového softwaru. Nepřenáší se to na chatbot pro obecné použití a zacházet s tím, jako by se to přenášelo, je nejdražší chyba, kterou na této stránce můžete udělat.

Tři menší výsledky ukazují, co umí jediný nástroj, když je bariéra úzká. Každý byl testován na hrstce studentů, takže je berte jako levné a vratné experimenty, a ne jako infrastrukturu.

Pro pozornost Pimenova, Begel a kolegové (2026) rozdělili výuková videa dodatečně na bloky s jedním pokynem a pevnými pauzami. U 17 studentů s ADHD a 10 bez něj to zlepšilo všechny a chyby a zaváhání účastníků s ADHD dostalo na stejnou úroveň. Vyrovnávající účinek vzešel z lehké transformace materiálu.

Pro přístup k jazyku Chen et al. (2026) přidali k základní sadě LLM vizuální otázky (časové značky, kde je pravděpodobné, že vizuální informace bude přečtena špatně) a emoční otázky (časové značky, kde dřívější neslyšící a nedoslýchaví studenti uváděli frustraci), čímž vzniklo 30 otázek, deset na strategii. U 16 studentů dosahovala sebeúčinnost průměru 5,70 (SD = 1,12) na sedmibodové škále a vizuální otázky volili neslyšící účastníci častěji než nedoslýchaví.

Pro čtení a psaní Rezazadegan et al. (2026) vytěžili vlastní diskuse studentů s dyslexií na fórech. Tito studenti oceňovali AI pro podporu gramotnosti a uváděli nevyrovnanou kvalitu výstupu a nedostatek spravedlivých úprav. Nekonzistence je sama bariérou: nástroj, na který se nelze spolehnout, přidává práci, místo aby ji ubíral.

Obraz vysokoškolského vzdělávání je nejslabší částí důkazů a zároveň částí nejbližší vaší práci. Rempel, Heimann a Prilop (2026) proscreenovali 766 záznamů z pěti databází na 40 zařazených studií publikovaných mezi lety 2015 a 2025. Generativní AI se objevila v 15 ze 40 a virtuální realita v 11. Pokrytí bariér bylo nevyrovnané: dominovalo čtení a psaní (n = 13) a řízení studia (n = 12), pozornost (n = 4) a sociální komunikace (n = 5) byly opomenuty a jen 6 studií se zabývalo více než jednou bariérou. Přehled záměrně vylučoval prostředí K-12 a specializovaných institucí, takže o mladších studentech neříká nic. Použijte ho k tomu, abyste viděli, které bariéry byly na vaší úrovni řešeny a kterých se sotva kdo dotkl.

Rozhodněte se, zda měníte design, nebo úpravu

Univerzální design odstraňuje potřebu, aby se student sám identifikoval jako někdo, kdo potřebuje zvláštní opatření. Přiměřená úprava vyžaduje právě to a stigma je součástí nákladů. Když se tedy bariéra ukáže jako společná, změna designu je lepší koupě: zasáhne studenty, kteří se nikdy nepřihlásí.

Výsledek se segmentací je nejjasnějším případem. Video rozdělené na bloky s jedním pokynem a pevnými pauzami zlepšilo v té studii všechny studenty, ne jen ty s ADHD, a chyby a zaváhání účastníků s ADHD dostalo na stejnou úroveň. To je výsledek univerzálního designu, dosažený úpravou, a ne produktem.

Poctivá mez: to je 17 studentů s ADHD a 10 bez něj v jedné studii a nic v této literatuře vám neřekne, jak daleko zevšeobecňovat z jednoho výsledku z jedné třídy ani kdy je potřeba konkrétního studenta natolik specifická, že vyžaduje individuální uspořádání. Ten úsudek zůstává na vás a na oddělení pro dostupnost.

Učte nástroj a postavte za výuku konkrétní jméno

Zdokumentovaným selháním je úprava poskytnutá bez výuky. Ve věci W.A. v. Clarksville/Montgomery County School System (2024) student, kterému byla AI poskytnuta jako úprava, odmaturoval, aniž uměl číst, a soud rozhodl, že mu nebylo poskytnuto bezplatné a přiměřené veřejné vzdělávání.

To selhání pravděpodobně způsobují dvě věci a obě jsou institucionální. Shin et al. (2026) použili tématické modelování na bázi LLM a dvě kola delfských šetření se 17 odborníky napříč 12 americkými dokumenty o politice AI ve vzdělávání z let 2015 až 2025. Příprava pedagogů je jedním z jejich pěti ověřených témat a nese 4 z 36 položek, a odborníci za nejpodstatnější označili posílení postavení studentů a gramotnost v oblasti AI: tito studenti se mají naučit používat AI zodpovědně a samostatně, přičemž ochrana před nadměrnou závislostí se učí jako součást téže dovednosti. Autoři LUDIA pojmenovávají překážku jako „propast mezi věděním a jednáním“: pokynů je nadbytek, jsou psané obecně a bariéra je vždy konkrétní pro tuto učebnu a tento týden.

Co vám stránka dát nemůže, je protokol školení. Neexistují žádné formální pokyny založené na důkazech, které by pedagogům nebo rodinám pomohly zavést AI pro tyto studenty, takže množství výuky, její posloupnost i to, kdo ji vede, jsou úsudkové otázky. Soudní praxe stanoví spodní hranici, a ne standard: student musí nakonec umět tu věc udělat a někdo za to musí nést odpovědnost.

Napište přepis řeči na text a OCR do pravidla o AI jménem

Wright (2026) argumentuje, že pravidla, která všechny „použití AI“ staví na stejnou úroveň, jsou příliš široká, protože neoddělují přepis řeči na text a OCR od generativního psaní. Studenti se stavy ovlivňujícími jemnou motoriku, čitelnost rukopisu nebo přesnost psaní na klávesnici spoléhali na samostatné produkty pro převod hlasu na text, jako je Dragon NaturallySpeaking, a na samostatné OCR, z nichž některé byly ukončeny nebo omezeny, a funkční mezeru zaplňuje přepis s podporou AI.

Pravidlo napsané jako „žádná AI“ tak může studentovi odebrat hlavní prostředek k vytváření čitelné práce. Rozsah tohoto vytěsnění zatím nikdo nezměřil, což je důvod být výslovný, a ne čekat na číslo. Pojmenujte přepis a OCR v politice jako přiměřené úpravy, vedle zákazů psaní, aby se o obou otázkách rozhodovalo odděleně. Riziko, které tím pro instituci vzniká, patří k Legal Issues and Risks.

Ve většině dokumentů je to oprava na jeden řádek a je to řádek s největšími důsledky na této stránce.

Dejte strukturu tam, kde ji zadání předpokládá

Struktura je tu nejlevnější intervencí a nejčastěji vypadne z plánu. Zastudil et al. (2026) dotazovali 24 neurodivergentních studentů informatiky (autistických a/nebo s ADHD) a 20 neurotypických vrstevníků, se čtyřmi navazujícími rozhovory. Neurodivergentní skupině byly nepříjemné nestrukturované nebo nejednoznačné úlohy a silně preferovala menší týmy, které spolupracují konzistentně s výslovně definovanými rolemi, přičemž se vyrovnávala se situací tím, že si role volila sama a strategicky se přihlašovala.

To jsou data o preferencích, ne studie účinku, a zároveň je to zadání, které si studenti napsali sami. Práce zprostředkovaná AI nese specifickou verzi tohoto rizika, protože interakční model nástroje může reprodukovat stejnou strukturální nejednoznačnost, kterou úloha už měla. Než nástroj k úloze přidáte, zkontrolujte, co po studentovi chce, aby rozhodl sám.

Veďte zkoušku proti bariéře a zapište, co jste počítali

Souhrnné účinky vám dají směr. Neřeknou vám, zda nástroj bude fungovat pro studenta ve vaší skupině příští týden, takže každá zkouška potřebuje měřítko zvolené předem.

To měřítko by měly formovat tři výhrady. První je, že pořadí podskupin je spíš sugestivní než prokázané: žádný moderátor žádného druhu nedosáhl v metaanalýze z roku 2024 významnosti, takže žebříčky, jako učitelní agenti (g = 1,100) před socioemocionálními kouči (g = 0,336) nebo dyadická interakce před triadickou (g = 0,973 proti g = 0,385), nelze brát jako uzavřené. Směr účinku je podložen; velikost, optimální design ani trvanlivost jakéhokoli zisku nikoli.

Druhá je, že tento korpus popisuje spíš nasazení a vnímání než změřené učení. Pozornost (n = 4) a sociální komunikace (n = 5) jsou nejméně studované bariéry a nedostatek (kvazi)experimentálních a longitudinálních designů je důvod, proč je vysokoškolská práce scoping review, a ne metaanalýza. Pokrytí je nakloněno k bakalářskému studiu a globálnímu severu, hledání bylo omezeno na anglicky psané recenzované práce a postgraduální studenti jsou zastoupeni málo. Zapojení a spokojenost jsou slabé ukazatele.

Třetí je, že nástroj, který opraví jednu bariéru, může jinou nechat. Zkontrolujte nástroj proti konkrétní obtížnosti, kterou student uvádí, ať jde o čtení a psaní, řízení studia, pozornost nebo sociální komunikaci, a hodnoťte proti té obtížnosti, a ne proti tomu, jak studentovi produkt připadal. Zeptejte se studenta, co počítat. Účastníci Zastudila et al. i diskutující na fórech u Rezazadegana et al. popisují své potřeby přesněji než produkty, které pro ně vznikly.

Co tu nenajdete, je validovaný nástroj pro měření bariéry v jednom kurzu nebo důkaz o tom, jak dlouho má zkouška běžet. Obojí jsou mezery v literatuře, a ne selhání vašeho hledání, a stojí za to je zapsat do poznámek z revize.

Kupujte pro bariéru a odmítněte drahý default

Z přehledu přímo vycházejí dva požadavky na nákup: stanovte univerzální design a participativní vývoj jako podmínky a stavte nástroje se neurodivergentními studenty, a ne pro ně. Vzorek samotného přehledu ukazuje, jak vzácné to je: jen 3 ze 40 studií braly prostředí nebo neurotypické vrstevníky jako objekt intervence.

Pak počítejte poctivě. Asistivní technologie potřebují zařízení a konektivitu a nástroje, které jsou v pilotu zdarma, se běžně přesouvají za paywall. Virtuální realita je v této sadě nejnáročnější na zdroje a obor je soustředěn na globálním severu, takže jeho nejimersivnější nástroje jsou nejméně škálovatelné. Shin et al. přímo upozorňují na digitální propast: cena pokročilých nástrojů AI může prohloubit rozdíly mezi bohatšími a chudšími školami, vedle algoritmického zkreslení a mezer ve vzdělávání učitelů.

LUDIA je jedna vypracovaná verze levné alternativy a její autoři jsou nezvykle otevření v tom, co neprokázali. Spojuje pedagogy s univerzálním designem pro učení ve chvíli, kdy je rozhodnutí o designu ještě otevřené, a odstraňuje bariéry přístupu architekturou: bez nákladů, bez účtů a ukládaných chatů, ve shodě s WCAG 2.2 úrovně AA a ve 13 strojově přeložených jazycích, i když neanglické verze mohou nést předpoklady angličtiny, ze které vznikly. Je to myšlenkový partner, a ne stroj na řešení, a autoři uvádějí, že nemají důkaz, že zlepšuje učení. Pojmenovávají také omezení, které patří do každého plánu nasazení: automatizační zkreslení znamená, že pedagog nejpravděpodobněji přijme špatný návrh tehdy, když věří, že nástroj univerzálnímu designu pro učení rozumí. Nikdo zatím netestoval jeho výstupy na kulturní nebo jazykové zkreslení.

Mějte na zřeteli i druhé selhání. Nadměrná závislost na chatbotovi a kognitivní přetížení imersivních prostředí jsou doloženy jako inverzní efekty, kdy přidání technologie učení snižuje. Od nástroje, který jen reprodukuje dosavadní výuku v digitální podobě, lze očekávat omezené přírůstky učení.

V čem se pedagogové mýlí

Diagnóza mi řekne, který nástroj koupit. Bariéry procházejí napříč diagnózami a nástroj sladěný se štítkem může minout bariéru v učebně. Zeptejte se, co úloha předpokládá: tisk, trvalou pozornost, nevyslovená sociální pravidla, určitý způsob vytváření textu.

Přiměřená úprava je osobní uspořádání, takže oprava patří studentovi. Některé ano, a ty, které stojí za zobecnění, jsou ty, které byste stejně navrhli. Segmentace pomohla v její studii každému studentovi. Změny designu odstraňují krok sebeodhalení a s ním i stigma.

Zapojení a spokojenost ukazují, že nástroj fungoval. Ukazují, že se studentovi líbil. Tento korpus tvoří z větší části nasazení a vnímání a jen 6 ze 40 vysokoškolských studií sloužilo více než jedné bariéře, takže spokojený student zatím není důkazem, že nějaká bariéra padla.

Podporu nese nástroj a výuka je navíc. Soudní praxe považuje nevyučovaný nástroj za selhání a odborníci na politiku zařadili posílení postavení studentů a gramotnost v oblasti AI jako nejpodstatnější téma. Naplánujte čas na výuku spolu s licencí.

Co vám budou namítat

„Nemůžeme nástroj vyžadovat po všech.“ Kde je nástroj součástí designu, právě o to jde. Segmentace videa s pevnými pauzami zlepšila všechny studenty a chyby a zaváhání účastníků s ADHD dostala na stejnou úroveň, což je výsledek univerzálního designu, který odstraňuje potřebu sebeodhalení. Stejnou logiku nesou dostupné defaulty: nástroje pro hlasité předčítání, OCR a úpravu náročnosti textu se opakují v ověřených položkách politiky u Shin et al. Jejich korpus také ukazuje, jak daleko politika musí dojít, protože jen 2 z 12 dokumentů se specificky věnují poruchám učení, zatímco 18 témat přítomných v obecné politice AI nebo v politice jiných postižení, mezi nimi ochrana dat, řízení právních rizik a etické pokyny, v politice specifických poruch učení chybí.

„Titulky a překlad nejsou akademická podpora.“ Titulky jsou začátek, ne celý přístup k jazyku. Vizuální a emoční otázky u Chen et al. existují proto, že samotný přepis nechává neslyšícího studenta rekonstruovat kontext, který video nikdy neřeklo. Pořadí odborníků na politiku s tou námitkou také nesouhlasí. Jejich 36 ověřených položek se dělí do pěti témat, přičemž inkluzivní a personalizované učení je největší s 11 (30,56 %) a etika, rovnost a inkluze s 9 (25,00 %), příprava pedagogů se 4 (11,11 %), a přesto odborníci označili posílení postavení studentů a gramotnost v oblasti AI za nejpodstatnější z pěti, se 6 položkami (16,67 %), na stejné úrovni jako hodnocení a výzkum.

„Studenti musí být samostatní.“ Samostatnost je to, k čemu výuka je, a proto je nevyučovaný nástroj selháním. Téma přípravy pedagogů u Shin et al. existuje ze stejného důvodu. Rozsah potřeby lze snadno podcenit: zhruba 240 milionů dětí na světě žije s postižením, asi polovina z nich je v zemích s nízkými a středními příjmy mimo školu a asi třetina učitelů v systémech OECD uvádí, že jim chybí kompetence podporovat studenty se specifickými potřebami. Ve Spojených státech staví Assistive Technology Act (2004) a IDEA (2004) hodnocení asistivních technologií do každého individuálního vzdělávacího programu a vyžadují bezplatné a přiměřené veřejné vzdělávání, a přesto pedagogům ani rodinám nepomáhají žádné formální pokyny založené na důkazech při zavádění AI pro tyto studenty. Samostatnost postavená na nevyučovaném nástroji je to, co soudní praxe trestá.

„Nemůžeme si to dovolit.“ Pak odmítněte drahý default. Virtuální realita je v této sadě nejnáročnější na zdroje a nejimersivnější nástroje oboru jsou nejméně škálovatelné. Nástroj zdarma a chránící soukromí, který zlepšuje rozhovor o designu, s výhradami autorů přečtenými dopředu, je lepší první koupě než headset.

„Důkazy jsou příliš tenké na to, abychom podle nich jednali.“ Tenké, a ne prázdné. Metaanalýza z roku 2024 vám dává směr se širokým intervalem a korekcí publikačního zkreslení, která odhad snižuje o víc než polovinu, tři studie jediného nástroje jsou malé a vysokoškolský přehled měří pokrytí, a ne účinek. Co to podporuje, je levný a vratný krok: změna designu, pojmenovaná úprava, zkouška s měřítkem dohodnutým předem. Odložit rozhodnutí je také rozhodnutí a nechává studenta před vámi s tím, co poskytuje výchozí uspořádání.

Co udělat tento týden

1. U každé žádosti o úpravu na stole napište vedle názvu nástroje funkční bariéru a zkontrolujte, že nástroj řeší tu bariéru, a ne diagnózu.

2. Zeptejte se, zda bariéru sdílí celá třída. Pokud ano, změňte design: rozdělte video, odstraňte nejednoznačnost, zapněte hlasité předčítání a dejte zadání strukturu, která mu chyběla.

3. Přidejte do pravidla o AI přepis řeči na text a OCR jménem, aby se o zákazu generativního psaní a o úpravě pro vytváření textu rozhodovalo odděleně.

4. Postavte za výuku jméno a datum: kdo studentovi nástroj ukáže, kdy a kdo zkontroluje, že funguje.

5. Dohodněte měřítko se studentem před začátkem zkoušky a výsledek zapište do poznámek z revize, včetně případu, kdy odpověď zní, že to nepomohlo.

Kam dál

Universal Design for Learning pokrývá designový přístup, který brání bariérám dřív, než vzniknou, Assistive Technology vrstvu nástrojů, kterou student používá, Accessibility to, zda formát lze vůbec vnímat a ovládat, a Neurodiversity hledisko, které bere odlišnost jako rozmanitost, a ne deficit, to vše pod zastřešením Inclusive Learning. Jak zabránit tomu, aby studenti nadměrně spoléhali na AI? pokrývá nadměrnou závislost a inverzní efekty, které rozhodují o tom, zda nástroj pomáhá dál, a začlenění rovnosti, dostupnosti, soukromí, etiky a pedagogické bezpečnosti do výzkumu AIED pokrývá povinnosti na straně výzkumu.