Hvordan kan AI støtte studerende med handicap og neurodivergente studerende i mit kursus?

Automatisk maskinoversættelse af denne engelske side, der endnu ikke er blevet gennemgået af en modersmålstalere.

Tilpasningsbrevet nævner en studerende, et kursus og et værktøj, du aldrig har hørt om. Eller en studerende har spurgt, rimeligt nok, om de kan fortsætte med deres tale-til-tekst-software til en tidsbegrænset eksamen, og din AI-regel for kurset siger nej til AI af enhver art. Eller tilgængelighedskontoret vil have et svar inden fredag om, hvorvidt der skal købes licens til et læseværktøj, og leverandørens belæg er en udtalelse fra en anden campus.

Svaret, der overlever alle tre: begynd ved den barriere, opgaven skaber, brug de værktøjer, der faktisk er målt, og undervis i det, du adopterer. To regler betyder mere end ethvert produktvalg. Navngiv transskription og OCR i din AI-politik som tilpasninger i deres egen ret, og giv opgaven struktur i stedet for at bede studerende udlede den. Vær klarsynet om belægget: det stærkeste tal på denne side kommer fra PK-12-specialundervisning med overvejende præ-generativ AI, og litteraturen om videregående uddannelse er et kort over, hvad der er forsøgt.

Den korte version

1. Skriv den funktionelle barriere i tilpasningsbrevet før værktøjsnavnet: læsning og skrivning, studiemanagement, opmærksomhed eller social kommunikation.

2. Begynd med struktureret undervisningssoftware, som har den målte effekt, og læs dens konfidenslabel, før du køber den chatbot, du blev tilbudt.

3. Beslut, om dette er en designændring eller en personlig tilpasning. Hvor barrieren er delt, ændr designet, fordi det fjerner deklarationstrinnet.

4. Undervis i værktøjet. En tilpasning uden undervisning er det fejlmønster, retspraksis straffer.

5. Navngiv transskription og OCR eksplicit i AI-reglen, så et forbud skrevet mod generativ udarbejdelse ikke fratager en studerende midlet til at producere læsbart arbejde.

6. Kør forsøget mod barrieren frem for mod en tilfredshedsundersøgelse, og sig på forhånd, hvad du vil tælle som virkning.

Begynd ved den barriere, opgaven skaber

Det meste, der går galt for studerende med handicap og neurodivergente studerende, sker på opgaveniveau: en tekst, der forudsætter tryk, en video, der forudsætter vedholdende opmærksomhed, et gruppeprojekt, der forudsætter uskrevne sociale regler. Disse barrierer gentager sig på tværs af diagnoser, så det nyttige spørgsmål er, hvilken funktionel barriere et værktøj fjerner, og et indkøbsspørgsmål bør formuleres på samme måde.

Diagnostiske kategorier skjuler dette. Scoping reviewet nedenfor finder, at litteraturen domineres af individuelle tilpasninger og værktøjer til enkeltneurotyper organiseret omkring formel diagnose, mens de funktionelle forskelle, de adresserer, går på tværs af neurotyper. Ordblinde studerende har tendens til at have gavn af reduceret afhængighed af materiale, der kun er skriftligt. Autistiske studerende og studerende med ADHD kan begge opleve hyppig fluktuation i fokus, hvilket gør præstation følsom over for konsistent struktur og tilstrækkelig tid til opgaveskift. Et værktøj matchet til en etiket kan ramme forbi den barriere, den studerende i dit hold faktisk har.

Samme forsigtighed gælder gruppestatistik. Forskellige effekter på tværs af elevgrupper rapporterer en betydeligt større effekt for studerende med specifikke indlæringsvanskeligheder, intellektuelle og udviklingsmæssige handicap eller døvhed end for studerende med autisme-spektrumforstyrrelse, og forskellen var ikke statistisk signifikant på tværs af effektstørrelserne.

Brug det, der er målt, og læs etiketten

Det stærkeste kvantitative resultat på denne side er også det mest generelle, og det kommer med grænser, du bør tage med ind i købsbeslutningen.

Zhang, Carter, Liu og Peng (2024) syntetiserede 29 (kvasi-)eksperimentelle studier af AI-baserede interventioner for studerende med handicap: 239 effektstørrelser fra 41 uafhængige stikprøver, en statistisk signifikant medium samlet effekt på læringsudfald på Hedges' g = 0,588 (95 % CI [0,349; 0,826], p < 0,01) og høj heterogenitet mellem studier. Akademisk præstation var den største udfaldsundergruppe (k = 80, g = 0,929) og social-emotionelle færdigheder den mindste (k = 144, g = 0,382). Computersoftware, det vil sige talegenkendelse, ekspertsystemer og intelligente tutorsystemer, klarede sig stærkt (k = 74, g = 0,959) og robotter moderat (k = 144, g = 0,509), mens intelligent VR (g = 0,528) ikke var signifikant. Publikationsbias var til stede (Eggers β = 2,837, p < 0,001); trim-and-fill reducerede estimatet til g = 0,269, stadig signifikant.

Hvert studium var PK-12. 96,6 % brugte trinbaseret undervisning i specialundervisning eller kliniske miljøer, og de fleste brugte ældre regelbaseret AI frem for generativ AI. Det understøtter forsigtig adoption af struktureret undervisningssoftware. Det overføres ikke til en generel chatbot, og at behandle det, som om det gør, er den dyreste fejl, der findes på denne side.

Tre mindre resultater viser, hvad et enkelt værktøj kan gøre, når barrieren er snæver. Hver blev testet på en håndfuld lærende, så behandl dem som billige, reversible eksperimenter frem for infrastruktur.

For opmærksomhed segmenterede Pimenova, Begel og kolleger (2026) undervisningsvideoer bagefter i bidder med én instruktion og faste pauser. Med 17 lærende med ADHD og 10 uden forbedrede det alle og bragte ADHD-deltagernes fejl og tøven på niveau. Den udlignende effekt kom fra en letvægts transformation af materialet.

For sproglig adgang tilføjede Chen et al. (2026) Visuelle spørgsmål (tidsstempler, hvor visuel information sandsynligvis læses forkert) og Følelsesmæssige spørgsmål (tidsstempler, hvor tidligere døve og hørehæmmede lærende rapporterede frustration) til et Large Language Models (LLMs)-basissæt, hvilket gav 30 spørgsmål, ti per strategi. Med 16 lærende lå self-efficacy i gennemsnit på 5,70 (SD = 1,12) på en syvpunktskala, og visuelle spørgsmål blev valgt oftere af døve end af hørehæmmede deltagere.

For læsning og skrivning mined Rezazadegan et al. (2026) ordblinde lærendes egne forumdiskussioner. De lærende værdsatte AI til støtte for læse- og skrivefærdigheder og rapporterede ujævn outputkvalitet og mangel på rimelige tilpasninger. Inkonsistensen er i sig selv en barriere: et værktøj, man ikke kan stole på, tilføjer arbejde i stedet for at fjerne det.

Billedet fra videregående uddannelse er den svageste del af belægget og den del, der er tættest på dit arbejde. Rempel, Heimann og Prilop (2026) screenede 766 poster fra fem databaser ned til 40 inkluderede studier publiceret mellem 2015 og 2025. Generativ AI optrådte i 15 af de 40 og virtual reality i 11. Barrieredækningen var ujævn: læsning og skrivning (n = 13) og studiemanagement (n = 12) dominerede, opmærksomhed (n = 4) og social kommunikation (n = 5) var forsømt, og kun 6 studier adresserede mere end én barriere. Reviewet udelukkede K-12 og specialinstitutionsmiljøer ved design, så det siger intet om yngre lærende. Brug det til at se, hvilke barrierer der er adresseret på dit niveau, og hvilke der næsten ikke er berørt.

Beslut, om du ændrer designet eller tilpasningen

Universelt design fjerner behovet for, at en studerende identificerer sig som havende behov for særlige forhold. Tilpasning kræver netop det, og stigmaet er en del af prisen. Så når en barriere viser sig at være delt, er designændringen det bedre køb: den når de studerende, der aldrig deklarerer.

Segmenteringsresultatet er det klareste tilfælde. En video skåret i bidder med én instruktion og faste pauser forbedrede alle lærende i studiet, ikke kun dem med ADHD, og bragte ADHD-deltagernes fejl og tøven på niveau. Det er universelt design-resultatet, opnået med en klipning frem for et produkt.

Den ærlige grænse: det er 17 lærende med ADHD og 10 uden, i ét studium, og intet i denne litteratur fortæller, hvor langt man kan generalisere fra et enkelt klasserumsresultat, eller hvornår en studerendes behov er så særligt, at det kræver en individuel ordning. Den vurdering bliver hos dig og tilgængelighedskontoret.

Undervis i værktøjet, og sæt et navn bag undervisningen

Det dokumenterede fejltilfælde er en tilpasning, der blev givet uden undervisning. I W.A. v. Clarksville/Montgomery County School System (2024) dimitterede en studerende, der fik AI som tilpasning, uden at kunne læse, og retten fandt, at der ikke var givet en gratis og passende offentlig undervisning.

To ting gør den slags fejl sandsynlig, og begge er institutionelle. Shin et al. (2026) brugte LLM-baseret emnemodellering og to runder Delphi-undersøgelser med 17 eksperter på tværs af 12 amerikanske politikdokumenter om AI i uddannelse fra 2015 til 2025. Uddannelse af pædagoger er et af deres fem validerede temaer og bærer 4 af 36 punkter, og eksperterne rangerede studerendes handlekraft og AI-kompetence som det mest essentielle: disse studerende skal lære at bruge AI ansvarligt og selvstændigt, med beskyttelse mod overafhængighed undervist som en del af samme færdighed. LUDIAs forfattere navngiver forhindringen som »videns-handlingskløften«: vejledning findes i overflod, er skrevet i generelle vendinger, og en barriere er altid særlig for dette lokale, denne uge.

Det, siden ikke kan give dig, er en oplæringsprotokol. Der findes ingen formelle evidensbaserede retningslinjer, der hjælper undervisere eller familier med at implementere AI for disse lærende, så mængden af undervisning, dens rækkefølge og hvem der leverer den, er skøn. Retspraksis sætter gulvet frem for standarden: den studerende skal ende med at kunne det, og nogen skal stå til ansvar for at få dem derhen.

Skriv transskription og OCR ind i AI-reglen ved navn

Wright (2026) argumenterer for, at regler, der behandler al »AI-brug« ens, er for brede, fordi de ikke skelner mellem tale-til-tekst-transskription og OCR og generativ udarbejdelse. Studerende med tilstande, der påvirker finmotorik, håndskriftens læsbarhed eller skrivepræcision, har været afhængige af fritstående tale-til-tekst-produkter som Dragon NaturallySpeaking og fritstående OCR, hvoraf flere er blevet nedlagt eller forringet, mens AI-drevet transskription har udfyldt det funktionelle hul.

En regel skrevet som »ingen AI« kan derfor fratage den studerende det primære middel til at producere læsbart arbejde. Ingen har målt omfanget af den fortrængning endnu, hvilket er en grund til at være eksplicit frem for at vente på tallet. Navngiv transskription og OCR som tilpasninger i politikken, side om side med forbuddene mod udarbejdelse, så de to spørgsmål afgøres separat. Den eksponering, det skaber for institutionen, hører til Legal Issues and Risks.

Det er en rettelse på én linje i de fleste dokumenter, og det er den linje på siden med de største konsekvenser.

Giv struktur, hvor opgaven forudsætter den

Struktur er den billigste intervention her og den, der oftest glemmes i planen. Zastudil et al. (2026) spurgte 24 neurodivergente datalogistuderende (autistiske og/eller med ADHD) og 20 neurotypiske medstuderende, med fire opfølgende interviews. Den neurodivergente gruppe var utilpas med ustrukturerede eller tvetydige opgaver og foretrak stærkt mindre teams, der arbejder sammen konsekvent med eksplicit definerede roller, og håndterede det ved at vælge roller selv og deklarere strategisk.

Det er præferencedata, ikke et effektstudium, og det er også den designbrief, de studerende skrev til sig selv. AI-formidlet arbejde bærer en særlig version af risikoen, fordi et værktøjs interaktionsmodel kan reproducere den samme strukturelle tvetydighed, som opgaven allerede havde. Tjek, hvad værktøjet beder den studerende beslutte alene, før du føjer det til en opgave.

Kør forsøget mod barrieren, og skriv ned, hvad du talte

Aggregerede effekter giver dig en retning. De fortæller ikke, om værktøjet virker for den studerende i dit hold i næste uge, så ethvert forsøg kræver et mål, der er valgt, før det starter.

Tre forbehold bør forme det mål. Det første er, at undergruppernes rækkefølge er antydende frem for fastslået: ingen moderator af nogen art nåede signifikans i metaanalysen fra 2024, så rangordninger som teachable agents (g = 1,100) foran social-emotionelle coaches (g = 0,336), eller dyadisk interaktion foran triadisk (g = 0,973 mod g = 0,385), bør ikke behandles som afgjorte. Effektens retning er understøttet; størrelsen, det optimale design og holdbarheden af enhver gevinst er ikke.

Det andet er, at dette korpus beskriver implementeringer og opfattelser mere end målt læring. Opmærksomhed (n = 4) og social kommunikation (n = 5) er de mindst undersøgte barrierer, og knapheden på (kvasi-)eksperimentelle og longitudinelle design er grunden til, at arbejdet om videregående uddannelse er et scoping review frem for en metaanalyse. Dækningen hælder mod bachelorstuderende og det globale nord, søgningen var engelsksproget peer-reviewet arbejde, og postgraduate studerende er underrepræsenteret. Engagement og tilfredshed er svage indikatorer.

Det tredje er, at et værktøj, der løser én barriere, kan efterlade en anden. Tjek værktøjet mod den specifikke vanskelighed, den studerende rapporterer, hvad enten det er læsning og skrivning, studiemanagement, opmærksomhed eller social kommunikation, og evaluér mod den vanskelighed frem for mod, hvordan den studerende oplevede produktet. Spørg den studerende, hvad der skal tælles. Zastudil et al.s deltagere og Rezazadegan et al.s forumskribenter beskriver begge deres behov mere præcist, end de produkter, der er bygget til dem, gør.

Det, du ikke finder her, er et valideret instrument til at måle en barriere i et enkelt kursus, eller belæg for, hvor længe et forsøg bør køre. Begge er huller i litteraturen frem for fejl i din søgning, og de er værd at skrive ned i reviewnotaterne.

Køb til barrieren, og afvis den dyre standard

To indkøbskrav kommer direkte ud af reviewet: angiv universelt design og deltagende udvikling som betingelser, og byg værktøjer sammen med neurodivergente studerende frem for for dem. Reviewets egen stikprøve viser, hvor sjældent det er, med kun 3 af 40 studier, der behandler omgivelserne eller neurotypiske medstuderende som interventionsobjekt.

Budgetlæg derefter ærligt. Hjælpeteknologi kræver enheder og netadgang, og værktøjer, der er gratis i en pilot, flytter rutinemæssigt bag en betalingsmur. Virtual reality er den mest ressourcekrævende mulighed i sættet, og feltet er koncentreret i det globale nord, så dets mest immersive værktøjer er de mindst skalerbare. Shin et al. peger direkte på den digitale kløft: prisen på avancerede AI-værktøjer kan udvide forskelle mellem rigere og fattigere skoler, sammen med algoritmisk bias og huller i læreruddannelsen.

LUDIA er én gennemarbejdet version af det billige alternativ, og forfatterne er usædvanligt klare om, hvad de ikke har vist. Det forbinder undervisere med Universal Design for Learning, mens en designbeslutning stadig er åben, og fjerner adgangsbarrierer gennem arkitektur: ingen omkostning, ingen konti eller gemte chats, WCAG 2.2 Level AA-overensstemmelse og 13 maskinoversatte sprog, selv om ikke-engelske versioner kan bære antagelser fra det engelske, de kom fra. Det er en tænkepartner frem for en løsningsmotor, og forfatterne erklærer, at de ikke har belæg for, at det forbedrer læring. De navngiver også en grænse, der hører på enhver implementeringsplan: automatiseringsbias betyder, at den underviser, der er mest tilbøjelig til at acceptere et dårligt forslag, er den, der stoler på, at værktøjet kender Universal Design for Learning. Ingen har testet dets output for kulturel eller sproglig bias heller.

Hold en anden fejl i syne. Chatbot-overafhængighed og den kognitive overbelastning i immersive miljøer er dokumenteret som inversionseffekter, hvor tilføjelsen af teknologien sænker læringen. Et værktøj, der kun reproducerer eksisterende undervisning i digital form, bør forventes at give begrænset læringsudbytte.

Hvad undervisere gør forkert her

En diagnose fortæller mig, hvilket værktøj jeg skal købe. Barriererne går på tværs af diagnoser, og et værktøj matchet til en etiket kan ramme forbi barrieren i lokalet. Spørg, hvad opgaven forudsætter: tryk, vedholdende opmærksomhed, uskrevne sociale regler, en bestemt måde at producere tekst på.

En tilpasning er en personlig ordning, så løsningen tilhører den studerende. Nogle er, og dem, der er værd at generalisere, er dem, du ville have designet ind alligevel. Segmentering hjalp hver eneste lærende i sit studium. Designændringer fjerner deklarationstrinnet og dermed stigmaet.

Engagement og tilfredshed viser, at værktøjet virkede. De viser, at den studerende kunne lide det. Dette korpus er mest implementeringer og opfattelser, og kun 6 af 40 studier om videregående uddannelse dækkede mere end én barriere, så en tilfreds studerende er endnu ikke belæg for, at en barriere faldt.

Værktøjet bærer støtten, og undervisning er et ekstra. Retspraksis behandler et uundervist værktøj som fejlen, og politikeksperterne rangerede studerendes handlekraft og AI-kompetence som deres mest essentielle tema. Budgetlæg undervisningstiden sammen med licensen.

Hvad du bliver mødt med

»Vi kan ikke kræve et værktøj for alle.« Hvor værktøjet er en designfunktion, er kravet pointen. Videosegmentering med faste pauser forbedrede alle lærende og bragte ADHD-deltagernes fejl og tøven på niveau, hvilket er det universelle designresultat, der fjerner behovet for deklaration. Tilgængelige standardindstillinger bærer samme logik: oplæsning, OCR og tekstforenkling går igen i Shin et al.s validerede politikpunkter. Deres korpus viser også, hvor langt politikken skal rejse, da kun 2 af de 12 dokumenter specifikt behandler indlæringsvanskeligheder, mens 18 emner, der findes i generel AI- eller andre-handicap-politik, heriblandt databeskyttelse, juridisk risikostyring og etiske retningslinjer, mangler i politik for specifikke indlæringsvanskeligheder.

»Undertekster og oversættelse er ikke faglig støtte.« Undertekster er en begyndelse, ikke hele den sproglige adgang. Chen et al.s Visuelle og Følelsesmæssige spørgsmål findes, fordi en transskription alene efterlader en døv lærende med at rekonstruere kontekst, som videoen aldrig udtrykte. Politikeksperternes rangordning er også uenig i indvendingen. Deres 36 validerede punkter fordeler sig på fem temaer, med inkluderende og personligt tilpasset læring som det største med 11 (30,56 %) og etik, lighed og inklusion med 9 (25,00 %), og uddannelse af pædagoger med 4 (11,11 %), og alligevel rangerede eksperterne studerendes handlekraft og AI-kompetence som det mest essentielle af de fem, med 6 punkter (16,67 %), på niveau med bedømmelse og forskning.

»Studerende skal være selvstændige.« Selvstændighed er det, undervisningen er til for, og derfor er værktøjet uden undervisningen fejlen. Shin et al.s tema om uddannelse af pædagoger findes af samme grund. Omfanget af behovet er let at underdrive: omkring 240 millioner børn verden over lever med handicap, omkring halvdelen af dem uden for skolen i lande med lav og mellemliggende indkomst, og omkring en tredjedel af lærerne i OECD-systemer rapporterer, at de mangler kompetencer til at støtte studerende med særlige behov. I USA placerer Assistive Technology Act (2004) og IDEA (2004) vurdering af hjælpeteknologi inde i hver Individualized Education Program og kræver en gratis og passende offentlig undervisning, og alligevel hjælper ingen formelle evidensbaserede retningslinjer undervisere eller familier med at implementere AI for disse lærende. Selvstændighed bygget på et uundervist værktøj er det, retspraksis straffer.

»Vi har ikke råd.« Så afvis den dyre standard. Virtual reality er den mest ressourcekrævende mulighed i sættet, og feltets mest immersive værktøjer er de mindst skalerbare. Et gratis, privatlivsbevarende værktøj, der forbedrer designdialogen, med forfatternes forbehold læst først, er et bedre førsteindkøb end et headset.

»Belægget er for tyndt til at handle på.« Tyndt, og ikke tomt. Metaanalysen fra 2024 giver dig en retning med et bredt interval og en publikationsbias-korrektion, der skærer estimatet med mere end halvdelen, de tre enkeltværktøjsstudier er små, og reviewet om videregående uddannelse måler dækning frem for effekt. Det, det understøtter, er det billige og reversible greb: en designændring, en navngivet tilpasning, et forsøg med et mål aftalt på forhånd. At udsætte beslutningen er også en beslutning, og den efterlader den studerende foran dig med det, standardordningen giver.

Det kan du gøre i denne uge

1. For hver tilpasningsanmodning på dit bord, skriv den funktionelle barriere ved siden af værktøjsnavnet, og tjek, at værktøjet adresserer den barriere frem for diagnosen.

2. Spørg, om barrieren er delt af hele holdet. Hvis den er, ændr designet: del videoen op, skær tvetydigheden væk, slå oplæsning til, og giv opgaven den struktur, den manglede.

3. Føj transskription og OCR til AI-reglen ved navn, så forbuddet mod generativ udarbejdelse og tilpasningen til at producere tekst afgøres separat.

4. Sæt et navn og en dato bag undervisningen: hvem viser den studerende værktøjet, hvornår, og hvem tjekker, at det virker.

5. Aftal målet med den studerende, før forsøget starter, og notér resultatet i reviewnotaterne, inklusive det tilfælde, hvor svaret er, at det ikke hjalp.

Videre herfra

Universal Design for Learning dækker den designtilgang, der forebygger barrierer, før de opstår, Assistive Technology det værktøjslag, en studerende bruger, Accessibility hvorvidt et format overhovedet kan opfattes og betjenes, og Neurodiversity den linse, der behandler forskel som diversitet frem for deficit, alt sammen under paraplyen Inclusive Learning. Hvordan forhindrer jeg, at studerende bliver overafhængige af AI? dækker overafhængigheden og inversionseffekterne, der afgør, om et værktøj bliver ved med at hjælpe, og at indarbejde lighed, tilgængelighed, privatliv, etik og pædagogisk sikkerhed i AIED-forskning dækker forpligtelserne på forskningssiden.