Comment l'IA peut-elle soutenir les apprenants en situation de handicap et neurodivergents dans mon cours ?

Traduction automatique de la page anglaise, non encore relue par une personne de langue maternelle.

La lettre d'aménagement nomme un étudiant, un cours et un outil dont vous n'avez jamais entendu parler. Ou bien un étudiant a demandé, raisonnablement, s'il peut continuer d'utiliser son logiciel de reconnaissance vocale pendant un examen chronométré, et la règle de votre cours sur l'IA dit aucune IA de quelque sorte que ce soit. Ou encore le bureau de l'accessibilité veut une réponse d'ici vendredi sur l'opportunité d'acheter une licence pour un outil de lecture, et les preuves du fournisseur se résument à un témoignage venu d'un autre campus.

La réponse qui survit aux trois situations : partez de la barrière que la tâche crée, utilisez les outils qui ont réellement été mesurés, et enseignez tout ce que vous adoptez. Deux règles importent plus que tout choix de produit. Nommez la transcription et l'OCR dans votre politique sur l'IA comme des aménagements à part entière, et donnez de la structure au devoir au lieu de demander aux étudiants de la déduire. Soyez lucide sur les preuves : le chiffre le plus solide de cette page vient de contextes d'éducation spécialisée de la prématernelle à la 12e année utilisant surtout de l'IA antérieure aux modèles génératifs, et la littérature du supérieur est une carte de ce qui a été tenté.

La version courte

1. Écrivez la barrière fonctionnelle sur la lettre d'aménagement avant le nom de l'outil : lecture et écriture, gestion de l'étude, attention ou communication sociale.

2. Commencez par les logiciels pédagogiques structurés, qui ont l'effet mesuré, et lisez leur étiquette de confiance avant d'acheter le agent conversationnel qu'on vous a vendu.

3. Décidez s'il s'agit d'un changement de conception ou d'un aménagement individuel. Là où la barrière est partagée, changez la conception, car cela supprime l'étape de divulgation.

4. Enseignez l'outil. Un aménagement fourni sans accompagnement est le mode de défaillance que la jurisprudence sanctionne.

5. Nommez explicitement la transcription et l'OCR dans la règle sur l'IA, afin qu'une interdiction visant la rédaction générative ne retire pas à un étudiant son moyen de produire un travail lisible.

6. Menez l'essai contre la barrière plutôt que contre un sondage de satisfaction, et dites d'avance ce que vous compterez comme une réussite.

Partez de la barrière que la tâche crée

L'essentiel de ce qui va mal pour les étudiants handicapés et neurodivergents se joue au niveau d'une tâche : une lecture qui suppose l'imprimé, une vidéo qui suppose une attention soutenue, un projet de groupe qui suppose des règles sociales implicites. Ces barrières se répètent d'un diagnostic à l'autre, de sorte que la question utile est de savoir quelle barrière fonctionnelle un outil supprime, et une question d'achat devrait être formulée de la même manière.

Les catégories diagnostiques masquent cela. L'examen de portée ci-dessous constate que la littérature est dominée par des aménagements individuels et des outils conçus pour un seul neurotype et organisés autour d'un diagnostic formel, alors que les différences fonctionnelles qu'ils visent traversent les neurotypes. Les étudiants dyslexiques tendent à profiter d'une moindre dépendance au matériel exclusivement écrit. Les étudiants autistes et les étudiants ayant un TDAH peuvent tous deux connaître des fluctuations fréquentes de leur attention, ce qui rend la performance sensible à une structure constante et à un temps suffisant pour changer de tâche. Un outil apparié à une étiquette peut manquer la barrière que l'étudiant de votre groupe a réellement.

La même prudence vaut pour les statistiques de groupe. Effets différentiels selon les groupes d'apprenants rapporte un effet considérablement plus grand pour les étudiants ayant des troubles spécifiques de l'apprentissage, des déficiences intellectuelles et développementales, ou qui sont sourds, que pour les étudiants ayant un trouble du spectre de l'autisme, et cette différence n'était pas statistiquement significative entre les tailles d'effet.

Utilisez ce qui a été mesuré, et lisez l'étiquette

Le résultat quantitatif le plus solide de cette page est aussi le plus général, et il vient avec des limites que vous devez emporter dans la décision d'achat.

Zhang, Carter, Liu et Peng (2024) ont synthétisé 29 études (quasi) expérimentales sur des interventions fondées sur l'IA pour des étudiants handicapés : 239 tailles d'effet issues de 41 échantillons indépendants, un effet global moyen statistiquement significatif sur les résultats d'apprentissage de g de Hedges = 0.588 (IC à 95% [0.349, 0.826], p < .01), et une forte hétérogénéité inter-études. La performance académique constituait le plus grand sous-groupe de résultats (k = 80, g = 0.929) et les compétences socio-émotionnelles le plus petit (k = 144, g = 0.382). Les logiciels, c'est-à-dire la reconnaissance vocale, les systèmes experts et les systèmes de tutorat intelligent, obtenaient de bons résultats (k = 74, g = 0.959) et les robots des résultats modérés (k = 144, g = 0.509), tandis que la réalité virtuelle intelligente (g = 0.528) n'était pas significative. Un biais de publication était présent (β d'Egger = 2.837, p < .001) ; la méthode trim-and-fill a réduit l'estimation à g = 0.269, toujours significative.

Toutes les études portaient sur la prématernelle à la 12e année. 96.6% utilisaient un enseignement par étapes en contexte d'éducation spécialisée ou clinique, et la plupart utilisaient une IA plus ancienne fondée sur des règles plutôt que l'IA générative. Cela appuie une adoption prudente de logiciels pédagogiques structurés. Cela ne se transpose pas à un agent conversationnel polyvalent, et le traiter comme si c'était le cas est l'erreur la plus coûteuse disponible sur cette page.

Trois résultats plus modestes montrent ce qu'un seul outil peut faire quand la barrière est étroite. Chacun a été testé sur une poignée d'apprenants, alors traitez-les comme des expérimentations réversibles et peu coûteuses plutôt que comme une infrastructure.

Pour l'attention, Pimenova, Begel et leurs collègues (2026) ont segmenté a posteriori des vidéos pédagogiques en blocs correspondant à une seule consigne, avec des pauses fixes. Avec 17 apprenants ayant un TDAH et 10 sans, cela a amélioré tout le monde et a ramené les erreurs et les hésitations des participants ayant un TDAH à parité. L'effet égalisateur venait d'une transformation légère du matériel.

Pour l'accès à la langue, Chen et al. (2026) ont ajouté des questions visuelles (horodatages où l'information visuelle risque d'être mal interprétée) et des questions émotionnelles (horodatages où des apprenants sourds et malentendants antérieurs ont signalé de la frustration) à un ensemble de base produit par un grand modèle de langage, ce qui a donné 30 questions, dix par stratégie. Avec 16 apprenants, le sentiment d'efficacité personnelle atteignait en moyenne 5.70 (ET = 1.12) sur une échelle de sept points, et les questions visuelles étaient choisies plus souvent par les participants sourds que par les participants malentendants.

Pour la lecture et l'écriture, Rezazadegan et al. (2026) ont exploité les discussions des apprenants dyslexiques sur leurs propres forums. Ces apprenants appréciaient l'IA pour le soutien à la littératie et signalaient une qualité de sortie inégale et un manque d'aménagements équitables. L'inconstance est elle-même une barrière : un outil sur lequel on ne peut pas compter ajoute du travail au lieu d'en retirer.

Le tableau de l'enseignement supérieur est la partie la plus faible des preuves et la plus proche de votre travail. Rempel, Heimann et Prilop (2026) ont filtré 766 notices issues de cinq bases de données jusqu'à retenir 40 études publiées entre 2015 et 2025. L'IA générative apparaissait dans 15 des 40 et la réalité virtuelle dans 11. La couverture des barrières était inégale : la lecture et l'écriture (n = 13) et la gestion de l'étude (n = 12) dominaient, l'attention (n = 4) et la communication sociale (n = 5) étaient négligées, et seules 6 études abordaient plus d'une barrière. La revue excluait par construction les contextes de prématernelle à 12e année et d'institutions spécialisées, de sorte qu'elle ne dit rien des jeunes apprenants. Servez-vous-en pour voir quelles barrières ont été abordées à votre niveau, et lesquelles ont à peine été touchées.

Les classes du primaire disposent désormais de leur propre examen de portée. Gibson, Tervola et Goodacre (2026) ont filtré 3 340 notices issues de six bases de données et retenu 93 études sur les technologies éducatives dans des classes primaires neuro-inclusives. L'autisme était le profil le plus étudié (n = 37, 39.8%) ; la réalité étendue (n = 26), la robotique (n = 14) et les systèmes pilotés par l'IA (n = 12) dominaient les catégories technologiques, tandis que les technologies d'assistance et d'accessibilité représentaient moins de 5%. Les résultats sociaux, communicatifs et d'interaction entre pairs étaient négligés ; les processus de conception n'étaient pas rapportés dans 43.0% des études, la conception pilotée par les chercheurs dans 39.8%, et la coconception dans 17.2%, alors qu'une seule étude (1.1%) faisait des enfants des partenaires de conception. L'examen n'établit pas qu'un produit fonctionne ; il montre où les preuves au primaire sont minces et à quel jugement on accorde de la valeur.

Décidez si vous changez la conception ou l'aménagement

La conception universelle supprime le besoin pour un étudiant de se déclarer comme ayant besoin de dispositions particulières. L'aménagement exige exactement cela, et la stigmatisation fait partie du coût. Ainsi, quand une barrière se révèle partagée, le changement de conception est le meilleur achat : il atteint les étudiants qui ne se déclarent jamais.

Le résultat sur la segmentation en est le cas le plus clair. Une vidéo découpée en blocs correspondant à une seule consigne, avec des pauses fixes, a amélioré tous les apprenants de l'étude, pas seulement ceux ayant un TDAH, et a ramené les erreurs et les hésitations des participants ayant un TDAH à parité. C'est le résultat de conception universelle, obtenu par un montage plutôt que par un produit.

La limite honnête : cela représente 17 apprenants ayant un TDAH et 10 sans, dans une seule étude, et rien dans cette littérature ne vous dit jusqu'où généraliser à partir d'un résultat de classe, ni quand le besoin d'un étudiant est assez particulier pour exiger un arrangement individuel. Ce jugement vous revient, à vous et au bureau de l'accessibilité.

Enseignez l'outil, et mettez un nom en face de l'enseignement

La défaillance documentée est un aménagement fourni sans accompagnement. Dans W.A. c. Clarksville/Montgomery County School System (2024), un étudiant à qui l'on avait donné l'IA comme aménagement a terminé ses études sans savoir lire, et le tribunal a conclu qu'une éducation publique gratuite et appropriée n'avait pas été fournie.

Deux choses rendent cette défaillance probable, et les deux sont institutionnelles. Shin et al. (2026) ont utilisé une modélisation thématique par grand modèle de langage et deux rondes d'enquêtes Delphi avec 17 experts sur 12 documents américains de politique d'IA en éducation de 2015 à 2025. La préparation des éducateurs est l'un de leurs cinq thèmes validés, portant 4 des 36 énoncés, et les experts classaient l'autonomisation des étudiants et l'littératie en IA comme les plus essentiels : ces étudiants devraient apprendre à utiliser l'IA de manière responsable et autonome, la vigilance contre la dépendance excessive étant enseignée comme partie de la même compétence. Les auteurs de LUDIA nomment l'obstacle « l'écart entre savoir et faire » : les conseils existent en abondance, sont rédigés en termes généraux, et une barrière est toujours particulière à cette salle, cette semaine.

Ce que la page ne peut pas vous donner, c'est un protocole de formation. Il n'existe pas de lignes directrices formelles fondées sur des preuves pour aider les éducateurs ou les familles à mettre en œuvre l'IA pour ces apprenants, de sorte que la quantité d'enseignement, sa séquence et la personne qui le dispense relèvent du jugement. La jurisprudence fixe le plancher plutôt que la norme : l'étudiant doit finir capable de faire la chose, et quelqu'un doit être responsable de l'y amener.

Inscrivez la transcription et l'OCR dans la règle sur l'IA, nommément

Wright (2026) soutient que les règles traitant tout « usage de l'IA » de la même façon sont trop inclusives, parce qu'elles ne séparent pas la transcription de la parole en texte et l'OCR de la rédaction générative. Les étudiants ayant des troubles touchant le contrôle moteur fin, la lisibilité de l'écriture manuscrite ou la précision de la frappe se sont appuyés sur des produits autonomes de dictée comme Dragon NaturallySpeaking et sur des OCR autonomes, dont plusieurs ont été abandonnés ou dégradés, la transcription assistée par IA comblant le vide fonctionnel.

Une règle rédigée comme « aucune IA » peut donc retirer à l'étudiant son principal moyen de produire un travail lisible. Personne n'a encore mesuré l'ampleur de ce déplacement, ce qui est une raison d'être explicite plutôt que d'attendre le chiffre. Nommez la transcription et l'OCR comme aménagements dans la politique, à côté des interdictions de rédaction générative, afin que les deux questions soient tranchées séparément. L'exposition que cela crée pour l'institution relève de Questions et risques juridiques.

C'est une correction d'une ligne dans la plupart des documents, et c'est la ligne aux conséquences les plus lourdes de la page.

Donnez de la structure là où le devoir la suppose

La structure est l'intervention la moins coûteuse ici et celle que l'on omet le plus souvent du plan. Zastudil et al. (2026) ont interrogé 24 étudiants neurodivergents en informatique (autistes et/ou ayant un TDAH) et 20 pairs neurotypiques, avec quatre entretiens de suivi. Le groupe neurodivergent était mal à l'aise avec les devoirs non structurés ou ambigus et préférait nettement de plus petites équipes qui travaillent ensemble de façon constante avec des rôles explicitement définis, s'adaptant en choisissant eux-mêmes leurs rôles et en divulguant de façon stratégique.

Ce sont des données de préférence, non une étude d'effet, et c'est aussi le cahier des charges que les étudiants ont écrit pour eux-mêmes. Le travail médié par l'IA agentique porte une version particulière du risque, car le modèle d'interaction d'un outil peut reproduire la même ambiguïté structurelle que le devoir comportait déjà. Vérifiez ce que l'outil demande à l'étudiant de décider seul avant de l'ajouter à une tâche.

Menez l'essai contre la barrière, et notez ce que vous avez compté

Les effets agrégés vous donnent une direction. Ils ne vous disent pas si l'outil fonctionnera pour l'étudiant de votre groupe la semaine prochaine, de sorte que tout essai a besoin d'une mesure choisie avant de commencer.

Trois mises en garde devraient façonner cette mesure. La première est que l'ordre des sous-groupes est suggestif plutôt qu'établi : aucun modérateur de quelque type que ce soit n'a atteint la signification dans la méta-analyse de 2024, donc des classements comme les agents enseignables (g = 1.100) devant les coachs socio-émotionnels (g = 0.336), ou l'interaction dyadique devant la triadique (g = 0.973 contre g = 0.385), ne devraient pas être traités comme acquis. La direction de l'effet est étayée ; la taille, l'optimum de conception et la durabilité de tout gain ne le sont pas.

La deuxième est que ce corpus décrit des déploiements et des perceptions plus que de l'apprentissage mesuré. L'attention (n = 4) et la communication sociale (n = 5) sont les barrières les moins étudiées, et la rareté des plans (quasi) expérimentaux et longitudinaux explique que le travail sur le supérieur soit un examen de portée plutôt qu'une méta-analyse. La couverture penche vers le premier cycle et l'hémisphère Nord, la recherche portait sur des travaux évalués par les pairs en anglais, et les étudiants de cycles supérieurs sont sous-représentés. L'engagement et la satisfaction sont de faibles indicateurs.

La troisième est qu'un outil qui corrige une barrière peut en laisser une autre. Vérifiez l'outil contre la difficulté précise que l'étudiant rapporte, qu'il s'agisse de lecture et d'écriture, de gestion de l'étude, d'attention ou de communication sociale, et évaluez contre cette difficulté plutôt que contre ce que l'étudiant a ressenti à propos du produit. Demandez à l'étudiant ce qu'il faut compter. Les participants de Zastudil et al. et les intervenants des forums de Rezazadegan et al. décrivent tous leurs besoins avec plus de précision que les produits conçus pour eux.

Ce que vous ne trouverez pas ici, c'est un instrument validé pour mesurer une barrière dans un seul cours, ou des preuves sur la durée que devrait avoir un essai. Ce sont deux lacunes de la littérature plutôt que des échecs de votre recherche, et elles valent la peine d'être notées dans les notes de revue.

Achetez pour la barrière, et refusez le choix par défaut coûteux

Deux exigences d'achat découlent directement de la revue : énoncer la conception universelle et le développement participatif comme conditions, et construire des outils avec les étudiants neurodivergents plutôt que pour eux. L'échantillon de la revue montre à quel point c'est rare, avec seulement 3 des 40 études traitant l'environnement ou les pairs neurotypiques comme objet d'intervention.

Puis budgétez honnêtement. Les technologies d'assistance exigent des appareils et une connexion, et les outils gratuits pendant un pilote passent couramment derrière un péage. La réalité virtuelle est l'option la plus gourmande en ressources de l'ensemble, et le domaine est concentré dans l'hémisphère Nord, de sorte que ses outils les plus immersifs sont les moins déployables à grande échelle. Shin et al. signalent directement la fracture numérique : le prix des outils d'IA avancés peut creuser les écarts entre écoles plus riches et plus pauvres, en plus des biais algorithmiques et des lacunes de formation des enseignants.

LUDIA est une version travaillée de l'alternative peu coûteuse, et ses auteurs sont inhabituellement francs sur ce qu'ils n'ont pas démontré. Il met les éducateurs en contact avec la conception universelle de l'apprentissage pendant qu'une décision de conception est encore ouverte, et supprime les barrières d'accès par son architecture : aucun coût, aucun compte ni conversation enregistrée, conformité WCAG 2.2 niveau AA, et 13 langues traduites automatiquement, bien que les versions non anglaises puissent porter les postulats de l'anglais dont elles proviennent. C'est un partenaire de réflexion plutôt qu'un moteur de solutions, et les auteurs déclarent ne détenir aucune preuve qu'il améliore l'apprentissage. Ils nomment aussi une limite qui a sa place dans tout plan de déploiement : le biais d'automatisation fait que l'éducateur le plus susceptible d'accepter une mauvaise suggestion est celui qui croit que l'outil connaît la conception universelle de l'apprentissage. Personne n'a non plus testé ses sorties pour des biais culturels ou linguistiques.

Gardez une seconde défaillance en vue. La dépendance excessive aux agents conversationnels et la surcharge cognitive des environnements immersifs sont documentées comme des effets d'inversion, où l'ajout de la technologie fait baisser l'apprentissage. Un outil qui ne fait que reproduire en numérique un enseignement existant doit être censé produire des gains d'apprentissage limités.

Ce que les enseignants se trompent là-dessus

Un diagnostic me dit quel outil acheter. Les barrières traversent les diagnostics, et un outil apparié à une étiquette peut manquer la barrière présente dans la salle. Demandez ce que la tâche suppose : l'imprimé, une attention soutenue, des règles sociales implicites, une façon particulière de produire du texte.

Un aménagement est un arrangement personnel, donc la solution appartient à l'étudiant. Certains le sont, et ceux qui valent la peine d'être généralisés sont ceux que vous auriez conçus de toute façon. La segmentation a aidé tous les apprenants de son étude. Les changements de conception suppriment l'étape de divulgation, et avec elle la stigmatisation.

L'engagement et la satisfaction montrent que l'outil a fonctionné. Ils montrent que l'étudiant l'a aimé. Ce corpus est surtout fait de déploiements et de perceptions, et seulement 6 des 40 études du supérieur servaient plus d'une barrière, de sorte qu'un étudiant satisfait n'est pas encore la preuve qu'une barrière est tombée.

L'outil porte le soutien, et l'enseignement est un extra. La jurisprudence traite un outil non enseigné comme la défaillance, et les experts en politique classaient l'autonomisation des étudiants et la littératie en IA comme leur thème le plus essentiel. Budgétez le temps d'enseignement avec la licence.

Ce qui vous reviendra dessus

« Nous ne pouvons pas exiger un outil pour tout le monde. » Là où l'outil est un élément de conception, l'exiger est précisément le but. La segmentation vidéo avec pauses fixes a amélioré tous les apprenants et ramené les erreurs et les hésitations des participants ayant un TDAH à parité, ce qui est le résultat de conception universelle qui supprime le besoin de divulgation. Les réglages accessibles par défaut portent la même logique : la lecture à voix haute, l'OCR et les outils de mise à niveau du texte reviennent dans les énoncés de politique validés par Shin et al. Leur corpus montre aussi le chemin qu'il reste à parcourir, puisque seulement 2 des 12 documents traitent spécifiquement des troubles de l'apprentissage, tandis que 18 thèmes présents dans les politiques générales sur l'IA ou sur d'autres handicaps, dont la protection des données, la gestion du risque juridique et les lignes directrices éthiques, sont absents des politiques sur les troubles spécifiques de l'apprentissage.

« Le sous-titrage et la traduction ne sont pas du soutien académique. » Le sous-titrage est un début, pas l'ensemble de l'accès à la langue. Les questions visuelles et émotionnelles de Chen et al. existent parce qu'une transcription seule laisse un apprenant sourd reconstruire un contexte que la vidéo n'a jamais énoncé. Le classement des experts en politique contredit aussi l'objection. Leurs 36 énoncés validés se répartissent en cinq thèmes, l'apprentissage inclusif et personnalisé étant le plus important avec 11 (30.56%) et l'éthique, l'équité et l'inclusion avec 9 (25.00%), et la préparation des éducateurs avec 4 (11.11%), pourtant les experts classaient l'autonomisation des étudiants et la littératie en IA comme les plus essentiels des cinq, avec 6 énoncés (16.67%), à égalité avec l'évaluation et la recherche.

« Les étudiants doivent être autonomes. » L'autonomie est précisément ce à quoi sert l'enseignement, ce qui explique que l'outil sans l'enseignement soit la défaillance. Le thème de la préparation des éducateurs chez Shin et al. existe pour la même raison. L'ampleur du besoin est facile à sous-estimer : environ 240 millions d'enfants dans le monde vivent avec un handicap, environ la moitié d'entre eux étant non scolarisés dans les pays à revenu faible et intermédiaire, et environ un tiers des enseignants des systèmes de l'OCDE déclarent manquer des compétences pour soutenir les étudiants ayant des besoins particuliers. Aux États-Unis, la Assistive Technology Act (2004) et l'IDEA (2004) inscrivent l'évaluation des technologies d'assistance dans chaque programme d'éducation individualisé et exigent une éducation publique gratuite et appropriée, pourtant aucune ligne directrice formelle fondée sur des preuves n'aide les éducateurs ou les familles à mettre en œuvre l'IA pour ces apprenants. Une autonomie bâtie sur un outil non enseigné, c'est ce que la jurisprudence sanctionne.

« Nous n'en avons pas les moyens. » Alors refusez le choix par défaut coûteux. La réalité virtuelle est l'option la plus gourmande en ressources de l'ensemble, et les outils les plus immersifs du domaine sont les moins déployables à grande échelle. Un outil gratuit et respectueux de la vie privée qui améliore la conversation sur la conception, avec les réserves de ses auteurs lues d'abord, est un meilleur premier achat qu'un casque.

« Les preuves sont trop minces pour agir. » Minces, et non vides. La méta-analyse de 2024 vous donne une direction avec un intervalle large et une correction du biais de publication qui réduit l'estimation de plus de moitié, les trois études portant sur un seul outil sont petites, et la revue sur le supérieur mesure la couverture plutôt que l'effet. Ce que cela appuie, c'est le geste peu coûteux et réversible : un changement de conception, un aménagement nommé, un essai avec une mesure convenue d'avance. Reporter la décision est aussi une décision, et elle laisse l'étudiant devant vous avec ce que les dispositions par défaut lui offrent.

Quoi faire cette semaine

1. Pour chaque demande d'aménagement sur votre bureau, écrivez la barrière fonctionnelle à côté du nom de l'outil, et vérifiez que l'outil traite cette barrière plutôt que le diagnostic.

2. Demandez-vous si la barrière est partagée par toute la classe. Si oui, changez la conception : découpez la vidéo, supprimez l'ambiguïté, activez la lecture à voix haute, et donnez au devoir la structure qui lui manquait.

3. Ajoutez la transcription et l'OCR à la règle sur l'IA en les nommant, afin que l'interdiction de la rédaction générative et l'aménagement pour produire du texte soient tranchés séparément.

4. Mettez un nom et une date en face de l'enseignement : qui montre l'outil à l'étudiant, quand, et qui vérifie qu'il fonctionne.

5. Convenez de la mesure avec l'étudiant avant le début de l'essai, et consignez le résultat dans les notes de revue, y compris le cas où la réponse est que cela n'a pas aidé.

Où aller ensuite

La conception universelle de l'apprentissage couvre l'approche de conception qui prévient les barrières avant qu'elles n'apparaissent, les technologies d'assistance la couche d'outils qu'un étudiant utilise, l'accessibilité le point de savoir si un format peut être perçu et utilisé du tout, et la neurodiversité le regard qui traite la différence comme une diversité plutôt qu'un déficit, le tout sous l'égide de l'apprentissage inclusif. Réduire la dépendance excessive couvre la dépendance excessive et les effets d'inversion qui décident si un outil continue d'aider, et intégrer l'équité, l'accessibilité, la vie privée, l'éthique et la sécurité pédagogique dans la recherche en IAED couvre les obligations du côté de la recherche.