विशेष शिक्षा

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

विशेष शिक्षा — संज्ञानात्मक, शारीरिक, संवेदी और तंत्रिका-विकासात्मक अंतरों वाले शिक्षार्थियों के लिए निर्देशन के डिज़ाइन और वितरण। इस ज्ञान-आधार में शिक्षा में AI अनुसंधान यह पड़ताल करता है कि AI उपकरण व्यक्तिगतकरण, अनुकूली स्कैफोल्डिंग और सुलभ इंटरफ़ेस के माध्यम से विविध शिक्षार्थी आवश्यकताओं का समर्थन किस प्रकार कर सकते हैं — साथ ही यह भी जाँचता है कि ऐसी AI प्रणालियों के जोखिम क्या हैं जो दिव्यांग शिक्षार्थियों को नज़रअंदाज़ करती हैं या उन्हें हाशिये पर धकेलती हैं।

⚠️ विशेष शिक्षा मुख्य रूप से एक K-12 शब्द है। यह संयुक्त राज्य अमेरिका के Individuals with Disabilities Education Act (IDEA) और व्यक्तिगतीकृत शिक्षा कार्यक्रमों (IEPs) के अधिकार-आधारित तंत्र में निहित है, जो प्राथमिक और माध्यमिक विद्यालयी शिक्षा में विशेष-शिक्षा सेवाओं को नियंत्रित करता है। उच्च शिक्षा में — और बढ़ते रूप में K-12 में भी — अधिक सामान्य ढाँचा सार्वभौमिक डिज़ाइन फ़ॉर लर्निंग (एक सक्रिय डिज़ाइन ढाँचा जो सभी शिक्षार्थियों को लाभ पहुँचाता है) है, जो सुगम्यता और सहायक प्रौद्योगिकी के साथ-साथ आता है, न कि "विशेष शिक्षा" के स्थान पर। एक K-12 विशेष-शिक्षा लेख और एक महाविद्यालय-स्तरीय UDL लेख आपस में जुड़े लेकिन अलग संदर्भों के बारे में हैं; ज्ञान-आधार दोनों को रखता है क्योंकि अनुसंधान साहित्य दोनों पर फैला हुआ है। जब कोई स्रोत उच्च शिक्षा और दिव्यांग शिक्षार्थियों से संबंधित होता है, तो उसे आमतौर पर विशेष-शिक्षा से अधिक सार्वभौमिक शिक्षण डिज़ाइन, सुगम्यता या समावेशी सीखना से जोड़ना बेहतर होता है।

विचार हेतु प्रश्न

यह पृष्ठ बताता है कि 'विशेष शिक्षा' मुख्य रूप से एक K-12, अधिकार-आधारित शब्द है जो IDEA और IEP में निहित है, जबकि उच्च शिक्षा में अधिक बार सार्वभौमिक डिज़ाइन फ़ॉर लर्निंग और सुलभता की बात की जाती है। आपको क्या लगता है कि ये संदर्भ क्यों भिन्न हैं, और यह अंतर क्या उजागर करता है?
व्यक्तिगतकरण का AI वादा विविध आवश्यकताओं वाले शिक्षार्थियों के लिए जैसे तैयार किया ही गया लगता है। लेकिन यदि कोई प्रणाली 'व्यक्तिगत संज्ञानात्मक प्रोफ़ाइलों' के अनुसार ढल सकती है, तो जब किसी दिव्यांगता का मॉडल बहुत मोटा हो या तो पूरी तरह अनुपस्थित हो, तो क्या गड़बड़ हो सकती है?
अनुसंधान में विशिष्ट दिव्यांगता प्रोफ़ाइलों (जैसे, डिस्लेक्सिक या बहरे और कम श्रवण वाले शिक्षार्थी) के लिए बनाए गए AI उपकरण शामिल हैं। संकीर्ण प्रोफ़ाइलों के लिए डिज़ाइन करने बनाम शुरू से सभी शिक्षार्थियों के लिए सार्वभौमिक रूप से डिज़ाइन करने में आप कौन-से जोखिम देखते हैं?
AI प्रणालियाँ जो 'औसत' शिक्षार्थी के लिए बनाई गई हैं, वे दिव्यांग शिक्षार्थियों को अनजाने में भी किस प्रकार नज़रअंदाज़ कर सकती हैं या हाशिये पर धकेल सकती हैं — और इसे रोकने की ज़िम्मेदारी किसकी है?
किसी दिव्यांगता वाले शिक्षार्थी को केवल सुविधा देने के बजाय सचमुच में सम्मिलित करने के लिए किसी AI उपकरण का क्या अर्थ होगा — और व्यवहार में आप उस अंतर को कैसे पहचानेंगे?

परिचय

विशेष शिक्षा वह क्षेत्र है जहाँ व्यक्तिगतकरण और अनुकूलन की AI क्षमता विशेष आशा प्रदान करती है। एक-आकार-सभी-के-लिए निर्देशन के विपरीत, AI ट्यूटर सैद्धांतिक रूप से व्यक्तिगत संज्ञानात्मक प्रोफ़ाइलों, संचार आवश्यकताओं और अधिगम की गति के अनुसार ढल सकते हैं। इस ज्ञान-आधार के लेख विशिष्ट दिव्यांगता प्रोफ़ाइलों के लिए AI, तंत्रिका-विविध शिक्षार्थियों के अनुभवों, और AI एवं दिव्यांगता पर आलोचनात्मक दृष्टिकोणों तक फैले हुए हैं।

दिव्यांगता-विशिष्ट AI ट्यूटरिंग AI को विशेष शिक्षार्थी आवश्यकताओं के अनुसार ढालती है। Special-R1 रिइन्फ़ोर्समेंट लर्निंग को पाँच दिव्यांगता प्रोफ़ाइलों में संज्ञानात्मक और संचारात्मक विविधता को मॉडल करने के लिए विस्तारित करता है, और प्रत्येक शिक्षार्थी के लिए ट्यूटर प्रतिक्रियाओं को आकार देने में व्यक्तित्व-जागरूक प्रॉम्प्ट और चिंतन-पुरस्कारों का उपयोग करता है। DysLexLens ने विश्लेषित किया कि डिस्लेक्सिक शिक्षार्थी AI उपकरणों का अनुभव किस प्रकार करते हैं, जिसमें साक्षरता सहायता के लिए AI का मूल्य और लगातार बने रहने वाली सुलभता बाधाएँ दोनों सामने आईं। Chen et al. ने बहरे और कम श्रवण वाले शिक्षार्थियों के लिए एक बड़े भाषा मॉडल (LLMs)-संचालित प्रश्न-निर्माण प्रणाली डिज़ाइन की, जिसमें दृश्य और भाव प्रश्न रणनीतियाँ शामिल हैं और पाठ-आधारित AI प्रॉम्प्टों के बीच और संकेत-आधारित प्रथम भाषाओं के बीच की बेमेली को दूर करने के लिए लक्षित समुदाय के साथ प्रश्नों का पुनरावृत्ति सुधार किया गया। Designing for What Cannot Be Seen: Supporting Embodied String Learning for Musicians with Blindness and Low-Vision ने नेत्रहीन और कम दृष्टि वाले संगीतकारों के साथ अदृश्य अधिगम रणनीतियाँ विकसित कीं, जो दिव्यांगता-नेतृत्व वाले देहात्मक डिज़ाइन को केंद्र में रखती हैं। ये समावेशी सीखना और न्यूरोडायवर्सिटी से जुड़ते हैं।

तंत्रिका-विविध शिक्षार्थी अनुभव स्वलिंगी और ADHD छात्रों को केंद्र में रखते हैं। Zastudil et al. ने पाया कि तंत्रिका-विविध कंप्यूटिंग छात्रों को संरचित असाइनमेंट, छोटी और स्थिर टीमें, तथा स्पष्ट भूमिका परिभाषाएँ चाहिए — यह डिज़ाइन आवश्यकताएँ जिनसे सहयोगी शिक्षा उपकरणों को निपटना होगा। Leveling the Playing Field: Temporal Video Segmentation for Individuals with ADHD in Computing Education ने दिखाया कि AI-खंडित वीडियो ने ADHD प्रदर्शन अंतर को समाप्त कर दिया। दोनों सीखने का डिज़ाइन और सार्वभौमिक शिक्षण डिज़ाइन से जुड़ते हैं।

आलोचनात्मक दृष्टिकोण यह जाँचते हैं कि AI दिव्यांग शिक्षार्थियों को किस प्रकार हाशिये पर धकेल सकता है। Tali-Otmani तर्क देते हैं कि AI प्रणालियाँ पश्चिमी-केंद्रित प्रशिक्षण डेटा के कारण दिव्यांगता-केंद्रित ज्ञान को सक्रिय रूप से हाशिये पर धकेलती हैं — जो समानता चिंताओं से जुड़ता है जो ज्ञान-मूल्यात्मक न्याय के बारे में हैं।

डिस्लेक्सिया में AI — पहचान, सहायता और व्यक्तिगतकृत अधिगम तक। एक 2026 की अंतरविषयक व्यवस्थित समीक्षा (Dabaghi, D'Urso & Sciarrone, PRISMA-निर्देशित, 2018–2024, n=72) इस बात का मानचित्र बनाती है कि AI शिक्षा में डिस्लेक्सिया वाले छात्रों का किस प्रकार समर्थन करता है, और पाती है कि AI का उपयोग पहचान, सहायक सहायता और व्यक्तिगतकृत अधिगम के लिए किया जाता है — लेकिन ये धाराएँ एकीकरण के बजाय समानांतर विकसित हो रही हैं, जो अधिक तकनीकी अवसर से प्रेरित हैं न कि एकत्रित शैक्षणिक सिद्धांत से। ML-आधारित सहायता-शिक्षा उपकरण पाँच क्षेत्रों में आते हैं (विशिष्ट अनुप्रयोग, संलग्नता, व्यक्तिगतकरण, अनुशंसा, सामान्य सहायता) फिर भी तकनीकी प्रदर्शन और वर्गीकरण सटीकता पर बल देते हैं, जबकि पारिस्थितिक वैधता और व्यावहारिक कक्षा-परिस्थिति में तैनाती को नज़रअंदाज़ करते हैं। पहचान अनुसंधान (EEG, आँख-ट्रैकिंग, ML मॉडल) प्रारंभिक हस्तक्षेप को प्राथमिकता देता है और नैदानिक आशा दिखाता है, लेकिन इसमें अक्सर विशेष उपकरण और नियंत्रित वातावरण आवश्यक होता है, जो विशिष्ट विद्यालय सेटिंग में स्केलेबिलिटी और सुलभता को सीमित करता है। खुले चुनौतियों में सीमित प्रायोगिक सत्यापन, स्केलेबिलिटी, संवेदनशील छात्र डेटा के साथ नैतिकता/गोपनीयता चिंताएँ, सीमित शिक्षक सहायता और प्रशिक्षण, तथा भाषा/सांस्कृतिक बाधाएँ (अधिकांश अनुसंधान अंग्रेज़ी-भाषी आबादी पर केंद्रित हैं) शामिल हैं।

अधिगम दिव्यांगताओं (SWLDs) वाले छात्रों के लिए संज्ञानात्मक अफलोडिंग। Seung & Basham (2026), जो LD वाले छात्रों के लिए AI पर Learning Disability Quarterly के विशेष श्रृंखला में एक संकल्पनात्मक समीक्षा है, SWLDs के लिए GenAI उपयोग को संज्ञानात्मक ऑफलोडिंग लेंस के माध्यम से पुनर्गठित करती है। वे तर्क देते हैं कि GenAI एक प्रतिपूरक सहायता या एक शॉर्टकट हो सकता है, यह इस बात पर निर्भर करता है कि अफलोडिंग निर्णय SWLDs के संज्ञानात्मक और प्रेरक प्रोफ़ाइलों (कार्यपालक-कार्य और कार्यशील स्मृति की चुनौतियाँ, बढ़ा हुआ संज्ञानात्मक भार, प्रयास-विरोधी प्रदर्शन लक्ष्य, कम शैक्षणिक आत्म-दक्षता, और GenAI के प्रति बढ़ी हुई अपेक्षाएँ) के साथ-साथ निर्देशन डिज़ाइन के साथ किस प्रकार परस्पर क्रिया करते हैं। पठन और लेखन के लिए, GenAI पहुँच को स्कैफोल्ड कर सकता है (पाठ स्तरीकरण, सारांशीकरण, बहुमाध्यमी AI आउटपुट, नियोजन, मसौदा तैयारी, पुनरीक्षण प्रतिपुष्टि) और साथ ही उच्च-क्रम की संलग्नता को भी बनाए रख सकता है — लेकिन अत्यधिक अफलोडिंग उन प्रक्रियाओं को दरकिनार करने का जोखिम उठाता है जो इन शिक्षार्थियों के लिए पहले से ही नाज़ुक हैं — समझ, नियोजन और निगरानी — जिससे "मेटाकॉग्निटिव आलस" बढ़ता है और साक्षरता कठिनाइयाँ क्षेत्रों में गुणा होती हैं। यह पेपर निर्देशनात्मक गार्डरेल को प्रमुख नियंत्रित कारक के रूप में स्थापित करता है और रणनीतिक अफलोडिंग का शिक्षण, उपकरण विश्वास को अंशांकित करने के लिए AI साक्षरता का निर्माण, स्व-प्रभावशीलता बनाने के लिए दक्षता अनुभवों का क्रमबद्ध करना, और प्रतिस्थापन के बजाय कौशल विकास को प्राथमिकता देने वाले IEP लक्ष्यों के साथ कार्य और मूल्यांकन को संरेखित करना — यह सब सुझाता है। यह ज्ञान-आधार की विशेष-शिक्षा कवरेज को अफलोडिंग के समानता आयाम तक विस्तारित करता है: वही उपकरण जो पहुँच की बाधाएँ घटाता है, वह अगर अनियंत्रित हो तो उन अभ्यासों का स्थान ले सकता है जिनकी SWLDs को सबसे अधिक आवश्यकता है।

AI-निर्मित हस्तक्षेप सामग्री को केवल समीक्षा नहीं, बल्कि निर्माण-पूर्व नियंत्रणों की आवश्यकता है। Enkhjargal et al. (2026) ने पाया कि अभ्यासी ने सह-डिज़ाइन किए गए Social Story उपकरण को अत्यधिक उपयोगी (SUS 86.8) बताया, फिर भी उसकी छवियों को आम तौर पर पश्चिमी बताया और उसके व्यवहार ट्रैकर को लक्ष्य-संबद्ध नैदानिक निर्णय से बेमेल बताया — ये बाधाएँ जो वे निर्माण से पहले ही निर्धारित करना चाहते थे।