支援技術

英語ページの自動翻訳です。母語話者による確認はまだ行われていません。

支援技術（Assistive Technology） — 障害のある人々が、学習や日常生活において、知覚し、操作し、コミュニケーションし、参加することを助ける機器、ソフトウェア、およびサービスです。AI を活用した教育において、支援技術は、スクリーンリーダー、音声からテキストへの変換およびテキストから音声への変換、キャプション、点字および触覚出力、手話ツール、そしてますます、内容と相互作用を個人のニーズに適応させる AI を活用した配慮にわたります。

考えるべき問い

支援技術は、アクセシビリティの道具の層です——個人がアクセスの隔たりを橋渡しするために用いる、具体的な機器とソフトウェアです。読み進める前に、あなたはアクセシビリティと支援技術を同じものと考えていましたか。それらを区別して扱うことは、学習環境の設計の仕方をどう変えうるでしょうか。
研究は、AI に基づく介入が、障害のある学生の学習成果に対して中程度の正の効果をもたらすことを見出しています（g = 0.588）。しかしこのページは、アクセスの道具が、それ自体だけではインクルーシブな教授や学習者の主体性を確保しないと警告しています。学生にアクセスを与えることと、真に彼らを包摂することの違いは何でしょうか。
このページは、米国の AI 政策文書が、特定の学習障害のある学生のための支援技術と配慮にほとんど対処していないことを指摘しています。配慮はなぜ、AI 政策の隙間をとても容易く通り抜けてしまうのでしょうか——そして、その際に誰が損をするでしょうか。
生成 AIは、自動的にキャプションを付け、テキストを単純化し、触覚的な代替物を生成でき——適応のコストを下げられます。しかしこのページは、AI が生成した代替物の質を、教育学的な正確さについて評価するよう注意を促しています。アクセス可能にすることを意図した内容を、「単純化された」版や「触覚的な」版が誤って表すとしたら、何がうまくいかないでしょうか。
AI は、音声優先の学習の仲間から触覚的なグラフ、手話ツールまで、支援的な道具を広げています。教育者または設計者として、あなたはまずどの学習者の特定の障害に AI で対処したいでしょうか——そして、道具を選ぶ前に、その学習者について何を知る必要があるでしょうか。

はじめに

支援技術は、アクセシビリティの具体的な道具の層です。アクセシビリティが環境の設計上の特性（誰もがアクセスできるか？）であるのに対し、支援技術は、個人がアクセスの隔たりを橋渡しするために用いる具体的な装置とソフトウェアです。それは特別支援教育とインクルーシブな学習にとって基盤的です——特定の学習障害、視覚または聴覚の障害、運動の課題のある学生は、カリキュラムにアクセスするために支援的な道具に依拠しています。米国では、支援技術法（2004 年）と障害者教育改善法（IDEA、2004 年）が、障害のある学生にこれらの道具を提供するための法的根拠を与えています。

主要な研究テーマ

AI は支援技術を広げている。 生成 AI と LLM は、支援的な道具を変革しています——LLM に基づくテキストの単純化は知的チューターシステムにおける読解水準を適応させ、音声優先の AIは盲および低視力の学習者にとって視覚への依存を取り除き、AI が生成した触覚的なグラフは視覚的なデータを触れられる出力に変換します。**Zhang 他は、AI に基づく介入（ロボット、ソフトウェア、知的な VR）が、障害のある学生の学習成果に対して中程度の正の効果をもたらすことを見出しています（g = 0.588）。Khlaif 他（2026）**は、パレスチナの 21 名の視覚障害のある学部生に関する質的事例研究を加え、生成 AI が、ペース、内容、伝達の仕方を個別化し、複雑なテキストを単純化し、内容を様態間で変換する、支援の層として機能することを示しています——学習者は一貫して、それを教師を補うものとして見ています。

政策と供給。 **Shin 他**は、米国の AI 政策文書が、特定の学習障害のある学生のための支援技術と配慮にほとんど対処していないことを記録し、支援技術法と IDEA に根ざした政策指針を求めています。

識字困難について、検知・支援・個別化学習にわたる AI。 2026 年の学際的なシステマティックレビュー（Dabaghi、D'Urso & Sciarrone、PRISMA 準拠、2018–2024 年、n=72）は、識字困難のある学生のための AI による支援を写像し、AI が検知、支援的な支援、個別化学習に用いられていることを見出しています——ただし、これらの糸は、統合されるのではなく並行して発展しており、統合された教育理論よりも技術的な機会によって駆動されています。機械学習に基づく学習支援ツールは五つの領域（特定の応用、関与、個別化、推薦、一般的な支援）に分類されますが、生態学的妥当性と教室での実践的な展開を見落としながら、技術的な性能と分類の正確さを重視しています。検知の研究（脳波、視線追跡、機械学習モデル）は、早期介入にとって診断的な見込みを示していますが、しばしば専門的な装置と制御された環境を必要とし、典型的な学校環境における拡張可能性とアクセシビリティを制限しています。未解決の課題には、限られた実験的検証、拡張可能性、繊細な学生データに関する倫理／プライバシーの懸念、限られた教師の支援と訓練、そして言語的・文化的障壁（研究の大半は英語話者の集団を対象としています）が含まれます——これは、支援的な道具が、アクセスの隔たりを真に橋渡しするために、検証され、拡張可能で、倫理的に基盤づけられなければならないという注意喚起です。

支援的な道具の限界。 支援技術はアクセスを可能にしますが、それ自体だけではインクルーシブな教授や学習者の主体性を確保しません。**批判的な研究**と、障害のある学生のための主体性のある役割の推進は、アクセスが意味のある参加と対にならなければならないことを私たちに思い出させます。

デジタルな支援技術に関する 2026 年のスコーピングレビューは、高等教育における神経多様性のある学生のためのデジタルな支援技術を、この 10 年の成果として写像します。五つのデータベースで 766 件の記録を選別し、40 件の研究を含め、そのうち 15 件に AI に基づくツール、11 件に仮想現実が含まれていました。その整理的な知見は、道具が狙うものと、障害が位置する場所との間の不一致です——27 件の研究が学習を直接に支援し、13 件が読み書き、12 件が学習の管理に対処した一方、注意（n = 4）と社会的コミュニケーション（n = 5）は比較的手薄で、複数の障害に対処したのは 6 件のみでした（Rempel 他、2026）。

実践への示唆

道具を学習者と課題に合わせる。 スクリーンリーダー、キャプション、音声、触覚出力は、それぞれ異なる障害に対処します——個人のニーズと内容の形式に基づいて選んでください。
AI を活用して支援的な適応のコストを下げる。 AI は自動的にキャプションを付け、テキストを単純化し、代替物を生成できますが、教育学的な正確さについて出力の質を評価してください。
その支援が果たす機能を述べ、そしてその機能に対して評価してください。 Vasileiou 他（2026）は、補償（アクセスと参加によって評価される）を、足場かけ（支援を伴う意思決定）から、発達（フェーディングまたは転移の後の方略の利用）から区別します。そして、このページの注意に向けられた規則を加えます。すなわち、支援へのアクセスは修繕ではない——ある道具が配慮、方略の教授、それとも一時的な練習の支援のいずれであるかは、「学習計画に述べられるべきである」ということです。
供給を政策に根ざさせる。 AI ツールを調達または構築する際には、支援技術法、IDEA、WCAG を参照してください。

メタデータ

レベル	Special Education
公平性、倫理、責任ある利用	アクセシビリティ, 支援技術, 公平性, インクルーシブ学習
教育におけるAIの基礎	学習デザイン

Source History Edit Chat

考えるべき問い

はじめに

主要な研究テーマ

実践への示唆

関連する概念

関連する記事

関連するFAQ

メタデータ

このページを埋め込む