Hoe kan AI studenten met een beperking en neurodivergente studenten in mijn cursus ondersteunen?

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

De voorzieningenbrief noemt een student, een cursus en een hulpmiddel waarvan u nog nooit hebt gehoord. Of een student heeft redelijkerwijs gevraagd of hij zijn spraak-naar-tekstsoftware mag blijven gebruiken in een tentamen met tijdslimiet, en uw AI-regel voor de cursus zegt: geen AI van welke aard dan ook. Of het bureau voor toegankelijkheid wil vrijdag een antwoord op de vraag of er een leeshulpmiddel moet worden gelicentieerd, en het bewijs van de leverancier is een testimonial van een andere campus.

Het antwoord dat alle drie overleeft: begin bij de drempel die de taak opwerpt, gebruik de hulpmiddelen die werkelijk zijn gemeten, en onderwijs alles wat u invoert. Twee regels wegen zwaarder dan elke productkeuze. Benoem transcriptie en OCR in uw AI-beleid als voorzieningen op zichzelf, en geef de opdracht structuur in plaats van studenten te vragen die af te leiden. Wees nuchter over het bewijs: het sterkste cijfer op deze pagina komt uit settings in het speciaal onderwijs van primair en voortgezet onderwijs, met grotendeels AI van vóór het generatieve tijdperk, en de literatuur over hoger onderwijs is een kaart van wat er is geprobeerd.

De korte versie

1. Schrijf de functionele drempel op de voorzieningenbrief vóór de naam van het hulpmiddel: lezen en schrijven, studievaardigheid, aandacht, of sociale communicatie.

2. Begin bij gestructureerde onderwijssoftware, die het gemeten effect heeft, en lees het betrouwbaarheidslabel voordat u de chatbot koopt die u is aangeprezen.

3. Beslis of dit een ontwerpwijziging is of een persoonlijke voorziening. Waar de drempel gedeeld is, wijzig dan het ontwerp, want dat haalt de stap van het melden weg.

4. Onderwijs het hulpmiddel. Een voorziening die zonder instructie wordt verstrekt, is het faalpatroon dat de rechtspraak bestraft.

5. Benoem transcriptie en OCR expliciet in de AI-regel, zodat een verbod dat tegen generatief schrijven is geschreven niet het middel van een student wegneemt om leesbaar werk te produceren.

6. Toets de proef aan de drempel in plaats van aan een tevredenheidsenquête, en zeg vooraf wat u als werkend zult tellen.

Begin bij de drempel die de taak opwerpt

Het meeste wat misgaat voor studenten met een beperking en neurodivergente studenten, gebeurt op het niveau van een taak: een leesopdracht die drukwerk veronderstelt, een video die volgehouden aandacht veronderstelt, een groepsproject dat onuitgesproken sociale regels veronderstelt. Die drempels komen terug over diagnoses heen, dus de nuttige vraag is welke functionele drempel een hulpmiddel wegneemt, en een inkoopvraag zou op dezelfde manier geformuleerd moeten worden.

Diagnostische categorieën verhullen dit. De scoping review hieronder vindt dat de literatuur wordt gedomineerd door individuele voorzieningen en hulpmiddelen voor één neurotype, georganiseerd rond een formele diagnose, terwijl de functionele verschillen die ze adresseren dwars door neurotypes heen snijden. Dyslectische studenten hebben doorgaans baat bij minder afhankelijkheid van uitsluitend geschreven materiaal. Autistische studenten en studenten met ADHD kunnen beiden vaak schommelingen in focus ervaren, wat de prestatie gevoelig maakt voor consistente structuur en genoeg tijd om tussen taken te wisselen. Een hulpmiddel dat bij een label past, kan de drempel missen die de student in uw groep werkelijk heeft.

Dezelfde waarschuwing geldt voor groepsstatistieken. Differentiële effecten tussen leergroepen meldt een aanzienlijk groter effect voor studenten met specifieke leerstoornissen, verstandelijke en ontwikkelingsstoornissen of doofheid dan voor studenten met een autismespectrumstoornis, en dat verschil was niet statistisch significant over de effectgroottes.

Gebruik wat is gemeten, en lees het label

Het sterkste kwantitatieve resultaat op deze pagina is ook het meest algemene, en het komt met beperkingen die u in de aankoopbeslissing moet meenemen.

Zhang, Carter, Liu en Peng (2024) synthetiseerden 29 (quasi-)experimentele studies naar AI-gebaseerde interventies voor studenten met een beperking: 239 effectgroottes uit 41 onafhankelijke samples, een statistisch significant middelgroot algemeen effect op leeruitkomsten van Hedges' g = 0,588 (95% CI [0,349, 0,826], p < 0,01), en grote heterogeniteit tussen studies. Academische prestatie was de grootste subgroep van uitkomsten (k = 80, g = 0,929) en sociaal-emotionele vaardigheden de kleinste (k = 144, g = 0,382). Computersoftware, dat wil zeggen spraakherkenning, expertsystemen en intelligente tutorsystemen, presteerde sterk (k = 74, g = 0,959) en robots matig (k = 144, g = 0,509), terwijl intelligente VR (g = 0,528) niet significant was. Er was publicatiebias (Egger's β = 2,837, p < 0,001); trim-and-fill bracht de schatting terug tot g = 0,269, nog steeds significant.

Elke studie betrof primair of voortgezet onderwijs. 96,6% gebruikte stapsgewijze instructie in settings van speciaal onderwijs of klinische settings, en de meeste gebruikten oudere regelgebaseerde AI in plaats van generatieve AI. Dat ondersteunt voorzichtig gebruik van gestructureerde onderwijssoftware. Het is niet overdraagbaar naar een algemene chatbot, en doen alsof dat wel zo is, is de duurste fout die op deze pagina te maken is.

Drie kleinere resultaten laten zien wat één hulpmiddel kan doen wanneer de drempel smal is. Elk werd getest bij een handvol lerenden, dus behandel ze als goedkope, omkeerbare experimenten in plaats van als infrastructuur.

Voor aandacht verdeelden Pimenova, Begel en collega's (2026) instructievideo's achteraf in brokken met één instructie en vaste pauzes. Met 17 lerenden met ADHD en 10 zonder verbeterde dat iedereen en bracht het de fouten en aarzelingen van de ADHD-deelnemers op hetzelfde niveau. Het nivellerende effect kwam van een lichte transformatie van het materiaal.

Voor taaltoegang voegden Chen et al. (2026) Visuele vragen (tijdstippen waar visuele informatie waarschijnlijk verkeerd wordt gelezen) en Emotievragen (tijdstippen waar eerdere dove en slechthorende lerenden frustratie meldden) toe aan een LLM-basisset, wat 30 vragen opleverde, tien per strategie. Bij 16 lerenden kwam self-efficacy gemiddeld op 5,70 (SD = 1,12) op een zevenpuntsschaal, en visuele vragen werden vaker gekozen door dove dan door slechthorende deelnemers.

Voor lezen en schrijven ontgonnen Rezazadegan et al. (2026) de forumbesprekingen van dyslectische lerenden zelf. Die lerenden waardeerden AI voor geletterdheidsondersteuning en meldden wisselende outputkwaliteit en een gebrek aan rechtvaardige voorzieningen. Die inconsistentie is zelf een drempel: een hulpmiddel waarop u niet kunt vertrouwen, voegt werk toe in plaats van het weg te nemen.

Het beeld in het hoger onderwijs is het zwakste deel van het bewijs en het deel dat het dichtst bij uw werk staat. Rempel, Heimann en Prilop (2026) screenden 766 records uit vijf databases tot 40 opgenomen studies, gepubliceerd tussen 2015 en 2025. Generatieve AI kwam voor in 15 van de 40 en virtual reality in 11. De dekking van drempels was ongelijk: lezen en schrijven (n = 13) en studievaardigheid (n = 12) domineerden, aandacht (n = 4) en sociale communicatie (n = 5) bleven verwaarloosd, en slechts 6 studies behandelden meer dan één drempel. De review sloot K-12 en gespecialiseerde instellingen per ontwerp uit, dus over jongere lerenden zegt die niets. Gebruik hem om te zien welke drempels op uw niveau zijn aangepakt, en welke nauwelijks zijn aangeraakt.

Beslis of u het ontwerp of de voorziening verandert

Universeel ontwerp haalt de noodzaak weg dat een student zichzelf moet identificeren als iemand die speciale voorzieningen nodig heeft. Een voorziening vereist precies dat, en de stigmatisering is deel van de prijs. Dus wanneer een drempel gedeeld blijkt, is de ontwerpwijziging de betere aankoop: die bereikt de studenten die zich nooit melden.

Het segmenteringsresultaat is het duidelijkste geval. Een video in brokken met één instructie en vaste pauzes verbeterde alle lerenden in de studie, niet alleen degenen met ADHD, en bracht de fouten en aarzelingen van de ADHD-deelnemers op hetzelfde niveau. Dat is de uitkomst van universeel ontwerp, bereikt met een montage in plaats van een product.

De eerlijke grens: dat zijn 17 lerenden met ADHD en 10 zonder, in één studie, en niets in deze literatuur vertelt u hoe ver u van één klasresultaat mag generaliseren, of wanneer de behoefte van een student zo afwijkend is dat een individuele regeling nodig is. Dat oordeel blijft bij u en bij het bureau voor toegankelijkheid.

Onderwijs het hulpmiddel, en zet iemands naam bij dat onderwijs

Het gedocumenteerde falen is een voorziening die zonder instructie wordt verstrekt. In W.A. v. Clarksville/Montgomery County School System (2024) studeerde een student die AI als voorziening kreeg af zonder te kunnen lezen, en de rechter oordeelde dat er geen kosteloos passend openbaar onderwijs was geboden.

Twee dingen maken dat falen waarschijnlijk, en beide zijn institutioneel. Shin et al. (2026) gebruikten LLM-gebaseerde topicmodellering en twee rondes Delphi-enquêtes met 17 experts over 12 Amerikaanse beleidsdocumenten over AI in het onderwijs uit 2015 tot 2025. De opleiding van onderwijsprofessionals is één van hun vijf gevalideerde thema's, met 4 van de 36 items, en de experts rangschikten de versterking van studenten en AI-geletterdheid als meest essentieel: deze studenten moeten leren AI verantwoord en zelfstandig te gebruiken, waarbij het waken tegen overmatige afhankelijkheid als deel van dezelfde vaardigheid wordt onderwezen. De auteurs van LUDIA noemen de belemmering de “kloof tussen weten en doen”: begeleiding bestaat in overvloed, is in algemene termen geschreven, en een drempel is altijd specifiek voor dit lokaal, deze week.

Wat deze pagina u niet kan geven, is een trainingsprotocol. Er bestaan geen formele evidence-based richtlijnen om docenten of gezinnen te helpen AI voor deze lerenden te implementeren, dus de hoeveelheid instructie, de volgorde ervan en wie die geeft, zijn oordeelsvragen. De rechtspraak legt de ondergrens vast in plaats van de standaard: de student moet uiteindelijk het ding kunnen, en iemand moet verantwoordelijk zijn om hem daar te krijgen.

Schrijf transcriptie en OCR met naam in de AI-regel

Wright (2026) betoogt dat regels die al het “AI-gebruik” gelijk behandelen te breed zijn, omdat ze spraak-naar-tekst-transcriptie en OCR niet scheiden van generatief schrijven. Studenten met aandoeningen die de fijne motoriek, de leesbaarheid van handschrift of de nauwkeurigheid van typen beïnvloeden, waren aangewezen op losse voice-to-text-producten zoals Dragon NaturallySpeaking en losse OCR, waarvan verscheidene zijn stopgezet of verslechterd, terwijl AI-ondersteunde transcriptie het functionele gat vult.

Een regel die als “geen AI” is geschreven, kan daardoor het belangrijkste middel van de student wegnemen om leesbaar werk te produceren. Niemand heeft de omvang van die verdringing nog gemeten, en dat is een reden om expliciet te zijn in plaats van op het cijfer te wachten. Benoem transcriptie en OCR als voorzieningen in het beleid, naast de verboden op generatief schrijven, zodat de twee vragen apart worden beslist. Het risico dat dit voor de instelling oplevert, hoort bij juridische kwesties en risico's.

Dit is in de meeste documenten een correctie van één regel, en het is de regel met de grootste gevolgen op deze pagina.

Geef structuur waar de opdracht die veronderstelt

Structuur is hier de goedkoopste interventie en degene die het vaakst buiten het plan blijft. Zastudil et al. (2026) enquêteerden 24 neurodivergente informaticastudenten (autistisch en/of ADHD) en 20 neurotypische medestudenten, met vier vervolginterviews. De neurodivergente groep voelde zich ongemakkelijk bij ongestructureerde of dubbelzinnige opdrachten en gaf sterk de voorkeur aan kleinere teams die consistent samenwerken met expliciet gedefinieerde rollen, en ging ermee om door zelf rollen te kiezen en strategisch te melden.

Dat zijn preferentiegegevens, geen effectstudie, en het is tegelijk het ontwerpprogramma dat studenten voor zichzelf schreven. AI-bemiddeld werk draagt een specifieke versie van het risico, omdat het interactiemodel van een hulpmiddel dezelfde structurele dubbelzinnigheid kan reproduceren die de opdracht al had. Controleer wat het hulpmiddel de student vraagt alleen te beslissen voordat u het aan een taak toevoegt.

Toets de proef aan de drempel, en schrijf op wat u hebt geteld

Geaggregeerde effecten geven u een richting. Ze vertellen u niet of het hulpmiddel volgende week werkt voor de student in uw groep, dus elke proef heeft een maat nodig die vooraf is gekozen.

Drie waarschuwingen moeten die maat vormgeven. De eerste is dat de ordening van subgroepen suggestief is en niet vastgesteld: geen enkele moderator van welke aard dan ook bereikte significantie in de meta-analyse van 2024, dus rangordes zoals leerbare agenten (g = 1,100) vóór sociaal-emotionele coaches (g = 0,336), of dyadische interactie vóór triadische (g = 0,973 tegenover g = 0,385), moeten niet als beslecht worden behandeld. De richting van het effect is ondersteund; de grootte, het optimale ontwerp en de duurzaamheid van welke winst dan ook niet.

De tweede is dat dit corpus implementaties en percepties beschrijft, meer dan gemeten leren. Aandacht (n = 4) en sociale communicatie (n = 5) zijn de minst bestudeerde drempels, en de schaarste aan (quasi-)experimentele en longitudinale ontwerpen is de reden dat het werk over hoger onderwijs een scoping review is in plaats van een meta-analyse. De dekking helpt naar bachelor en het mondiale Noorden, de zoekopdracht betrof Engelstalig peer-reviewed werk, en postgraduaten zijn ondervertegenwoordigd. Betrokkenheid en tevredenheid zijn zwakke indicatoren.

De derde is dat een hulpmiddel dat één drempel oplost, een andere kan laten staan. Toets het hulpmiddel aan de specifieke moeilijkheid die de student meldt, of dat nu lezen en schrijven, studievaardigheid, aandacht of sociale communicatie is, en evalueer aan die moeilijkheid in plaats van aan hoe de student het product vond. Vraag de student wat u moet tellen. De deelnemers van Zastudil et al. en de forumdeelnemers van Rezazadegan et al. beschrijven hun behoeften beide preciezer dan de producten die voor hen zijn gebouwd.

Wat u hier niet zult vinden, is een gevalideerd instrument om een drempel in één cursus te meten, of bewijs over hoe lang een proef moet duren. Beide zijn hiaten in de literatuur en geen fouten in uw zoekopdracht, en ze zijn het waard in de revisienotities te worden opgeschreven.

Koop voor de drempel, en weiger de dure standaardoptie

Twee inkoopeisen komen rechtstreeks uit de review: stel universeel ontwerp en participatieve ontwikkeling als voorwaarden, en bouw hulpmiddelen met neurodivergente studenten in plaats van voor hen. De eigen steekproef van de review laat zien hoe zeldzaam dat is, met slechts 3 van de 40 studies die de omgeving of neurotypische medestudenten als voorwerp van interventie namen.

Begroot daarna eerlijk. Hulptechnologie vraagt apparaten en connectiviteit, en hulpmiddelen die in een pilot gratis zijn, verhuizen routineus achter een betaalmuur. Virtual reality is de meest resource-intensieve optie in de set, en het veld is geconcentreerd in het mondiale Noorden, dus de meest meeslepende hulpmiddelen zijn het minst schaalbaar. Shin et al. wijzen rechtstreeks op de digitale kloof: de prijs van geavanceerde AI-hulpmiddelen kan verschillen tussen rijkere en armere scholen vergroten, naast algoritmische bias en hiaten in de lerarenopleiding.

LUDIA is één uitgewerkte versie van het goedkope alternatief, en de auteurs zijn ongewoon open over wat ze niet hebben aangetoond. Het verbindt onderwijsprofessionals met Universal Design for Learning terwijl een ontwerpbeslissing nog open is, en haalt toegangsdrempels weg via de architectuur: geen kosten, geen accounts of opgeslagen chats, WCAG 2.2 niveau AA-conformiteit, en 13 machinaal vertaalde talen, al kunnen niet-Engelse versies de aannames van het Engels waaruit ze komen meedragen. Het is een denkpartner in plaats van een oplossingsmachine, en de auteurs verklaren dat ze geen bewijs hebben dat het leren verbetert. Ze noemen ook een grens die op elk implementatieplan hoort: automatiseringsbias betekent dat de onderwijsprofessional die het snelst een slechte suggestie accepteert, degene is die vertrouwt op het hulpmiddel dat Universal Design for Learning kent. Niemand heeft de output getest op culturele of linguïstische bias.

Houd een tweede faalpatroon in het oog. Overmatige afhankelijkheid van chatbots en de cognitieve overbelasting van meeslepende omgevingen zijn gedocumenteerd als inversie-effecten, waarbij het toevoegen van de technologie het leren verlaagt. Van een hulpmiddel dat bestaand onderwijs alleen in digitale vorm reproduceert, mag u beperkte leerwinst verwachten.

Wat docenten hier verkeerd doen

Een diagnose vertelt me welk hulpmiddel ik moet kopen. De drempels lopen dwars door diagnoses heen, en een hulpmiddel dat bij een label past, kan de drempel in het lokaal missen. Vraag wat de taak veronderstelt: drukwerk, volgehouden aandacht, onuitgesproken sociale regels, een bepaalde manier om tekst te produceren.

Een voorziening is een persoonlijke regeling, dus de oplossing hoort bij de student. Sommige zijn dat, en degene die het waard zijn te generaliseren, zijn degene die u toch al zou hebben ontworpen. Segmentering hielp elke lerende in de studie. Ontwerpwijzigingen halen de stap van het melden weg, en daarmee de stigmatisering.

Betrokkenheid en tevredenheid laten zien dat het hulpmiddel werkte. Ze laten zien dat de student het leuk vond. Dit corpus bestaat grotendeels uit implementaties en percepties, en slechts 6 van de 40 studies over hoger onderwijs dienden meer dan één drempel, dus een tevreden student is nog geen bewijs dat een drempel is weggenomen.

Het hulpmiddel draagt de ondersteuning, en onderwijs is extra. De rechtspraak behandelt een ononderwezen hulpmiddel als het falen, en de beleidsexperts rangschikten de versterking van studenten en AI-geletterdheid als hun meest essentiële thema. Begroot de onderwijstijd samen met de licentie.

Wat er op u afkomt

“We kunnen een hulpmiddel niet voor iedereen verplicht stellen.” Waar het hulpmiddel een ontwerpkenmerk is, is verplicht stellen juist de bedoeling. Videosegmentering met vaste pauzes verbeterde alle lerenden en bracht de fouten en aarzelingen van de ADHD-deelnemers op hetzelfde niveau, en dat is de uitkomst van universeel ontwerp die de noodzaak van melden wegneemt. Toegankelijke standaardinstellingen volgen dezelfde logica: voorlezen, OCR en hulpmiddelen die tekstniveau aanpassen komen terug in de gevalideerde beleidsitems van Shin et al. Hun corpus laat ook zien hoeveel afstand beleid nog moet afleggen, want slechts 2 van de 12 documenten gaan specifiek in op leerstoornissen, terwijl 18 onderwerpen die in algemeen AI-beleid of beleid over andere beperkingen voorkomen, waaronder gegevensbescherming, juridisch risicobeheer en ethische richtlijnen, ontbreken in beleid over specifieke leerstoornissen.

“Ondertiteling en vertaling zijn geen academische ondersteuning.” Ondertiteling is een begin, niet het geheel van taaltoegang. De Visuele en Emotievragen van Chen et al. bestaan omdat een transcript alleen een dove lerende achterlaat met de reconstructie van context die de video nooit heeft uitgesproken. De rangschikking door de beleidsexperts is het ook oneens met het bezwaar. Hun 36 gevalideerde items verdeelden zich over vijf thema's, met inclusief en gepersonaliseerd leren als grootste met 11 (30,56%) en ethiek, rechtvaardigheid en inclusie met 9 (25,00%), en de opleiding van onderwijsprofessionals met 4 (11,11%), toch rangschikten de experts de versterking van studenten en AI-geletterdheid als meest essentieel van de vijf, met 6 items (16,67%), gelijk met toetsing en onderzoek.

“Studenten moeten zelfstandig zijn.” Zelfstandigheid is waar het onderwijs voor dient, en daarom is het hulpmiddel zonder het onderwijs het falen. Het thema opleiding van onderwijsprofessionals bij Shin et al. bestaat om dezelfde reden. De omvang van de behoefte is gemakkelijk te onderschatten: wereldwijd leven ongeveer 240 miljoen kinderen met een beperking, van wie ongeveer de helft in lage- en middeninkomenslanden niet naar school gaat, en ongeveer een derde van de leraren in OESO-systemen meldt de competenties te missen om studenten met specifieke behoeften te ondersteunen. In de Verenigde Staten plaatsen de Assistive Technology Act (2004) en IDEA (2004) de evaluatie van hulptechnologie in elk Individualized Education Program en eisen ze kosteloos passend openbaar onderwijs, toch bestaan er geen formele evidence-based richtlijnen die docenten of gezinnen helpen AI voor deze lerenden te implementeren. Zelfstandigheid gebouwd op een ononderwezen hulpmiddel is wat de rechtspraak bestraft.

“We kunnen het niet betalen.” Weiger dan de dure standaardoptie. Virtual reality is de meest resource-intensieve optie in de set, en de meest meeslepende hulpmiddelen van het veld zijn het minst schaalbaar. Een gratis hulpmiddel dat de privacy respecteert en het ontwerpgesprek verbetert, met de kanttekeningen van de auteurs eerst gelezen, is een betere eerste aankoop dan een headset.

“Het bewijs is te dun om op te handelen.” Dun, en niet leeg. De meta-analyse van 2024 geeft u een richting met een breed interval en een correctie voor publicatiebias die de schatting met meer dan de helft verlaagt, de drie studies naar één hulpmiddel zijn klein, en de review over hoger onderwijs meet dekking in plaats van effect. Wat dat ondersteunt is de goedkope en omkeerbare stap: een ontwerpwijziging, een benoemde voorziening, een proef met een vooraf afgesproken maat. De beslissing uitstellen is ook een beslissing, en die laat de student voor u achter met wat de standaardregeling ook biedt.

Wat u deze week kunt doen

1. Schrijf bij elke voorzieningenaanvraag op uw bureau de functionele drempel naast de naam van het hulpmiddel, en controleer of het hulpmiddel die drempel adresseert in plaats van de diagnose.

2. Vraag of de drempel door de hele klas wordt gedeeld. Is dat zo, wijzig dan het ontwerp: knip de video in brokken, haal de dubbelzinnigheid eruit, zet voorlezen aan, en geef de opdracht de structuur die ontbrak.

3. Voeg transcriptie en OCR met naam toe aan de AI-regel, zodat het verbod op generatief schrijven en de voorziening om tekst te produceren apart worden beslist.

4. Zet een naam en een datum bij het onderwijs: wie laat de student het hulpmiddel zien, wanneer, en wie controleert of het werkt.

5. Spreek de maat af met de student voordat de proef begint, en leg het resultaat vast in de revisienotities, ook in het geval dat het antwoord is dat het niet hielp.

Waar u verder kunt gaan

Universal Design for Learning behandelt de ontwerpbenadering die drempels voorkomt voordat ze ontstaan, hulptechnologie de laag van hulpmiddelen die een student gebruikt, toegankelijkheid de vraag of een formaat überhaupt waargenomen en bediend kan worden, en neurodiversiteit de lens die verschil als diversiteit behandelt in plaats van als tekort, alle binnen het overkoepelende kader van inclusief leren. Overmatige afhankelijkheid terugdringen behandelt de effecten van overmatige afhankelijkheid en inversie die bepalen of een hulpmiddel blijft helpen, en rechtvaardigheid, toegankelijkheid, privacy, ethiek en pedagogische veiligheid opnemen in AIED-onderzoek behandelt de verplichtingen aan de onderzoekskant.