Доступность

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Доступность — проектирование образовательных технологий, контента и интерфейсов так, чтобы их могли воспринимать, использовать и понимать люди с ограниченными возможностями и разнообразными потребностями. В AI in education доступность охватывает конкретные, операциональные барьеры на уровне среды обучения: субтитры к видео, альтернативный текст, расшифровки, совместимость с экранными читалками и клавиатурой, цветовой контраст, упрощение текста, тактильный вывод, поддержку жестового языка и совместимость с ассистивными technologies.

Вопросы для размышления

• Когда вы в последний раз проектировали или выбирали цифровой инструмент обучения, проверяли ли вы, работают ли его субтитры, альтернативный текст, клавиатурная навигация и цветовой контраст, прежде чем рассматривать его Педагогики и стратегии преподавания? Почему такой порядок мог бы иметь значение?
• Видео с точными субтитрами — «доступно», а курс, структурирующий обсуждение вокруг коммуникационных потребностей глухого учащегося, — «поддерживает этого учащегося». Где бы вы провели границу между устранением технического барьера и содержательным служением студенту?
• Research показывает, что instructional videos, сегментированные ИИ, с фиксированными паузами устранили разрыв в результатах между ADHD и Учащиеся без СДВГ. Можете ли вы вспомнить «исправление, спроектированное для одного учащегося», которое в итоге принесло пользу всем в классе, частью которого вы были?
• Некоторые утверждают, что доступность необходима, но недостаточна — доступный инструмент не становится автоматически инклюзивным или справедливым для людей с ограниченными возможностями. В чём разница между возможностью использовать инструмент и тем, чтобы им содержательно служили?
• Многие инструменты ИИ обучены преимущественно на англоязычных, западноцентричных данных. Как это может ограничивать, насколько хорошо они служат учащимся, чей первый язык — жестовый, или чьи способы познания отличаются от мейнстримных?
• ИИ может автоматизировать доступность в масштабе — генерируя субтитры, упрощая текст, производя тактильный вывод. Что бы вы захотели проверить вручную, прежде чем доверять этой автоматизированной доступности, и почему?

Введение

Доступность отлична от, но тесно связана с тремя соседними концепциями в этой базе знаний. Инклюзивное обучение — более широкое понятие-зонтик для проектирования образования под всю вариативность учащихся (физическую, когнитивную, сенсорную, ситуативную). Специальное образование — предметная область обучения для учащихся с диагностированными ограниченными возможностями, включая индивидуализированные accommodation. Универсальный дизайн для обучения — проактивная рамка проектирования (множественные средства engagement, представления, действия/выражения). Доступность лежит внутри этого созвездия как технический и процедурный слой: устранение барьеров для восприятия и оперирования форматом, а не перепроектирование педагогики. Их можно разделить по спектру — доступность спрашивает «может ли каждый получить доступ к этому контенту и инструменту?», тогда как поддержка студентов с ограниченными возможностями спрашивает «содержательно ли служит обучение каждому учащемуся, включая accommodation и поддержку, специфичную для особенностей?» Оба важны, и ИИ пересекается с обоими.

Почему различие имеет значение

Видео с точными субтитрами и правильно размеченной расшифровкой — доступно; курс, структурирующий обсуждение так, чтобы включить коммуникационные предпочтения глухого учащегося, — поддерживает этого учащегося. Они пересекаются — доступные медиа являются предпосылкой инклюзивного обучения, — но они требуют разных проектных шагов и опираются на разные доказательства. Доступность закреплена в стандартах и законе (WCAG, Assistive Technology Act США и IDEA), тогда как доступное обучение и специальное образование закреплены в педагогике и learner experience.

Ключевые темы исследований

Доступность формата: субтитры, расшифровки и текст. AI-segmented instructional videos с фиксированными паузами устранили разрыв в результатах между обучающимися с СДВГ и без СДВГ — доступность как катализатор, приносящий пользу всем. MuTSE оценивает Большие языковые модели (LLM) на основе text simplification, подгоняя сложность контента под уровень чтения каждого учащегося, — слой доступности с human-in-the-loop. Chen et al. создают question generation на основе LLM для глухих и слабослышащих учащихся, сталкиваясь с несоответствием между текстовыми промптами ИИ и жестовыми первыми языками.

Аудиодескрипция, написанная для кино, не переносится на записи лекций. Лекции на основе слайдов ссылаются на диаграммы, уравнения и указывающие жесты, а их паузы имеют медиану всего 0,5 с, поэтому Psychias & Gao (2026) построили специфичный для лекций бенчмарк и метрику, диагностируемую по правилам; дообучение на парах, упорядоченных машинным судьёй, не улучшило соответствие равномерно.

Сенсорный доступ: невизуальный и тактильный вывод. Kutti AI делает устный разговор основным способом общения для слабовидящих детей, устраняя визуальную зависимость. Tactile 3D-printed graphs превращают визуальные статистические данные в осязаемый вывод для слепых и слабовидящих студентов. Sign-language robots распространяют Роботы в образовании (Robots in Education) на коммуникационную доступность для глухих учащихся.

Generative AI для слабовидящих учащихся. Khlaif et al. (2026) — qualitative исследование-кейс 21 слабовидящего undergraduates в трёх палестинских университетах — обнаружило, что GenAI подгоняет темп, контент и форму подачи под индивидуальные профили обучения и упрощает сложные академические тексты, конвертируя контент между способами (текст, аудио, визуальный), делая пригодными к использованию материалы, которые ранее были недоступны. Обучающиеся рассматривали непосредственность как фундаментальное требование доступности, а не как удобство, и шесть взаимозависимых технологических атрибутов — интерактивность, удобство для пользователя, доступность по цене, мультимодальность, интеграция и масштабируемость — определяли, был ли GenAI подлинно доступен в low-resource context, причём usability, доступность по цене и доступность взаимно усиливались, а не были отдельными соображениями проектирования.

Политика и accommodation для студентов с ограниченными возможностями. Shin et al. анализируют документы политики США в отношении ИИ, выявляя пустоту в руководстве для студентов с конкретными нарушениями обучения, и предлагают accommodation и рекомендации по policy, основанные на Assistive Technology и IDEA. Zhang et al. метаанализируют 29 исследований вмешательств на основе ИИ для студентов с ограниченными возможностями, обнаруживая средний положительный эффект на learning outcomes (g = 0.588), — и утверждают, что ИИ должен делать больше, чем обеспечивать доступность: он должен давать возможность agentic участия.

Избыточно широкие запреты на ИИ и ассистивная расшифровка. Wright (2026) утверждает, что повсеместные запреты на «использование ИИ» избыточно широки, потому что не различают расшифровку речи в текст и OCR от генеративного составления: технологии распознавания конвертируют формат контента, уже созданного студентом, а не производят новый контент, однако политика, написанная вокруг идентичности платформы, охватывает и то и другое одинаково. Студенты с особенностями, влияющими на мелкую моторику, разборчивость почерка или точность набора текста — включая состояния спектра аутизма, диспраксию, церебральный паралич и повторяющиеся травмы от напряжения, — опирались на отдельные продукты голос-в-текст и OCR, и сообщения предполагают, что несколько отдельных продуктов голос-в-текст были сняты с продажи или деградировали, оставив расшифровке на базе ИИ заполнять функциональный пробел. Рассмотрение этой замены как нарушения вызывает заботы о справедливости в рамках обязанности разумной корректировки британского Закона о равенстве 2010 года, предвосхищающей обязанности равенства государственного сектора, американского Закона об американцах с ограниченными возможностями и австралийского Закона о дискриминации инвалидов 1992 года, хотя статья не утверждает, что эта характеристика была проверена в суде. Она отмечает, что пересечение ограниченных возможностей, ассистивных технологий и политики в отношении нарушений с ИИ недостаточно изучено, что масштаб этого смещения не измерен и что та же неточность производит дифференцированный риск ложных срабатываний, поскольку детекторы читают текст с низкой перплексией у неносителей английского языка как машинное авторство. Правовое воздействие, которое создаёт это избыточное включение, картировано на странице Правовые вопросы и риски.

Машинная устойчивость имеет цену в читаемости. Полосатые наложения сильнее всего ухудшили извлечение (+35,9% посимвольной ошибки, +38,3% пословной ошибки), но четыре эксперта по типографике и дизайну признали вертикальные полосы читаемыми, тогда как диагональные полосы разрушали формы букв и были признаны нечитаемыми, а экстремальное варьирование непрозрачности помогало только при интенсивностях, которые также вредили человеческой читаемости (Salaun et al. (2026)).

ИИ для дислексии: обнаружение, поддержка и personalized learning. Междисциплинарный systematic review 2026 года (Dabaghi, D'Urso и Sciarrone, по методологии PRISMA, 2018–2024, n=72) обнаруживает, что ИИ поддерживает студентов с дислексией в обнаружении, ассистивной поддержке и персонализированном обучении — но эти направления развиваются параллельно, а не в интеграции, движимые скорее технологической возможностью, чем консолидированной образовательной теорией. Инструменты помощи на основе МО охватывают пять областей (конкретные приложения, вовлечение, персонализация, рекомендации, общая поддержка), но акцентируют техническую производительность и точность классификации, упуская из виду экологическую валидность и практическое развёртывание в классе. Исследования обнаружения (ЭЭГ, отслеживание взгляда, модели МО) показывают диагностическое обещание для раннего вмешательства, но часто требуют специализированного оборудования и контролируемых сред, ограничивая масштабируемость и доступность в типичных школьных условиях. Открытые проблемы включают ограниченную экспериментальную валидацию, масштабируемость, заботы Этика/Приватность с чувствительными данными студентов, ограниченную поддержку и обучение teacher, а также языковые и культурные барьеры (большинство исследований ориентировано на англоязычное население) — усиливая, что доступность должна быть валидирована, масштабируема и этически обоснована, а не просто технически продемонстрирована.

Пределы одной только доступности. Critical work предупреждает, что ИИ, обученный на англоязычных, западноцентричных данных, может маргинализировать центрированные на ограниченных возможностях способы познания. Доступные форматы не гарантируют инклюзивного или справедливого обучения — усиливая, что доступность необходима, но недостаточна, и должна связываться с Справедливость.

Доминируют инструменты, ориентированные на accommodation, с гейтингом по диагнозу. Scoping-обзор 40 исследований цифровых ассистивных технологий для нейроотличных студентов обнаружил, что 28 сделали формальный диагноз условием участия и лишь три работали с нейротипичными сверстниками, а не со студентом, при этом сообщая об эффектах инверсии — когнитивная перегрузка, усталость, отвлечение и чрезмерная опора на генеративный ИИ.(Rempel et al. (2026))

Следствия для практики

• Ставьте барьер формата на первое место. Субтитры, расшифровки, альтернативный текст, контраст и управляемость с клавиатуры — это слой, играющий роль привратника: без них для учащихся, которым они нужны, всё остальное не имеет значения.

• Используйте ИИ для автоматизации доступности в масштабе. ИИ может генерировать субтитры, упрощать текст, производить тактильные/аудио-альтернативы и адаптировать подачу — но оценивайте качество результата с проверками с человеком в контуре.

• Рассматривайте доступность как необходимую, но недостаточную. Доступный инструмент не становится автоматически инклюзивным или справедливым для людей с ограниченными возможностями; сочетайте доступность с проектированием Инклюзивное обучение и поддержкой Специальное образование.

• Закрепляйте accommodation в законе и политике. Ссылайтесь на стандарты (WCAG) и законы (Закон об ассистивных технологиях, IDEA) при проектировании или закупке инструментов ИИ.

• Развёртывание ИИ обгоняет политику доступности ИИ на институциональном уровне. Chan (2026) закодировал все 100 университетов рейтинга Times Higher Education 2026 года и обнаружил 0% публикующих отдельную политику доступности ИИ, тогда как 93% развёртывают campus-сервисы на базе ИИ (чат-боты для регистрации, жилья, ИТ). Благожелательное прочтение автора состоит в том, что обязательства доступности лежат внутри общих политик услуг для людей с ограниченными возможностями, но по измеренным данным требования к инструментам ИИ не появляются в публичной институциональной записи нигде. Короткое институциональное заявление о том, что инструменты ИИ в преподавании и администрировании должны быть доступны студентам с ограниченными возможностями, было бы впереди всего измеренного поля.

• Математически доступная расшифровка видео по physics (2026): рабочий процесс ИИ с использованием Gemini (аудио + сэмплирование видео 1 fps) и LuaLaTeX компилирует учебные видео по физике в математически доступные PDF форматов PDF/UA-2 и ISO 32005, которые обычно проходят валидацию доступности, — практический, бесплатный путь к тому, чтобы сделать насыщенное уравнениями видеосодержание читаемым с экрана для слепых и слабовидящих студентов (Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs).

Связанные концепции

• Различия в эффектах между группами учащихся
• Инклюзивное обучение — более широкое понятие-зонтик для проектирования образования под вариативность учащихся
• Специальное образование — предметная область обучения для учащихся с диагностированными ограниченными возможностями
• Универсальный дизайн для обучения — проактивная рамка проектирования
• Справедливость
• Политика в области образовательного ИИ (Educational AI Policy)
• Нейроразнообразие
• Ассистивные технологии
• Дизайн обучения
• Генеративный ИИ
• Роботы в образовании (Robots in Education)
• Интеллектуальное тьюторство
• Адаптивное обучение
• Автономность учащегося
• Виртуальная и дополненная реальность — гарнитуры, морская болезнь от движения и доступ к устройствам решают, кто может их использовать
• Речевые и голосовые технологии
• Правовые вопросы и риски — зонтичная страница для избыточно широких правил, дефектных доказательств и разумной корректировки
• Образование в области искусств, дизайна и медиа

Связанные статьи

• How colleges and universities are adopting AI in higher education: a global comparative analysis — Chan (2026): 0% из 100 элитных университетов публикуют политику доступности ИИ, тогда как 93% развёртывают campus-сервисы на базе ИИ
• Addressing the Void of AI Policies in Education for Students With Specific Learning Disabilities — Политики ИИ и accommodation для студентов с конкретными нарушениями обучения
• Let's CHAT About Artificial Intelligence for Students With Disabilities: A Systematic Literature Review — Метаанализ вмешательств ИИ для студентов с ограниченными возможностями
• Leveling the Playing Field: Temporal Video Segmentation for Individuals with ADHD in Computing Education — Видео, сегментированные ИИ, с фиксированными паузами
• MuTSE: A Human-in-the-Loop Multi-use Text Simplification Evaluator — Упрощение текста на основе LLM для интеллектуального тьюторинга
• Exploring the Design of LLM-Powered Question Generation for Deaf and Hard of Hearing Learners — Генерация вопросов на основе LLM для глухих/слабослышащих учащихся
• Kutti AI: A Voice-First, Offline-Capable Learning Companion with Real-Time Struggle Detection for Visually-Impaired Children — Ориентированный на голос компаньон для слабовидящих детей
• Touching and Feeling the Data: A Reusable Software Pipeline for Tactile Statistical Graphs in Accessible Education — Тактильные 3D-печатаемые статистические графики
• Using the Pepper Robot to Support Sign Language Communication — Робот Pepper, поддерживающий жестовый язык
• Generative artificial intelligence and the marginalization of minoritized knowledges in higher education — Критическая перспектива на ИИ и центрированное на ограниченных возможностях знание
• Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs — Математически доступная расшифровка видео по физике с помощью Gemini+LuaLaTeX
• Assistive Generative AI for Visually Impaired Learners: Personalization and Inclusion in Higher Education — Ассистивный GenAI для слабовидящих учащихся
• Generative AI, virtual reality, and beyond: A scoping review of digital assistive technologies for neurodivergent students in higher education — Генеративный ИИ, виртуальная реальность и не только: scoping-обзор цифровых ассистивных технологий для нейроотличных студентов в высшем образовании
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Расшифровка — не генерация: избыточно широкие запреты на ИИ и ассистивные инструменты, которые они охватывают
• AD4EDU: Benchmarking University Lecture Audio Description across Accessibility Standards, Metrics, and Learner Preferences — AD4EDU: Benchmarking University Lecture Audio Description across Accessibility Standards, Metrics, and Learner Preferences
• AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface — AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface