Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

How Can AI Support Disabled and Neurodivergent Learners in My Course?

Wewe ni mkufunzi ambaye ameokea barua ya upatikanaji, kiongozi wa upatikanaji anayechukua uamuzi wa kuidhinisha leseni, au mratibu wa huduma za ulemavu ambaye lazima ajibu ombi la zana ifikapo Ijumaa. Huhitaji mapitio ya fasihi. Unahitaji uamuzi unaoweza kutetewa: nini kuchukua, nini kukataa, na jinsi ya kujua kama kile ulichokidhinisha kilimsadia kweli mwanafunzi aliye mbele yako.

Hitimisho la msingi, pamoja na maelezo yake ya hadhari yakiwa yamehifadhiwa: AI inaweza kuwasaidia wanafunzi wenye ulemavu na wanavyojitofautisha kinejrupi, lakini kile kilichopimwa ni chembamba. Ushahidi mwingi unahusu zana zinazoondoa kizuizi kimoja cha kikazi kwa wakati; matokeo ya kiasi yenye nguvu zaidi yanatoka mipangilio ya elimu maalum ya PK-12 kwa kutumia AI za kabla ya kizalishaji zaidi; na picha ya elimu ya juu ni ramani ya kile kilichojaribiwa badala ya upimaji wa kile kinachofanya kazi. Hakuna hapa kinachothibitisha kupitisha bila uchunguzi. Kila kitu hapa kinasaidia kupitisha kwa njia nyembamba, yenye maelekezo, na mahususi ya kizuizi — na kinataja mbinu kadhaa zinazoshindwa.

Anzia na kizuizi, si ugonjwa

Kile kinachoshindwa zaidi kwa wanafunzi wenye ulemavu na wenye kujitofautisha kinejrupi hutokea katika ngazi ya kazi badala ya katika ngazi ya ugonjwa: usomaji unaodhaniwa kuwa wa machapisho, video inayodhani kuwa umakini unaodumu, mradi wa kikundi unaodhani kanuni za kijamii zisizonenwa. Vizuizi hivyo hurudia katika magonjwa mengi, kwa hivyo swali lenye tija si zana gani inafaa hali gani bali kizuizi kipi cha kikazi zana inaondoa. Kila pendekezo lifuatalo limepangwa kwa njia hiyo, na ununuzi wako unapaswa kuwa hivyo.

Nini kuchukua, kimepangwa kulingana na nguvu ya ushahidi

1. Zana za kuondoa vizuizi zenye athari iliyopimwa — uhakika wa wastani, lakini PK-12 na AI za zamani zaidi. Matokeo ya kiasi yenye nguvu zaidi katika ukurasa huu pia ni ya jumla zaidi. Zhang, Carter, Liu na Peng (2024) walikusanya masudio 29 (yanayofanana na) ya kijaribio ya uingiliaji wa AI kwa wanafunzi wenye ulemavu — vipimo 239 vya athari kutoka sampuli huru 41 — na wakagundua athari kubwa ya kimstatiki ya kiwango cha juu juu ya matokeo ya kujifunza, Hedges' g = 0.588 (95% CI [0.349, 0.826], p < .01), pamoja na kutofautiana kwa kiasi kikubwa kati ya masudio. Utendaji wa kitaaluma ulikuwa kikundi kikubwa cha matokeo (k = 80, g = 0.929) na ujuzi wa kihisia-kijamii ndicho kidogo zaidi (k = 144, g = 0.382). Programu za kompyuta — utambuzi wa hotuba, mifumo ya wataalam, mifumo ya ualimu mahususi — ilifanya vizuri zaidi (k = 74, g = 0.959) na roboti kwa kiasi cha wastani (k = 144, g = 0.509), huku VR mahususi (g = 0.528) isiwe na umuhimu wa kimstatiki. Upendeleo wa kuchapisha ulikuwepo (Egger's β = 2.837, p < .001); trim-and-fill ilipunguza kadirio hadi g = 0.269, ambalo bado ni la kimstatiki. Soma lebo ya uhakika kwa uwazi: kila somo lilikuwa la PK-12, 96.6% zilitumia mafunzo ya hatua kwa hatua katika mipangilio ya elimu maalum au ya kliniki, na nyingi zilitumia AI za zamani zinazotegemea kanuni badala ya AI ya kizalishaji. Hii ni msingi wa kupitisha kwa tahadhari programu ya kielimu iliyopangwa — si waranti ya chatbot uliyouzwa.

2. Zana za kizuizi kimoja mahususi zenye masudio madogo — uhakika mdogo, sampuli ndogo. Matokeo matatu yanaonyesha kile zana moja inaweza kufanya, kila kimoja kikijaribiwa kwa idadi ndogo ya wanafunzi. Kwa umakini, Pimenova, Begel na wenzake (2026) waligawa video za mafunzo baadae katika vipande vya maagizo moja pamoja na mapumziko maalum; kwa wanafunzi 17 wenye ADHD na 10 wasio nao, iliboresha kila mtu na ikawaleta wanafunzi wenye ADHD katika usawa wa makosa na kusita — athari ya usawa kutoka mabadiliko mepesi badala ya bidhaa mahususi ya ugonjwa. Kwa upatikanaji wa lugha, Chen et al. (2026) waliongeza maswali ya Kuona (vituo vya muda ambapo taarifa za kuona huenda zikasomwa vibaya) na maswali ya Hisia (vituo vya muda ambapo wanafunzi wa zamani wenye uziwi na usikizi mdogo waliripoti kukasirika) kwa seti ya msingi ya Mifano Mikubwa ya Lugha (LLM), wakizalisha maswali 30, kumi kwa kila mkakati; kwa wanafunzi 16, uwezo binafsi ulikuwa wa wastani 5.70 (SD = 1.12) katika kipimo cha pointi saba, na maswali ya kuona yalichaguliwa zaidi na wanavyojitofautisha wenye uziwi kuliko wenye usikizi mdogo. Kwa kusoma na kuandika, Rezazadegan et al. (2026) walichanganua majadiliano ya wanavyojitofautisha wenye dyslexia katika vikao vyao vya mtandaoni na wakagundua kuwa wanathamini AI kwa msaada wa usomi huku wakiripoti ubora wa matokeo usio sawa na upungufu wa upatikanaji unaowaendeeza — kutokuwa na uthabiti ni kizuizi yenyewe. Yakubali haya kama majaribio ya gharama ndogo na yanayoweza kurejeshwa, si kama miundombinu imara.

3. Orodha ya elimu ya juu — ramani, si upimaji. Kwa elimu ya juu picha ni ramani badala ya upimaji. Rempel, Heimann na Prilop (2026) walichuja rekodi 766 kutoka hifadhidata tano hadi masudio 40 yaliyounganishwa, yaliyochapishwa kati ya 2015 na 2025. AI ya kizalishaji ilionekana katika 15 ya 40 na uhalisi bandia katika 11. Ufunikaji wa vizuizi haukuwa sawa: kusoma na kuandika (n = 13) na usimamizi wa masomo (n = 12) vilitawala, umakini (n = 4) na mawasiliano ya kijamii (n = 5) vilipuuzwa, na masudio 6 tu yalishughulikia vizuizi vingi zaidi ya moja. Mapitio yanahusu elimu ya juu tu — yalitenga K-12 na mipangilio ya taasisi maalum kwa kubuni, kwa hivyo si ushahidi kuhusu wanafunzi wadogo. Yatumie kuona vizuizi gani vimeshughulikiwa katika ngazi yako na gani ambavyo havigusiwa.

4. Muundo na ubuni wa jumla, ambayo ni ya kuthibitishwa kwa ushahidi na ni ya bila malipo. Mapendeleo yaliyotangazwa na wanafunzi hutoa muhtasari wa ubuni. Zastudil et al. (2026) walichunguza wanafunzi 24 wa kompyuta wenye kujitofautisha kinejrupi (wenye autisti na/au ADHD) na marika 20 wasio wenye kujitofautisha pamoja na mahojiano manne ya kufuatia: kikundi cha kinejrupi kilikuwa hakijaridhika na majukumu yasiyo na muundo au yenye utata na kilipendelea zaidi timu ndogo zinazofanya kazi pamoja kwa uthabiti zenye majukumu yaliyobainishwa wazi, wakikabiliana na kuchukua majukumu yao wenyewe na kujitambua kwa mpango. Onyo lao kwa kazi zinazoendeshwa na AI ni kuwa mfano wa mwingiliano wa zana unaweza kuiga utata ule ule wa muundo. Muundo ni uingiliaji wa gharama ndogo zaidi katika orodha hii, na ndio unaopuuzwa mara nyingi zaidi.

Nini kuepuka, ikijumuisha upatikanaji unaozua matokeo ya kinyume

• Usitoe AI kama upatikanaji bila kuifundisha. Kushindwa mara nyingi zaidi si zana isiyofaa bali zana isiyofundishwa. Kesi ya W.A. v. Clarksville/Montgomery County School System (2024) ni toleo lililorekodiwa: mwanafunzi aliyepewa AI kama upatikanaji alihitimu bila uwezo wa kusoma, na mahakama ilibaini kuwa elimu ya bure na inayofaa kwa umma haikuwa imetolewa.
• Usiruhusu zuio la jumla la AI kuondoa zana ya usaidizi. Wright (2026) anadai kuwa kanuni zinazotendea matumizi yote ya "AI" sawa ni za upungufu wa ufafanuzi kwa kuwa hazitofautishi unukuzi wa hotuba hadi maandishi na OCR kutoka kuandika kwa kizalishaji. Wanafunzi wenye hali zinazoathiri udhibiti wa misuli ndogo, uwazi wa mwandiko wa mkono au usahihi wa kuchapisha namba wametegemea bidhaa za kujitegemea za sauti-hadi-maandishi kama Dragon NaturallySpeaking na OCR za kujitegemea, kadhaa ambazo zimezimwa au kudhoofishwa, na unukuzi unaoendeshwa na AI unakijaza pengo la kikazi — kwa hivyo kanuni iliyoandikwa kama "hakuna AI" inaweza kuondoa njia kuu ya mwanafunzi ya kuzalisha kazi inayosomeka, na kiwango cha uondoaji huo hakijapimwa. Chukua unukuzi na OCR kama upatikanaji wa kutajwa wazi katika sera badala ya waliouawa nayo; mazingira haya ya mbele yanayotokana na haya yanahusika na Masuala ya Kisheria na Hatari.
• Usipange msaada kuzunguka ugonjwa peke yake. Gunduo kuu la mapitio ya upeo ni ukosoaji: fasihi inatawaliwa na upatikanaji wa mtu binafsi na zana za neurotipe moja zilizopangwa kuzunguka ugonjwa rasmi, huku tofauti za kikazi zinazoshughulikiwa zikikatiza neurotipe na kufichwa na ugawaji wa magonjwa. Wanafunzi wenye dyslexia huenda wafaidike kutoka kutegemea kidogo nyenzo za maandishi peke yake, na wanafunzi wenye autisti na wenye ADHD wanaweza kupata mabadiliko ya mara kwa mara katika umakini, ambayo hufanya utendaji uwe nyeti kwa muundo thabiti na muda wa kutosha wa kubadilisha kazi. Zana inayolingana na lebo inaweza kukosa kizuizi ambacho mwanafunzi anakacho kweli. Tahadhari ileile inahusika na takwimu za kikundi: meta-analysis kubwa zaidi katika hifadhi hii ya maarifa inaripoti athari kubwa zaidi kwa kiasi kikubwa kwa wanafunzi wenye ulemavu mahususi wa kujifunza, ulemavu wa kiakili na wa maendeleo au walioziwi kuliko wanafunzi wenye autism spectrum disorder, huku tofauti hiyo ikiripotiwa kuwa si ya kimstatiki katika vipimo vyake vyote vya athari (tazama Differential Effects Across Learner Groups).
• Usifanye kujitambua mwenyewe kuwa bei ya upatikanaji. Upatikanaji unahitaji mwanafunzi ajitambue kuwa anahitaji mpango maalum, ambayo huleta unyonge; ubuni wa jumla huondoa hatua hiyo.
• Usipuuze athari za ugeuzaji. Kutegemea kupita kiasi chatbot na mzigo wa kiakili wa mazingira ya kujifunza makini yameandikwa kama athari za ugeuzaji, ambapo kuongeza teknolojia hupunguza kujifunza. Zana ambayo inazalisha tu mafunzo yaliyopo katika umbile la kidijitali inapaswa kutarajiwa kutoa magonozo ya kujifunza madogo.
• Usitumie zana ambazo uaminifu wao haujathibitishwa. Wanafunzi wenye dyslexia wanaotumia AI kwa msaada wa usomi waliripoti thamani halisi pamoja na ubora wa matokeo usioaminika; zana ambayo haiwezi kutegemewa huongeza kazi badala ya kuiondoa.
• Usikubali bidhaa zilivyo zilivyofika. Tangaza ubuni wa jumla na maendeleo ya washiriki kama mahitaji ya ununuzi badala ya kukubali chochote kinachouzwa kwako — mapitio ya upeo yanapendekeza kujenga zana na wanafunzi wenye kujitofautisha kinejrupi badala ya kwao, na sampuli yao yenyewe inaonyesha jinsi hilo ni cha kushangaza, na masudio 3 tu ya 40 yakichukulia mazingira au marika wasio wenye kujitofautisha kama kitu cha uingiliaji.
• Usinunue chaguo la kujifunza makini zaidi kwa kawaida. Uhalisi bandia ni chaguo la rasilimali nyingi zaidi katika seti. Teknolojia ya usaidizi inahitaji vifaa na muunganisho, na zana zilizo huru katika majaribio mara nyingi huhamia nyuma ya ukuta wa malipo.
• Usiruhusu upendeleo wa otomatiki kuchukua nafasi ya hukumu. Waandishi wa LUDIA wanataja kikomo kinachostahili kuwa katika kila mpango wa utekelezaji: upendeleo wa otomatiki inamaanisha kuwa mwalimu anayeweza zaidi kukubali pendekezo duni ndiye anayeaminia kuwa zana anajua Universal Design for Learning. Hakuna mtu aliyetathmini matokeo yake kwa upendeleo wa kitamaduni au wa lugha.

Jinsi ya kujua kama zana inamsaidia mwanafunzi huyu

Athari za jumla zinaelekea mwelekeo; hazikuambiwi kama zana inafanya kazi kwa mwanafunzi katika sehemu yako wiki ijayo. Tahadhari tatu zinapaswa kuunda jaribio lolote.

Kwanza, mpangilio wa vikundi kidogo ni wa kupendekeza badala ya kuthibitishwa. Meta-analysis ya 2024 haiwezi kusema chaguo gani ya kubuni ni bora: hakuna kipunguzi cha aina yoyote kilichofikia umuhimu, kwa hivyo orodha kama vile mawakala wanaoweza kufundishwa (g = 1.100) mbele ya makocha wa kihisia-kijamii (g = 0.336), au mwingiliano wa watu wawili mbele ya watu watatu (g = 0.973 dhidi ya g = 0.385), haipaswi kuchukuliwa kama imethibitishwa. Msimamo unaoweza kutetewa ni kuwa mwelekeo wa athari unategemea ushahidi huku kiwango, uboreshaji wa ubuni na udumu wa faida yoyote visivyofaa.

Pili, mkusanyiko unaeleza utekelezaji na mitazamo zaidi ya kujifunza kupimwa. Umakini (n = 4) na mawasiliano ya kijamii (n = 5) ni vizuizi vilivyochunguzwa kidogo zaidi, na masudio 6 tu ya 40 yalihudumia zaidi ya moja. Uhaba wa mipangilio ya (yanayofanana na) ya kijaribio na ya muda mrefu, na kutofautiana kwa zana na matokeo, ni sababu kazi ya elimu ya juu ni mapitio ya upeo badala ya meta-analysis. Ufunikaji unaelekea kwa wanafunzi wa shahada ya kwanza na Kaskazini ya Ulimwengu, utafutaji ulikuwa wa kazi ya kimataifa ya Kiingereza yenye mapitio ya wataalam, na wanafunzi wa ngazi ya juu wamewakilishwa kidogo. Chukua ushirikiano na kuridhika kama viashiria dhaifu; pima kizuizi ulichokusudia kuondoa.

Tatu, zana inayorekebisha kizuizi kimoja inaweza kuacha kingine. Masudio 6 tu ya 40 yalihudumia vizuizi vingi zaidi ya moja, kwa hivyo angalia zana dhidi ya ugumu mahususi ambao mwanafunzi anaripoti — kusoma na kuandika, usimamizi wa masomo, umakini, au mawasiliano ya kijamii — na tathmini dhidi ya kizuizi hicho, si dhidi ya dodoso la kuridhika. Muulize mwanafunzi; washiriki wa Zastudil et al. na waandishi wa vikao wa Rezazadegan et al. wanaeleza mahitaji yao kwa usahihi zaidi kuliko bidhaa zilizojengwa kwao.

Pingana utakazosikia

"Hatuwezi kuhitaji zana kwa kila mtu." Unaweza, pale zana ni kipengele cha ubuni badala ya upatikanaji wa kibinafsi. Ugawaji wa video wenye mapumziko maalum uliboresha wanafunzi wote, si tu wenye ADHD, na kuleta wanafunzi wenye ADHD katika usawa wa makosa na kusita ni hasa matokeo ya ubini wa jumla ambayo huondoa haja ya kujitambua. Matokeo ya Pimenova na Begel ni athari ya usawa kutoka mabadiliko mepesi badala ya bidhaa mahususi ya ugonjwa. Unganisha hilo na chaguo chaguo za msingi za kupatikana: zana za kusoma kwa sauti, OCR na za kurekebisha ngazi ya maandishi hurudia katika vipimo vya sera vilivyothibitishwa vya Shin et al. (2026), ambao mfano wao wa mada unaotegemea LLM na pande mbili za dodoso la Delphi za wataalam 17 katika hati 12 za sera za AI katika elimu za Marekani kutoka 2015 hadi 2025 ziligundua kuwa 2 tu ya 12 zinashughulikia mahususi ulemavu wa kujifunza, huku mada 18 zilizopo katika sera za jumla za AI au za ulemavu mwingine — ulinzi wa data, usimamizi wa hatari ya kisheria, miongozo ya maadili miongoni mwao — zikiwa hazipo katika sera za ulemavu mahususi wa kujifunza.

"Uwekaji wa manukuu na utafsiri si msaada wa kitaaluma." Uwekaji wa manukuu ni mwanzo, si yote ya upatikanaji wa lugha. Ilani zinazotegemea maandishi hazilingani na lugha za kwanza za alama: unganisha manukuu na alama za muktadha za kuona na hisia na ukate ugumu usio wa lazima, kama maswali ya Kuona na Hisia ya Chen et al. Wanavyofanya. Na upangaji wa wataalam wa sera unakataa pingana: vipimo vyao 36 vilivyothibitishwa vinaangukia katika mada tano — kujifunza kwa njia mahususi na kwa kila mtu (vipimo 11, 30.56%), maadili, usawa na ujumuishaji (9, 25.00%), uwezeshaji wa mwanafunzi na ujuzi wa AI (6, 16.67%), tathmini na utafiti (6, 16.67%), na maandalizi ya mwalimu (4, 11.11%) — na waliipanga uwezeshaji wa mwanafunzi na ujuzi wa AI kama ya muhimu zaidi: kuwafundisha wanafunzi hawa kutumia AI kwa uwajibikishaji na kujitegemea huku wakilinda dhidi ya kutegemea kupita kiasi.

"Wanafunzi lazima wawe na uhuru." Uhuru ni kile mafunzo yanakusudia, ndio maana zana bila mafunzo ni hali ya kushindwa. Mada ya maandalizi ya mwalimu ya Shin et al. ipo kwa sababu ileile, na waandishi wa LUDIA wanataja kikwazo kama "pengo la kujua-kufanya": mwongozo upo kwa wingi lakini umeandikwa kwa maneno ya jumla, huku kizuizi kilikuwa mahususi daima kwa chumba hiki, wiki hii. Kiwango cha haja ni rahisi kupuuzwa: wanafunzi takribani milioni 240 duniani wanaishi na ulemavu, nusu ya hao hawako shuleni katika nchi za kipato cha chini na cha kati, na theluthi moja ya walimu katika mifumo ya OECD wanaripoti upungufu wa uwezo wa kuwasaidia wanafunzi wenye mahitaji mahususi. Mfumo wa kisheria ni U.S. Assistive Technology Act (2004) na IDEA (2004), ambazo zinaweka tathmini ya teknolojia ya usaidizi ndani ya kila Individualized Education Program na zinahitaji elimu ya bure na inayofaa kwa umma, lakini hakuna miongozo rasmi inayotegemea ushahidi inayowasaidia waelimishaji au familia kutekeleza AI kwa wanafunzi hawa. Uhuru uliojengwa juu ya zana isiyofundishwa ni kile sheria inadhibiti.

"Hatuwezi kuibea." Basi kataa chaguo chaguo la gharama kubwa. Uwanja wa teknolojia ya usaidizi umekusanyika katika Kaskazini ya Ulimwengu, zana zake za kujifunza makini zaidi ni zisizo na uwezo wa kupanuka kidogo zaidi, na uhalisi bandia ni chaguo la rasilimali nyingi zaidi katika seti. LUDIA ni toleo moja lililofanya kazi la mbadala wa ubini wa jumla: inaunganisha waelimishaji na Universal Design for Learning wakati uamuzi wa ubini bado uko wazi, na huondoa vizuizi vya upatikanaji kwa usanifu — hakuna gharama, hakuna akaunti au mazungumzo yaliyohifadhiwa, uzingatiaji wa WCAG 2.2 Level AA, na lugha 13 zilizotafsiriwa kwa mashine, ingawa matoleo yasiyo ya Kiingereza yanaweza kubeba dhana za Kiingereza ambazo yalitokana nazo. Ni mshirika wa mawazo badala ya injini ya suluhisho, na inapanga uchunguzi wake kuzunguka "ushahidi wa uaminifu" badala ya ushahidi wa athari, na ikitangaza wazi kuwa waandishi hawana ushahidi wowote kuwa zana inaboresha kujifunza. Weka bajeti kwa uwazi kwa gharama nyingine: Shin et al. wanataja mgawanyo wa kidijitali, kwani bei ya zana za hali ya juu za AI inaweza kupanua tofauti kati ya shule tajiri na maskini, pamoja na upendeleo wa algoriti na mapengo ya mafunzo ya walimu.

Fanya hivi wiki hii

• Taja kizuizi cha kikazi kwanza. Kusoma na kuandika, usimamizi wa masomo, umakini, mawasiliano ya kijamii — kisha angalia kama zana inashughulikia kizuizi hicho au ugonjwa tu.
• Tumia kilichothibitishwa kwa ushahidi. Ugawaji wa video wenye mapumziko maalum ulipunguza pengo la utendaji la ADHD hadi usawa, na zana za kusoma kwa sauti, OCR na za kurekebisha ngazi ya maandishi hurudia katika vipimo vya sera vilivyothibitishwa.
• Chukua uwekaji wa manukuu kama mwanzo, si yote ya upatikanaji wa lugha. Unganisha manukuu na alama za muktadha za kuona na hisia na ukate ugumu usio wa lazima.
• Toa muundo badala ya kuwaomba wanafunzi wabaini. Timu ndogo thabiti, majukumu yaliyobainishwa, matarajio ya wazi na kuchukua majukumu yenyewe yalikuwa mapendeleo wanavyojitofautisha wanafunzi wa kompyuta walioripoti.
• Jenga upatikanaji katika ununuzi. Tangaza ubini wa jumla na maendeleo ya washiriki kama mahitaji, pendelea zana za bila malipo na zinazolinda faragha, na uliza nini kinatokea pale kiwango cha bila malipo kinapoisha.
• Wafundishe watu, si kutekeleza tu. Weka muda kwa wanafunzi kujifunza zana na kwa wafanyakazi kuziunganisha na kazi; upatikanaji bila mafunzo ulishindwa mahakamani.
• Buni kwa ajili ya mwingiliano, na angalia athari za ugeuzaji. Masudio 6 tu ya 40 yalihudumia vizuizi vingi zaidi ya moja; kutegemea kupita kiasi chatbot na mzigo wa kiakili katika mazingira ya kujifunza makini yanaweza kupunguza kujifunza.
• Ripoti matokeo kwa uwazi. Ushahidi mwingi unaeleza utekelezaji na mitazamo, na hakuna kipunguzi cha ubuni kilichothibitishwa; chukua ushirikiano na kuridhika kama viashiria dhaifu.
• Fedhehesha mafunzo na uunganishaji wa mtiririko wa kazi ambao hubadilisha zana inayopatikana kuwa msaada unaoweza kutumika, na andika gharama ya vifaa na muunganisho katika mpango.

Wapi kwenda baadaye

Ukurasa huu ni sehemu ya kuingia ya vitendo na ya wanafunzi wote: Ubuni wa Kijumla wa Kujifunza inashughulikia falsafa ya ubini inayozuia vizuizi kabla ya kuonekana, Teknolojia ya Usaidizi tabaka la zana ambazo mwanafunzi anatumia, Ufikivu kama umbile linaweza kugunduliwa na kuendeshwa kabisa, na Utofauti wa Neva lenzi inayochukua tofauti kama utofauti badala ya upungufu — zote ndani ya jinsi la Kujifunza kwa Ujumla.

Kwa wajibu wa upande wa utafiti, tazama ujumuishaji wa usawa, upatikanaji, faragha, maadili na usalama wa kielimu katika utafiti wa AIED.