رسائی

انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔

رسائی — تعلیمی ٹیکنالوجی، مواد اور انٹرفیس کی وہ ڈیزائننگ جسے معذوریوں اور متنوع ضروریات والے لوگ ادراک، استعمال اور سمجھ سکیں۔ تعلیم میں AI میں رسائی سیکھنے کے وسیلے کی ٹھوس اور عملی رکاوٹوں کا احاطہ کرتی ہے: ویڈیو کیپشنز، آلٹ ٹیکسٹ، نقول، اسکرین ریڈر اور کی بورڈ کی مطابقت، رنگوں کا تضاد، متن کی سادگی، لمساتی اخراج، اشاروں کی زبان کی معاونت، اور معاون ٹیکنالوجیز کے ساتھ مطابقت۔

غور کرنے کے لیے سوالات

• جب آپ نے آخری بار کوئی ڈیجیٹل سیکھنے کا ٹول ڈیزائن یا منتخب کیا، تو کیا اُس کے تدریسی طریقے اور حکمت عملیاں پر غور کرنے سے پہلے یہ جانچا تھا کہ اُس کے کیپشنز، آلٹ ٹیکسٹ، کی بورڈ نیویگیشن اور رنگوں کا تضاد ٹھیک کام کرتے ہیں؟ یہ ترتیب کیوں اہم ہو سکتی ہے؟
• درست کیپشنز والی ویڈیو 'قابلِ رسائی' ہے، جبکہ وہ کورس جو بحث کو سماعت سے محروم طالب علم کی مواصلاتی ضروریات کے گرد ترتیب دیتا ہے، 'اُس طالب علم کی معاونت' کر رہا ہے۔ آپ تکنیکی رکاوٹ ہٹانے اور طالب علم کی بامعنی خدمت کے درمیان لکیر کہاں کھینچیں گے؟
• تحقیق بتاتی ہے کہ مقررہ وقفوں والی، AI سے قطع شدہ تدریسی ویڈیوز نے ADHD اور غیر-ADHD سیکھنے والے کے درمیان کارکردگی کا فرق ختم کر دیا۔ کیا آپ کو کوئی ایسا 'ایک ہی طالب علم کے لیے ڈیزائن کیا گیا حل' یاد ہے جو آخرکار آپ کی کلاس کے سبھی لوگوں کے لیے فائدہ مند ثابت ہوا؟
• بعض کا کہنا ہے کہ رسائی ضروری ہے مگر کافی نہیں — قابلِ رسائی ٹول خودبخود شمولیتی یا معذوری کے لحاظ سے منصفانہ نہیں ہوتا۔ ٹول استعمال کر سکنے اور اُس سے بامعنی خدمت پانے میں کیا فرق ہے؟
• بہت سے AI ٹولز زیادہ تر انگریزی اور مغلوب-مرکوز ڈیٹا پر تربیت یافتہ ہیں۔ یہ اُن طلبہ کی خدمت کی حد کیسے مقید کر سکتا ہے جن کی پہلی زبان اشارہ ہے، یا جن کے جاننے کے طریقے مرکزی دھارے سے مختلف ہیں؟
• AI بڑے پیمانے پر رسائی کو خودکار بنا سکتا ہے — کیپشنز بنانا، متن سادہ کرنا، لمساتی اخراج پیدا کرنا۔ اُس خودکار رسائی پر بھروسہ کرنے سے پہلے آپ کیا کچھ ہاتھ سے جانچنا چاہیں گے، اور کیوں؟

تعارف

رسائی اس علمی ذخیرے کے تین ہمسایہ تصورات سے الگ ہے مگر اُن سے گہرا تعلق رکھتی ہے۔ شمولیتی سیکھنا وہ وسیع چھتری ہے جس کے تحت سیکھنے کے ہر تغیر (جسمانی، علمی، حسی، حالات پر مبنی) کے لیے تعلیم ڈیزائن کی جاتی ہے۔ خصوصی تعلیم اُن طلبہ کی تدریسی ڈومین ہے جن کی معذوریاں تشخیص شدہ ہیں، بشمول انفرادی سہولتوں کے۔ سیکھنے کے لیے عالمگیر ڈیزائن وہ پیشگی ڈیزائن فریم ورک ہے (شمولیت، نمائندگی، عمل اور اظہار کے متعدد ذرائع)۔ رسائی اس جھرمٹ کے اندر تکنیکی اور طریقہ کار کی پرت کے طور پر بیٹھتی ہے: قالب کو ادراک اور استعمال کرنے کی راہ میں حائل رکاوٹیں ہٹانا، نہ کہ پیڈاگوجی کو نئے سرے سے ڈیزائن کرنا۔ دونوں کو ایک طیف پر الگ کیا جا سکتا ہے — رسائی پوچھتی ہے "کیا ہر کوئی اس مواد اور ٹول تک پہنچ سکتا ہے؟" جبکہ معذوری والے طلبہ کی معاونت پوچھتی ہے "کیا تدریس ہر طالب علم کی بامعنی خدمت کرتی ہے، بشمول سہولتوں اور معذوری کے لیے مخصوص معاونت کے؟" دونوں اہم ہیں، اور AI دونوں میں داخل ہوتا ہے۔

فرق کیوں اہم ہے

درست کیپشنز اور مناسب طریقے سے ٹیگ شدہ نقل والی ویڈیو قابلِ رسائی ہے؛ وہ کورس جو بحث کو سماعت سے محروم طالب علم کی مواصلاتی ترجیحات شامل کرنے کے لیے ترتیب دیتا ہے، اُس طالب علم کی معاونت کر رہا ہے۔ دونوں میں اوورلیپ ہے — قابلِ رسائی میڈیا شمولیتی تدریس کی پیش شرط ہے — مگر اِن کے لیے مختلف ڈیزائن اقدامات درکار ہیں اور یہ مختلف شواہد سے ماخذ لیتے ہیں۔ رسائی معیارات اور قانون میں جڑی ہے (WCAG، امریکی Assistive Technology Act اور IDEA)، جبکہ قابلِ رسائی سیکھنا اور خصوصی تعلیم پیڈاگوجی اور طالب علم کے تجربے میں جڑے ہیں۔

تحقیق کے کلیدی موضوعات

قالب کی رسائی: کیپشنز، نقول اور متن۔ مقررہ وقفوں والی AI سے قطع شدہ تدریسی ویڈیوز نے ADHD اور غیر-ADHD طلبہ کے درمیان کارکردگی کا فرق ختم کر دیا — رسائی بطور ایسا محرک جو سبھی کو فائدہ پہنچاتا ہے۔ MuTSE بڑے لینگویج ماڈلز (LLMs) پر مبنی متن کی سادگی کا جائزہ لیتا ہے تاکہ مواد کی پیچیدگی ہر طالب علم کی پڑھنے کی سطح سے ہم آہنگ ہو، یعنی رسائی کی ایک human-in-the-loop پرت۔ Chen et al. سماعت سے محروم اور کم سننے والے طلبہ کے لیے LLM کی سوال سازی بناتے ہیں، اور متن پر مبنی AI پرامپٹس اور اشارہ پر مبنی پہلی زبانوں کے درمیان عدم مطابقت کا سامنا کرتے ہیں۔

حسی رسائی: غیر بصری اور لمساتی اخراج۔ Kutti AI بصارت سے محروم بچوں کے لیے بولی جانے والی گفتگو کو بنیادی طریقۂ کار بناتا ہے، اور بصری انحصار ہٹا دیتا ہے۔ لمساتی 3D-پرنٹ شدہ گراف بصری شماریاتی ڈیٹا کو نابینا اور کم بینائی والے طلبہ کے لیے چھو جانے والا اخراج بنا دیتے ہیں۔ اشاروں کی زبان کے روبوٹ تعلیم میں روبوٹ کو سماعت سے محروم طلبہ کے لیے مواصلاتی رسائی تک پھیلا دیتے ہیں۔

فلم کے لیے لکھی گئی آڈیو ڈسکرپشن لیکچر ریکارڈنگز پر منتقل نہیں ہوتی۔ سلائیڈ پر مبنی لیکچرز ڈایاگرام، مساوات اور اشارہ کرنے والی حرکتوں کا حوالہ دیتے ہیں، اور اُن کے وقفے اوسطاً صرف 0.5 سیکنڈ کے ہوتے ہیں، چنانچہ Psychias & Gao (2026) نے لیکچر کے لیے مخصوص بینچ مارک اور قاعدے سے تشخیص ہونے والا میٹرک بنایا؛ مشین-جج کے ترتیب دیے گئے جوڑوں پر بعد از تربیت نے تعمیل کو یکساں طور پر بہتر نہیں کیا۔

بصارت سے محروم طلبہ کے لیے جنریٹو AI۔ Khlaif et al. (2026) — تین فلسطینی یونیورسٹیوں کے 21 بصارت سے محروم طلبہ کی کیفیاتی کیس اسٹڈی، جو انڈر گریجویٹ ہیں، — نے پایا کہ GenAI رفتار، مواد اور پیشکش کو انفرادی سیکھنے کے پروفائلز کے مطابق ڈھالتا ہے اور پیچیدہ علمی متون کو سادہ کرتا ہے، ساتھ ہی مواد کو مختلف طریقۂ کاروں (متن، آڈیو، بصری) میں بدلتا ہے، جس سے وہ مواد قابلِ استعمال ہو جاتا ہے جو پہلے ناقابلِ رسائی تھا۔ طلبہ نے فوری دستیابی کو سہولت کے بجائے رسائی کی بنیادی شرط قرار دیا، اور چھ باہم منسلک تکنیکی خصوصیات — تعامل، صارف دوستی، سستی، کثیرالوسیلہ پن، انضمام اور توسیع پذیری — نے طے کیا کہ GenAI کم وسائل کے سیاق میں واقعی قابلِ رسائی ہے یا نہیں، اور قابلِ استعمالیت، سستی اور رسائی ایک دوسرے کو تقویت دیتے ہیں، الگ الگ ڈیزائن غور و فکر کے طور پر نہیں۔

معذوری والے طلبہ کے لیے پالیسی اور سہولتیں۔ Shin et al. امریکی AI پالیسی دستاویزات کا تجزیہ کر کے مخصوص سیکھنے کی معذوریوں والے طلبہ کے لیے رہنمائی کا خلا آشکار کرتے ہیں، اور پالیسی سفارشات کے ساتھ سہولتیں تجویز کرتے ہیں جو Assistive Technology Act اور IDEA میں جڑی ہیں۔ Zhang et al. معذوری والے طلبہ کے لیے AI پر مبنی مداخلتوں کے 29 مطالعات کا میٹا تجزیہ کرتے ہیں اور سیکھنے کے نتائج پر درمیانی مثبت اثر پاتے ہیں (g = 0.588) — اور استدلال کرتے ہیں کہ AI کو رسائی یقینی بنانے سے آگے بڑھنا چاہیے: اُسے ایجنسی والی شرکت ممکن بنانی چاہیے۔

حد سے زیادہ شامل AI پابندیاں اور معاون نقل۔ Wright (2026) استدلال کرتے ہیں کہ "AI کے استعمال" پر عمومی پابندیاں حد سے زیادہ شامل ہیں کیونکہ وہ تقریر سے متن بنانے والی نقل اور OCR کو جنریٹو مسودہ نگاری سے الگ نہیں کرتیں: شناختی ٹیکنالوجیز اُس مواد کا قالب بدلتی ہیں جو طالب علم پہلے ہی تحریر کر چکا ہے، نئی مواد پیدا نہیں کرتیں، مگر پلیٹ فارم کی شناخت کے گرد لکھی گئی پالیسی دونوں کو یکساں پکڑ لیتی ہے۔ باریک حرکات پر قابو، لکھائی کی پڑھائی یا ٹائپنگ کی درستگی متاثر ہونے والے حالات — بشمول آٹزم اسپیکٹرم کی کیفیتیں، ڈسپریکسیا، دماغی فالج اور بار بار کی کھنچاؤ کی چوٹیں — میں مبتلا طلبہ علیحدہ آواز سے متن بنانے اور OCR پر انحصار کرتے رہے ہیں، اور رپورٹیں بتاتی ہیں کہ کئی علیحدہ آواز سے متن بنانے والی مصنوعات بند یا کمزور کر دی گئی ہیں، جس سے یہ فعلی خلا AI سے چلنے والی نقل پُر کر رہی ہے۔ اِس متبادل کو بدعنوانی سمجھنا برطانیہ کے Equality Act 2010 میں معقول ایڈجسٹمنٹ کی ذمہ داری، پیشگی Public Sector Equality Duty، امریکی Americans with Disabilities Act اور آسٹریلیا کے Disability Discrimination Act 1992 کے تحت انصاف کے تحفظات اٹھاتا ہے، تاہم مقالہ یہ دعویٰ نہیں کرتا کہ اِس تصور کو کسی ٹریبونل میں آزمایا گیا ہے۔ یہ نوٹ کرتا ہے کہ معذوری، معاون ٹیکنالوجی اور AI بدعنوانی کی پالیسی کا ملاپ کم تحقیق شدہ ہے، کہ اِس بے دخلی کا پیمانہ ناپا نہیں گیا، اور کہ یہی عدم درستگی متفاوت غلط-مثبت خطرہ پیدا کرتی ہے، کیونکہ ڈیٹیکٹرز غیر مادری انگریزی لکھنے والوں کے کم-پرپلیکسٹی متن کو مشینی تصنیف سمجھ لیتے ہیں۔ اِس حد سے زیادہ شمولیت سے پیدا ہونے والی قانونی خطرے کا نقشہ قانونی مسائل اور خطرات پر ہے۔

مشینی مزاحمت کے ساتھ پڑھنے کی اہلیت کی قیمت آتی ہے۔ اسٹرائپ اوورلیز نے استخراج کو سب سے زیادہ خراب کیا (+35.9 فیصد حرف کی غلطی، +38.3 فیصد لفظ کی غلطی)، پھر بھی چار ٹائپوگرافی اور ڈیزائن ماہرین نے عمودی پٹیوں کو قابلِ پڑھائی قرار دیا، جبکہ ترچھی پٹیوں نے حروف کی ساخت توڑ دی اور اُنہیں ناقابلِ پڑھائی قرار دیا گیا، اور حد سے زیادہ دھندلاہٹ میں فرق صرف اُن شدتوں پر مدد کرتا تھا جو انسانی پڑھائی کو بھی نقصان پہنچاتی ہیں (Salaun et al. (2026))۔

ڈسلیکسیا کے لیے AI: پہچان، معاونت اور ذاتی نوعیت کی سیکھائی۔ 2026 کا بین الضابطہ منظم جائزہ (Dabaghi, D'Urso & Sciarrone، PRISMA کی رہنمائی میں، 2018–2024، n=72) پایا کہ AI ڈسلیکسیا والے طلبہ کی پہچان، معاون مدد اور ذاتی نوعیت کی سیکھائی میں معاونت کرتا ہے — مگر یہ رجحانات انضمام کے بجائے متوازی طور پر ترقی کر رہے ہیں، اور اُنہیں مستحکم تعلیمی نظریے کے بجائے تکنیکی مواقع زیادہ ہانک رہے ہیں۔ ML پر مبنی مدد-تعلیم کے ٹولز پانچ میدانوں پر محیط ہیں (مخصوص اطلاقات، شمولیت، ذاتی نوعیت، سفارش، عمومی معاونت) مگر تکنیکی کارکردگی اور درجہ بندی کی درستگی پر زور دیتے ہیں اور ماحولیاتی جواز اور عملی کلاس روم تعیناتی کو نظر انداز کرتے ہیں۔ پہچان کی تحقیق (EEG، آنکھ کی حرکت کی ٹریکنگ، ML ماڈلز) ابتدائی مداخلت کے لیے تشخیصی امید دکھاتی ہے مگر اکثر خصوصی آلات اور کنٹرول شدہ ماحول مانگتی ہے، جو عام اسکول کے ماحول میں توسیع پذیری اور رسائی کو محدود کرتا ہے۔ کھلے چیلنجز میں محدود تجرباتی تصدیق، توسیع پذیری، حساس طالب علم ڈیٹا کے ساتھ اخلاقیات اور رازداری کے تحفظات، استاد کی محدود معاونت اور تربیت، اور زبان و ثقافت کی رکاوٹیں (زیادہ تر تحقیق انگریزی بولنے والی آبادیوں کو نشانہ بناتی ہے) شامل ہیں — جو اِس بات کو مزید پختہ کرتے ہیں کہ رسائی کو تصدیق شدہ، توسیع پذیر اور اخلاقی طور پر مستند ہونا چاہیے، محض تکنیکی طور پر مظاہرہ شدہ نہیں۔

محض رسائی کی حدود۔ تنقیدی کام خبردار کرتا ہے کہ انگریزی اور مغلوب-مرکوز ڈیٹا پر تربیت یافتہ AI معذوری-مرکوز جاننے کے طریقوں کو حاشیے پر دھکیل سکتا ہے۔ قابلِ رسائی قالب شمولیتی یا منصفانہ تدریس کی ضمانت نہیں دیتے — جو اِس بات کو مزید پختہ کرتا ہے کہ رسائی ضروری ہے مگر کافی نہیں، اور اُسے مساوات سے جڑنا چاہیے۔

سہولت-مرکوز، تشخیص-مشروط ٹولز غالب ہیں۔ نیورو ڈائیورجنٹ طلبہ کے لیے ڈیجیٹل معاون ٹیکنالوجیز کے 40 مطالعات کے اسکوپنگ جائزے نے پایا کہ 28 نے رسمی تشخیص کو شرکت کی شرط بنایا اور صرف تین نے طالب علم کے بجائے نیورو ٹائپیکل ساتھیوں پر کام کیا، ساتھ ہی الٹے اثرات رپورٹ کیے — علمی بوجھ، تھکاوٹ، توجہ کا بکھراؤ اور جنریٹو AI پر حد سے زیادہ انحصار۔(Rempel et al. (2026))

عمل کے لیے مضمرات

• قالب کی رکاوٹ کو پہلے ترجیح دیں۔ کیپشنز، نقول، آلٹ ٹیکسٹ، تضاد اور کی بورڈ سے چلنے کی صلاحیت وہ دربان پرت ہیں — اِن کے بغیر اُن طلبہ کے لیے باقی کچھ بھی اہم نہیں رہتا جنہیں اِن کی ضرورت ہے۔

• بڑے پیمانے پر رسائی خودکار بنانے کے لیے AI استعمال کریں۔ AI کیپشنز بنا سکتا ہے، متن سادہ کر سکتا ہے، لمساتی یا صوتی متبادل پیدا کر سکتا ہے، اور پیشکش کو ڈھال سکتا ہے — مگر اخراج کے معیار کا جائزہ human-in-the-loop جانچ کے ساتھ لیں۔

• رسائی کو ضروری مگر ناکافی سمجھیں۔ قابلِ رسائی ٹول خودبخود شمولیتی یا معذوری کے لحاظ سے منصفانہ ٹول نہیں ہوتا؛ رسائی کو شمولیتی سیکھنا ڈیزائن اور خصوصی تعلیم معاونت کے ساتھ جوڑیں۔

• سہولتوں کو قانون اور پالیسی میں جڑ دیں۔ AI ٹولز ڈیزائن یا خریدتے وقت معیارات (WCAG) اور قوانین (Assistive Technology Act، IDEA) کا حوالہ دیں۔

• ادارہ جاتی سطح پر AI کی تعیناتی AI رسائی پالیسی سے آگے نکل رہی ہے۔ Chan (2026) نے Times Higher Education 2026 کی درجہ بندی میں شامل تمام 100 یونیورسٹیوں کو کوڈ کیا اور پایا کہ 0% علیحدہ AI رسائی پالیسی شائع کرتی ہیں جبکہ 93% AI سے چلنے والی کیمپس خدمات تعینات کرتی ہیں (رجسٹریشن، رہائش، IT کے لیے چیٹ بوٹس)۔ مصنف کی رحمدانہ تشریح یہ ہے کہ رسائی کی ذمہ داریاں عمومی معذوری-خدمات پالیسیوں کے اندر ہی ہیں، مگر جیسا ناپا گیا، AI ٹولز کے تقاضے عوامی ادارہ جاتی ریکارڈ میں کہیں نظر نہیں آتے۔ ایک مختصر ادارہ جاتی بیان کہ تدریس اور انتظامیہ میں AI ٹولز معذور طلبہ کے لیے قابلِ رسائی ہوں، پورے ناپے گئے میدان سے آگے ہو گا۔

• طبیعیات کی ویڈیوز کی ریاضی-قابلِ رسائی نقل (2026): Gemini (آڈیو + 1 fps ویڈیو سیمپلنگ) اور LuaLaTeX استعمال کرنے والا ایک AI ورک فلو تدریسی طبیعیات کی ویڈیوز کو PDF/UA-2 اور ISO 32005 ریاضی-قابلِ رسائی PDFs میں مرتب کرتا ہے جو معمول کے مطابق رسائی کی توثیق سے گزر جاتے ہیں — مساوات سے بھرپور ویڈیو مواد کو نابینا اور کم بینائی والے طلبہ کے لیے اسکرین سے پڑھنے کے قابل بنانے کا ایک عملی اور مفت راستہ (Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs)۔

عام غلط فہمیاں

• "رسائی کی ایسی خصوصیت جو بدتر دکھتی ہے، بدتر ہی ہے۔" اسٹرائپ اوورلیز نے استخراج کو سب سے زیادہ خراب کیا (+35.9 فیصد حرف کی غلطی، +38.3 فیصد لفظ کی غلطی)، پھر بھی چار ٹائپوگرافی اور ڈیزائن ماہرین نے عمودی پٹیوں کو قابلِ پڑھائی قرار دیا، جبکہ ترچھے نمونے ناکام رہے۔ مشینی پڑھائی کی اہلیت اور انسانی پڑھائی کی اہلیت الگ الگ پیمائشیں ہیں، اور ایک کو بہتر کرنا دوسرے کو نقصان پہنچا سکتا ہے۔ رسائی کے دعوؤں میں یہ بتانا ضروری ہے کہ وہ کس قاری کے لیے ہیں۔
• "رسائی کا مطلب سہولت ہے۔" نیورو ڈائیورجنٹ طلبہ کے لیے ڈیجیٹل معاون ٹیکنالوجیز کے 40 مطالعات کے اسکوپنگ جائزے نے پایا کہ 28 نے رسمی تشخیص کو شرکت کی شرط بنایا۔ یہ تشخیص-مشروط ماڈل ہے، اور یہ ہر اُس طالب علم کو خارج کر دیتا ہے جس کی ضروریات ہیں مگر لیبل نہیں — یعنی عالمگیر ڈیزائن کی ضد۔
• "درمیانی اثرات سوال طے کر دیتے ہیں۔" Zhang et al. 29 مطالعات کا میٹا تجزیہ کرتے ہیں اور درمیانی مثبت اثر پاتے ہیں، جو حقیقی ہے اور یہ بھی بتاتا ہے کہ کون سا ٹول کس ضرورت کے لیے، اِس بارے میں کچھ نہیں کہتا۔ متفاوت مداخلتوں کا اوسط کوئی سفارش نہیں ہے۔
• "رفتار اور فوری دستیابی سہولتیں ہیں۔" تین فلسطینی یونیورسٹیوں کے 21 بصارت سے محروم انڈر گریجویٹ طلبہ کی کیفیاتی کیس اسٹڈی میں طلبہ نے فوری دستیابی کو سہولت کے بجائے رسائی کی بنیادی شرط قرار دیا۔ باہر سے جو چیز آسودگی لگتی ہے، وہ شرکت کی پیش شرط ہے۔

منسلک تصورات

• طلبہ کے مختلف گروہوں میں تفریقی اثرات
• شمولیتی سیکھنا — سیکھنے کے تغیر کے تمام پہلوؤں پر تعلیم ڈیزائن کرنے کی وسیع چھتری
• خصوصی تعلیم — تشخیص شدہ معذوریوں والے طلبہ کی تدریسی ڈومین
• سیکھنے کے لیے عالمگیر ڈیزائن — پیشگی ڈیزائن فریم ورک
• مساوات
• تعلیم میں AI کی پالیسی
• عصبی تنوع
• معاون ٹیکنالوجی
• سیکھنے کا ڈیزائن
• جنریٹو AI
• تعلیم میں روبوٹ
• ذہین ٹیوٹرنگ
• انطباقی سیکھنا
• سیکھنے والے کی ایجنسی
• ورچوئل اور آگمنٹڈ ریئلٹی — ہیڈ سیٹ، حرکت کی متلی اور ڈیوائس تک رسائی طے کرتی ہے کہ کون اِسے استعمال کر سکتا ہے
• گفتار اور آواز کی ٹیکنالوجیز
• قانونی مسائل اور خطرات — حد سے وسیع قواعد، ناقص شواہد اور معقول ایڈجسٹمنٹ کا چھتری صفحہ
• فنون، ڈیزائن اور میڈیا کی تعلیم

منسلک مضامین

• How colleges and universities are adopting AI in higher education: a global comparative analysis — Chan (2026): 100 نخبہ یونیورسٹیوں میں سے 0% AI رسائی پالیسی شائع کرتی ہیں جبکہ 93% AI کیمپس خدمات تعینات کرتی ہیں
• Addressing the Void of AI Policies in Education for Students With Specific Learning Disabilities — مخصوص سیکھنے کی معذوریوں والے طلبہ کے لیے AI پالیسیاں اور سہولتیں
• Let's CHAT About Artificial Intelligence for Students With Disabilities: A Systematic Literature Review — معذوری والے طلبہ کے لیے AI مداخلتوں کا میٹا تجزیہ
• Leveling the Playing Field: Temporal Video Segmentation for Individuals with ADHD in Computing Education — مقررہ وقفوں والی AI سے قطع شدہ ویڈیوز
• MuTSE: A Human-in-the-Loop Multi-use Text Simplification Evaluator — ذہین ٹیوٹرنگ کے لیے LLM پر مبنی متن کی سادگی
• Exploring the Design of LLM-Powered Question Generation for Deaf and Hard of Hearing Learners — سماعت سے محروم اور کم سننے والے طلبہ کے لیے LLM سوال سازی
• Kutti AI: A Voice-First, Offline-Capable Learning Companion with Real-Time Struggle Detection for Visually-Impaired Children — بصارت سے محروم بچوں کے لیے آواز-اول ساتھی
• Touching and Feeling the Data: A Reusable Software Pipeline for Tactile Statistical Graphs in Accessible Education — لمساتی 3D-پرنٹ شدہ شماریاتی گراف
• Using the Pepper Robot to Support Sign Language Communication — اشاروں کی زبان کی معاونت کرنے والا Pepper روبوٹ
• Generative artificial intelligence and the marginalization of minoritized knowledges in higher education — AI اور معذوری-مرکوز علم پر تنقیدی نقطۂ نظر
• Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs — Gemini+LuaLaTeX ریاضی-قابلِ رسائی طبیعیات ویڈیو نقل
• Assistive Generative AI for Visually Impaired Learners: Personalization and Inclusion in Higher Education — بصارت سے محروم طلبہ کے لیے معاون GenAI
• Generative AI, virtual reality, and beyond: A scoping review of digital assistive technologies for neurodivergent students in higher education — جنریٹو AI، ورچوئل ریئلٹی اور آگے: اعلیٰ تعلیم میں نیورو ڈائیورجنٹ طلبہ کے لیے ڈیجیٹل معاون ٹیکنالوجیز کا اسکوپنگ جائزہ
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — نقل، تخلیق نہیں: حد سے زیادہ شامل AI پابندیاں اور وہ معاون ٹولز جنہیں وہ پکڑ لیتی ہیں
• AD4EDU: Benchmarking University Lecture Audio Description across Accessibility Standards, Metrics, and Learner Preferences — AD4EDU: رسائی معیارات، میٹرکس اور طالب علم ترجیحات کے آڑے یونیورسٹی لیکچر آڈیو ڈسکرپشن کا بینچ مارکنگ
• AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface — AIRRI: انسانی قابلِ پڑھائی، مشین-مزاحم پڑھنے کے انٹرفیس کی طرف