AI có thể hỗ trợ người học khuyết tật và người học thần kinh đa dạng trong khóa học của tôi như thế nào?

Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.

Lá thư điều chỉnh hỗ trợ nêu tên một sinh viên, một khóa học và một công cụ bạn chưa từng nghe tới. Hoặc một sinh viên đã hỏi, một cách hợp lý, liệu họ có thể tiếp tục dùng phần mềm chuyển giọng nói thành văn bản trong một bài thi có giới hạn thời gian hay không, trong khi quy định AI của khóa học bạn ghi là không dùng AI dưới bất kỳ hình thức nào. Hoặc văn phòng hỗ trợ tiếp cận muốn có câu trả lời trước thứ Sáu về việc có nên mua bản quyền một công cụ đọc hay không, còn bằng chứng phía nhà cung cấp chỉ là một lời chứng thực từ một trường khác.

Câu trả lời đứng vững trước cả ba tình huống: hãy bắt đầu từ rào cản mà nhiệm vụ tạo ra, dùng những công cụ đã thực sự được đo, và dạy bất cứ thứ gì bạn áp dụng. Hai nguyên tắc quan trọng hơn mọi lựa chọn sản phẩm. Ghi rõ chuyển giọng nói thành văn bản và OCR trong quy định AI của bạn như những điều chỉnh hỗ trợ theo đúng nghĩa của chúng, và trao cho bài tập một cấu trúc thay vì yêu cầu sinh viên tự suy ra. Hãy tỉnh táo về bằng chứng: con số mạnh nhất trên trang này đến từ các bối cảnh giáo dục đặc biệt PK-12 với phần lớn là AI tiền tạo sinh, còn tài liệu về giáo dục đại học chỉ là một bản đồ những gì đã được thử.

Tóm tắt

1. Viết rào cản chức năng lên lá thư điều chỉnh hỗ trợ trước khi viết tên công cụ: đọc và viết, quản lý việc học, chú ý, hay giao tiếp xã hội.

2. Bắt đầu với phần mềm dạy học có cấu trúc, thứ đã có hiệu ứng được đo, và đọc nhãn độ tin cậy của nó trước khi mua chiếc chatbot mà ai đó chào bạn.

3. Quyết định xem đây là thay đổi thiết kế hay điều chỉnh hỗ trợ cá nhân. Ở đâu rào cản là chung, hãy thay đổi thiết kế, vì điều đó xoá bỏ bước phải tự khai báo.

4. Dạy cách dùng công cụ. Một điều chỉnh hỗ trợ được cấp mà không kèm hướng dẫn chính là kiểu thất bại mà án lệ trừng phạt.

5. Ghi rõ chuyển giọng nói thành văn bản và OCR trong quy định AI, để một lệnh cấm viết nhằm vào việc soạn thảo bằng AI không vô tình rút mất phương tiện tạo ra bài làm đọc được của sinh viên.

6. Chạy thử nghiệm nhắm vào rào cản chứ không nhắm vào một bảng khảo sát mức độ hài lòng, và nói trước bạn sẽ tính cái gì là thành công.

Bắt đầu từ rào cản mà nhiệm vụ tạo ra

Phần lớn những gì đi sai với sinh viên khuyết tật và sinh viên thần kinh đa dạng xảy ra ở cấp độ nhiệm vụ: một bài đọc mặc định rằng người đọc dùng bản in, một video mặc định rằng người xem duy trì được sự chú ý liên tục, một bài tập nhóm mặc định rằng mọi người đã biết những quy tắc xã hội không ai nói ra. Những rào cản đó lặp lại qua các chẩn đoán khác nhau, nên câu hỏi hữu ích là công cụ gỡ bỏ rào cản chức năng nào, và câu hỏi mua sắm cũng nên được đặt theo đúng cách đó.

Các phạm trù chẩn đoán che khuất điều này. Bài tổng quan phạm vi dưới đây cho thấy tài liệu bị chi phối bởi những điều chỉnh hỗ trợ cá nhân và những công cụ dành cho một kiểu thần kinh duy nhất, tổ chức quanh chẩn đoán chính thức, trong khi những khác biệt chức năng mà chúng nhắm tới lại cắt ngang các kiểu thần kinh. Sinh viên mắc chứng khó đọc thường hưởng lợi khi giảm bớt sự phụ thuộc vào tài liệu chỉ có chữ viết. Sinh viên tự kỷ và sinh viên có ADHD đều có thể trải qua sự dao động chú ý thường xuyên, khiến kết quả học tập nhạy cảm với cấu trúc nhất quán và đủ thời gian để chuyển đổi nhiệm vụ. Một công cụ khớp với nhãn chẩn đoán có thể bỏ sót đúng rào cản mà sinh viên trong lớp bạn đang có.

Lời cảnh báo tương tự áp dụng cho các thống kê nhóm. Hiệu ứng khác biệt giữa các nhóm người học báo cáo một hiệu ứng lớn hơn đáng kể đối với sinh viên có khuyết tật học tập đặc thù, khuyết tật trí tuệ và phát triển, hoặc sinh viên khiếm thính, so với sinh viên rối loạn phổ tự kỷ, và sự khác biệt đó không có ý nghĩa thống kê giữa các cỡ hiệu ứng.

Dùng những gì đã được đo, và đọc nhãn

Kết quả định lượng mạnh nhất trên trang này cũng là kết quả chung nhất, và nó đi kèm những giới hạn bạn nên mang theo vào quyết định mua sắm.

Zhang, Carter, Liu và Peng (2024) tổng hợp 29 nghiên cứu (bán) thực nghiệm về các can thiệp dựa trên AI cho học sinh khuyết tật: 239 cỡ hiệu ứng từ 41 mẫu độc lập, một hiệu ứng tổng thể mức trung bình có ý nghĩa thống kê đối với kết quả học tập là g Hedges = 0.588 (95% CI [0.349, 0.826], p < .01), và độ không đồng nhất giữa các nghiên cứu cao. Hiệu suất học tập là phân nhóm kết quả lớn nhất (k = 80, g = 0.929) và kỹ năng cảm xúc xã hội là nhỏ nhất (k = 144, g = 0.382). Phần mềm máy tính, tức nhận dạng giọng nói, hệ chuyên gia và hệ gia sư thông minh, đạt kết quả mạnh (k = 74, g = 0.959) và robot ở mức trung bình (k = 144, g = 0.509), trong khi VR thông minh (g = 0.528) không có ý nghĩa thống kê. Có thiên lệch công bố (β của Egger = 2.837, p < .001); phương pháp trim-and-fill hạ ước lượng xuống g = 0.269, vẫn có ý nghĩa thống kê.

Mọi nghiên cứu đều ở cấp PK-12. 96.6% dùng giảng dạy theo bước trong bối cảnh giáo dục đặc biệt hoặc lâm sàng, và phần lớn dùng AI dựa trên luật cũ hơn thay vì AI sinh tạo. Điều đó ủng hộ việc áp dụng thận trọng phần mềm dạy học có cấu trúc. Nó không chuyển sang được cho một chatbot đa dụng, và coi như nó chuyển được là sai lầm tốn kém nhất có thể mắc phải trên trang này.

Ba kết quả nhỏ hơn cho thấy một công cụ đơn lẻ làm được gì khi rào cản hẹp. Mỗi kết quả được thử trên một vài người học, nên hãy coi chúng là những thử nghiệm rẻ và có thể đảo ngược chứ không phải hạ tầng.

Về sự chú ý, Pimenova, Begel và các cộng sự (2026) chia nhỏ các video giảng dạy sau khi đã ghi thành những đoạn chỉ chứa một chỉ dẫn, với các khoảng dừng cố định. Với 17 người học có ADHD và 10 người không có, cách này cải thiện kết quả của tất cả mọi người và đưa số lỗi cùng số lần ngập ngừng của nhóm ADHD về ngang bằng. Hiệu ứng san bằng đến từ một thay đổi nhẹ nhàng đối với học liệu.

Về khả năng tiếp cận ngôn ngữ, Chen và các cộng sự (2026) thêm câu hỏi Visual (các mốc thời gian mà thông tin hình ảnh dễ bị hiểu sai) và câu hỏi Emotion (các mốc thời gian mà người học Điếc và Khiếm thính trước đó báo cáo cảm giác bực bội) vào một bộ cơ sở Large Language Models (LLMs), tạo ra 30 câu hỏi, mười câu cho mỗi chiến lược. Với 16 người học, cảm nhận năng lực bản thân đạt trung bình 5.70 (SD = 1.12) trên thang bảy điểm, và câu hỏi hình ảnh được người Điếc chọn thường xuyên hơn người khiếm thính.

Về đọc và viết, Rezazadegan và các cộng sự (2026) khai thác chính các thảo luận trên diễn đàn của người học mắc chứng khó đọc. Những người học này đánh giá cao AI cho việc hỗ trợ đọc viết, đồng thời báo cáo chất lượng đầu ra không đồng đều và thiếu những điều chỉnh hỗ trợ công bằng. Sự thiếu nhất quán tự nó là một rào cản: một công cụ không thể tin cậy sẽ thêm việc chứ không bớt việc.

Bức tranh giáo dục đại học là phần yếu nhất của bằng chứng và cũng là phần gần với công việc của bạn nhất. Rempel, Heimann và Prilop (2026) sàng lọc 766 bản ghi từ năm cơ sở dữ liệu xuống còn 40 nghiên cứu được đưa vào, công bố trong khoảng 2015 đến 2025. AI sinh tạo xuất hiện trong 15 trên 40 nghiên cứu và thực tế ảo trong 11. Độ phủ rào cản không đồng đều: đọc và viết (n = 13) cùng quản lý việc học (n = 12) chiếm ưu thế, chú ý (n = 4) và giao tiếp xã hội (n = 5) bị bỏ ngỏ, và chỉ 6 nghiên cứu đề cập đến nhiều hơn một rào cản. Bài tổng quan loại trừ K-12 và các bối cảnh cơ sở chuyên biệt theo thiết kế, nên nó không nói gì về người học nhỏ tuổi. Hãy dùng nó để xem những rào cản nào đã được xử lý ở cấp học của bạn, và những rào cản nào hầu như chưa được chạm tới.

Quyết định xem bạn đang thay đổi thiết kế hay thay đổi điều chỉnh hỗ trợ

Thiết kế phổ quát loại bỏ nhu cầu sinh viên phải tự nhận mình là người cần hỗ trợ đặc biệt. Điều chỉnh hỗ trợ đòi hỏi đúng điều đó, và sự kỳ thị là một phần của cái giá phải trả. Vì vậy khi một rào cản hoá ra là chung, thay đổi thiết kế là lựa chọn tốt hơn: nó chạm tới những sinh viên không bao giờ tự khai báo.

Kết quả chia nhỏ video là trường hợp rõ nhất. Một video được cắt thành các đoạn chỉ chứa một chỉ dẫn với khoảng dừng cố định đã cải thiện mọi người học trong nghiên cứu, không chỉ những người có ADHD, và đưa số lỗi cùng số lần ngập ngừng của nhóm ADHD về ngang bằng. Đó là kết cục của thiết kế phổ quát, đạt được bằng một lần cắt dựng chứ không bằng một sản phẩm.

Giới hạn trung thực: đó là 17 người học có ADHD và 10 người không có, trong một nghiên cứu, và không gì trong tài liệu này cho bạn biết nên khái quát từ một kết quả ở một lớp học đến đâu, hay khi nào nhu cầu của một sinh viên đủ riêng biệt để cần một thoả thuận cá nhân. Phán đoán đó vẫn thuộc về bạn và văn phòng hỗ trợ tiếp cận.

Dạy cách dùng công cụ, và gắn tên một người vào việc dạy đó

Kiểu thất bại đã được ghi nhận là một điều chỉnh hỗ trợ được cấp mà không kèm hướng dẫn. Trong vụ W.A. v. Clarksville/Montgomery County School System (2024), một học sinh được cấp AI như một điều chỉnh hỗ trợ đã tốt nghiệp mà không biết đọc, và toà án xác định rằng một nền giáo dục công lập miễn phí, phù hợp đã không được cung cấp.

Hai điều khiến kiểu thất bại đó dễ xảy ra, và cả hai đều mang tính thể chế. Shin và các cộng sự (2026) dùng mô hình hoá chủ đề dựa trên LLM và hai vòng khảo sát Delphi với 17 chuyên gia trên 12 văn bản chính sách AI trong giáo dục của Hoa Kỳ từ 2015 đến 2025. Chuẩn bị cho nhà giáo dục là một trong năm chủ đề đã được kiểm chứng của họ, gồm 4 trên 36 mục, và các chuyên gia xếp việc trao quyền cho người học cùng năng lực AI là thiết yếu nhất: những học sinh này nên học cách dùng AI có trách nhiệm và độc lập, với việc phòng ngừa phụ thuộc quá mức được dạy như một phần của chính kỹ năng đó. Các tác giả của LUDIA gọi trở ngại là “khoảng cách biết và làm”: hướng dẫn thì có rất nhiều, được viết bằng những thuật ngữ chung chung, trong khi một rào cản thì luôn cụ thể cho căn phòng này, tuần này.

Điều trang này không thể cho bạn là một quy trình tập huấn. Không tồn tại hướng dẫn chính thức dựa trên bằng chứng nào giúp nhà giáo dục hay gia đình triển khai AI cho những người học này, nên lượng hướng dẫn, trình tự của nó và người thực hiện đều là những phán đoán. Án lệ đặt ra mức sàn chứ không phải tiêu chuẩn: cuối cùng người học phải làm được việc đó, và phải có người chịu trách nhiệm đưa họ tới đó.

Ghi rõ chuyển giọng nói thành văn bản và OCR vào quy định AI

Wright (2026) lập luận rằng những quy định đối xử với mọi “việc dùng AI” như nhau là quá rộng, vì chúng không tách chuyển giọng nói thành văn bản và OCR ra khỏi việc soạn thảo bằng AI sinh tạo. Những sinh viên có tình trạng ảnh hưởng đến kiểm soát vận động tinh, độ rõ của chữ viết tay hoặc độ chính xác khi gõ phím đã dựa vào các sản phẩm chuyển giọng nói thành văn bản độc lập như Dragon NaturallySpeaking và OCR độc lập, trong đó một số đã bị ngừng cung cấp hoặc bị giảm chất lượng, và việc chuyển giọng nói thành văn bản có AI đang lấp vào khoảng trống chức năng đó.

Do đó một quy định viết là “không dùng AI” có thể rút mất phương tiện chính để tạo ra bài làm đọc được của sinh viên. Chưa ai đo được quy mô của sự thay thế đó, và đó là lý do để nói rõ thay vì chờ con số. Hãy nêu chuyển giọng nói thành văn bản và OCR như những điều chỉnh hỗ trợ trong chính sách, đặt cạnh các lệnh cấm soạn thảo, để hai câu hỏi được quyết định riêng. Rủi ro mà điều này tạo ra cho nhà trường thuộc về Các vấn đề pháp lý và rủi ro.

Đây là một sửa đổi một dòng trong hầu hết các văn bản, và nó là dòng có hậu quả lớn nhất trên trang này.

Cung cấp cấu trúc ở nơi bài tập mặc định rằng đã có

Cấu trúc là can thiệp rẻ nhất ở đây và cũng là thứ hay bị bỏ sót nhất trong kế hoạch. Zastudil và các cộng sự (2026) khảo sát 24 sinh viên ngành máy tính thần kinh đa dạng (tự kỷ và/hoặc ADHD) cùng 20 bạn học thần kinh điển hình, với bốn buổi phỏng vấn tiếp theo. Nhóm thần kinh đa dạng không thoải mái với những bài tập phi cấu trúc hoặc mơ hồ và rất thích những nhóm nhỏ hơn, làm việc cùng nhau một cách nhất quán với vai trò được định nghĩa rõ ràng; họ đối phó bằng cách tự chọn vai trò và khai báo một cách có chiến lược.

Đó là dữ liệu về sở thích, không phải một nghiên cứu hiệu ứng, và nó cũng chính là bản đề bài mà sinh viên tự viết cho mình. Công việc qua trung gian AI mang một phiên bản cụ thể của rủi ro này, vì mô hình tương tác của một công cụ có thể tái tạo đúng sự mơ hồ về cấu trúc mà bài tập vốn đã có. Hãy kiểm tra xem công cụ yêu cầu sinh viên tự quyết định điều gì trước khi bạn thêm nó vào một nhiệm vụ.

Chạy thử nghiệm nhắm vào rào cản, và ghi lại những gì bạn đã đếm

Hiệu ứng tổng hợp cho bạn một hướng đi. Chúng không cho bạn biết công cụ có hiệu quả với sinh viên trong lớp bạn vào tuần sau hay không, nên bất kỳ thử nghiệm nào cũng cần một thước đo được chọn trước khi nó bắt đầu.

Ba lưu ý nên định hình thước đo đó. Thứ nhất, thứ tự xếp hạng giữa các phân nhóm chỉ gợi ý chứ chưa được xác lập: không biến số điều tiết nào đạt mức có ý nghĩa thống kê trong phân tích tổng hợp năm 2024, nên những xếp hạng như tác nhân có thể dạy (g = 1.100) đứng trên huấn luyện viên cảm xúc xã hội (g = 0.336), hay tương tác song đôi đứng trên tương tác bộ ba (g = 0.973 so với g = 0.385), không nên được coi là đã an bài. Hướng của hiệu ứng thì có cơ sở; độ lớn, thiết kế tối ưu và độ bền của bất kỳ mức tăng nào thì không.

Thứ hai, tập tài liệu này mô tả các đợt triển khai và cảm nhận nhiều hơn là việc học được đo lường. Chú ý (n = 4) và giao tiếp xã hội (n = 5) là những rào cản ít được nghiên cứu nhất, và sự khan hiếm các thiết kế (bán) thực nghiệm cùng thiết kế theo chiều dọc là lý do công trình về giáo dục đại học là một tổng quan phạm vi chứ không phải phân tích tổng hợp. Độ phủ nghiêng về bậc đại học và khu vực Bắc bán cầu, tìm kiếm chỉ gồm công trình đã bình duyệt bằng tiếng Anh, và sinh viên sau đại học ít được đại diện. Mức độ tham gia và sự hài lòng là những chỉ báo yếu.

Thứ ba, một công cụ sửa được rào cản này có thể để nguyên rào cản khác. Hãy kiểm tra công cụ đối chiếu với đúng khó khăn mà sinh viên báo cáo, dù đó là đọc và viết, quản lý việc học, chú ý hay giao tiếp xã hội, và đánh giá dựa trên khó khăn đó chứ không dựa trên cảm nhận của sinh viên về sản phẩm. Hãy hỏi sinh viên nên đếm cái gì. Những người tham gia của Zastudil và những người đăng bài trên diễn đàn của Rezazadegan đều mô tả nhu cầu của mình chính xác hơn những sản phẩm được làm cho họ.

Điều bạn sẽ không tìm thấy ở đây là một công cụ đã được kiểm chứng để đo một rào cản trong một khóa học duy nhất, hay bằng chứng về việc một thử nghiệm nên kéo dài bao lâu. Cả hai đều là lỗ hổng trong tài liệu chứ không phải thất bại trong việc tìm kiếm của bạn, và chúng đáng được ghi lại trong biên bản rà soát.

Mua vì rào cản, và từ chối lựa chọn mặc định đắt tiền

Hai yêu cầu mua sắm đến thẳng từ bài tổng quan: nêu thiết kế phổ quát và phát triển có sự tham gia như những điều kiện, và xây dựng công cụ cùng với sinh viên thần kinh đa dạng chứ không phải cho họ. Mẫu của chính bài tổng quan cho thấy điều đó hiếm đến mức nào, khi chỉ 3 trên 40 nghiên cứu coi môi trường hoặc bạn học thần kinh điển hình là đối tượng can thiệp.

Sau đó hãy lập ngân sách một cách trung thực. Công nghệ hỗ trợ cần thiết bị và kết nối, và những công cụ miễn phí trong giai đoạn thí điểm thường chuyển ra sau tường phí. Thực tế ảo là lựa chọn ngốn tài nguyên nhất trong bộ này, và lĩnh vực này tập trung ở Bắc bán cầu, nên những công cụ nhập vai nhất của nó lại là những công cụ khó mở rộng nhất. Shin và các cộng sự chỉ thẳng vào khoảng cách số: giá của những công cụ AI tiên tiến có thể làm rộng thêm chênh lệch giữa các trường giàu và trường nghèo, cùng với thiên lệch thuật toán và lỗ hổng trong đào tạo giáo viên.

LUDIA là một phiên bản đã được triển khai của lựa chọn thay thế chi phí thấp, và các tác giả của nó nói thẳng một cách hiếm thấy về những gì họ chưa chứng minh. Nó kết nối nhà giáo dục với Thiết kế phổ quát cho học tập trong lúc một quyết định thiết kế còn đang mở, và gỡ bỏ rào cản tiếp cận bằng kiến trúc: không mất phí, không tài khoản hay lưu trữ cuộc trò chuyện, tuân thủ WCAG 2.2 mức AA, và 13 ngôn ngữ được dịch bằng máy, dù các phiên bản không phải tiếng Anh có thể mang theo những giả định của bản tiếng Anh mà chúng được dịch ra. Nó là một người bạn tư duy chứ không phải một cỗ máy giải pháp, và các tác giả nêu rõ rằng họ không có bằng chứng nào cho thấy nó cải thiện việc học. Họ cũng nêu một giới hạn cần có trong mọi kế hoạch triển khai: thiên lệch tự động hoá khiến nhà giáo dục dễ chấp nhận một gợi ý kém nhất lại chính là người tin rằng công cụ đó hiểu Thiết kế phổ quát cho học tập. Cũng chưa ai kiểm tra đầu ra của nó về thiên lệch văn hoá hay ngôn ngữ.

Hãy để mắt tới một kiểu thất bại thứ hai. Việc phụ thuộc quá mức vào chatbot và tình trạng quá tải nhận thức của các môi trường nhập vai được ghi nhận như những hiệu ứng đảo ngược, khi việc thêm công nghệ làm giảm việc học. Một công cụ chỉ tái tạo cách dạy hiện có dưới dạng số nên được kỳ vọng là mang lại mức tiến bộ học tập hạn chế.

Giảng viên hiểu sai gì về điều này

Một chẩn đoán cho tôi biết nên mua công cụ nào. Các rào cản cắt ngang chẩn đoán, và một công cụ khớp với nhãn có thể bỏ sót rào cản đang ở trong phòng. Hãy hỏi nhiệm vụ mặc định điều gì: bản in, sự chú ý liên tục, những quy tắc xã hội không nói ra, một cách cụ thể để tạo ra văn bản.

Điều chỉnh hỗ trợ là một thoả thuận cá nhân, nên cách khắc phục thuộc về sinh viên. Một số đúng là như vậy, và những cái đáng được khái quát hoá chính là những cái bạn vốn sẽ thiết kế vào bài từ đầu. Việc chia nhỏ video giúp mọi người học trong nghiên cứu của nó. Thay đổi thiết kế xoá bỏ bước tự khai báo, và xoá luôn sự kỳ thị.

Mức độ tham gia và sự hài lòng cho thấy công cụ đã hiệu quả. Chúng cho thấy sinh viên thích nó. Tập tài liệu này phần lớn là các đợt triển khai và cảm nhận, và chỉ 6 trên 40 nghiên cứu giáo dục đại học phục vụ nhiều hơn một rào cản, nên một sinh viên hài lòng chưa phải là bằng chứng rằng một rào cản đã được gỡ.

Công cụ mang theo sự hỗ trợ, còn việc dạy chỉ là phần thêm. Án lệ coi một công cụ không được dạy cách dùng là thất bại, và các chuyên gia chính sách xếp việc trao quyền cho người học cùng năng lực AI là chủ đề thiết yếu nhất của họ. Hãy tính thời gian dạy vào cùng với chi phí bản quyền.

Những gì sẽ quay lại với bạn

“Chúng tôi không thể bắt buộc mọi người dùng một công cụ.” Khi công cụ là một đặc điểm thiết kế, bắt buộc chính là mục đích. Việc chia nhỏ video với khoảng dừng cố định cải thiện kết quả của mọi người học và đưa số lỗi cùng số lần ngập ngừng của nhóm ADHD về ngang bằng, đó là kết cục của thiết kế phổ quát giúp xoá bỏ nhu cầu tự khai báo. Những mặc định dễ tiếp cận mang cùng logic đó: công cụ đọc thành tiếng, OCR và công cụ san bằng độ khó văn bản xuất hiện lặp lại trong các mục chính sách đã được kiểm chứng của Shin và các cộng sự. Tập tài liệu của họ cũng cho thấy chính sách còn phải đi bao xa, vì chỉ 2 trên 12 văn bản đề cập cụ thể đến khuyết tật học tập, trong khi 18 chủ đề có mặt trong chính sách AI nói chung hoặc chính sách về khuyết tật khác, trong đó có bảo vệ dữ liệu, quản lý rủi ro pháp lý và hướng dẫn đạo đức, lại vắng mặt trong chính sách về khuyết tật học tập đặc thù.

“Phụ đề và dịch thuật không phải là hỗ trợ học tập.” Phụ đề là một khởi đầu, không phải toàn bộ khả năng tiếp cận ngôn ngữ. Câu hỏi Visual và Emotion của Chen và các cộng sự tồn tại vì chỉ một bản ghi lời thoại để người học Điếc tự dựng lại bối cảnh mà video chưa bao giờ nói ra. Xếp hạng của các chuyên gia chính sách cũng không đồng ý với phản đối này. 36 mục đã được kiểm chứng của họ trải trên năm chủ đề, trong đó học tập hoà nhập và cá nhân hoá là lớn nhất với 11 mục (30.56%) và đạo đức, công bằng và hoà nhập với 9 mục (25.00%), còn chuẩn bị cho nhà giáo dục là 4 mục (11.11%), vậy mà các chuyên gia xếp việc trao quyền cho người học cùng năng lực AI là thiết yếu nhất trong năm chủ đề, với 6 mục (16.67%), ngang với đánh giá và nghiên cứu.

“Sinh viên phải độc lập.” Độc lập chính là mục đích của việc dạy, và đó là lý do một công cụ không kèm việc dạy là thất bại. Chủ đề chuẩn bị cho nhà giáo dục của Shin và các cộng sự tồn tại vì cùng lý do đó. Quy mô của nhu cầu rất dễ bị xem nhẹ: khoảng 240 triệu trẻ em trên thế giới sống chung với khuyết tật, khoảng một nửa trong số đó không được đến trường ở các nước thu nhập thấp và trung bình, và khoảng một phần ba giáo viên trong các hệ thống OECD báo cáo thiếu năng lực để hỗ trợ học sinh có nhu cầu đặc biệt. Tại Hoa Kỳ, Đạo luật Công nghệ Hỗ trợ (2004) và IDEA (2004) đặt việc đánh giá công nghệ hỗ trợ vào trong từng Chương trình Giáo dục Cá nhân hoá và yêu cầu một nền giáo dục công lập miễn phí, phù hợp, vậy mà không có hướng dẫn chính thức dựa trên bằng chứng nào giúp nhà giáo dục hay gia đình triển khai AI cho những người học này. Độc lập được xây trên một công cụ không ai dạy cách dùng chính là điều án lệ trừng phạt.

“Chúng tôi không đủ tiền.” Vậy hãy từ chối lựa chọn mặc định đắt tiền. Thực tế ảo là lựa chọn ngốn tài nguyên nhất trong bộ này, và những công cụ nhập vai nhất của lĩnh vực này lại khó mở rộng nhất. Một công cụ miễn phí, bảo vệ quyền riêng tư, giúp cải thiện cuộc trao đổi về thiết kế, với các lưu ý của tác giả được đọc trước, là một giao dịch mở đầu tốt hơn một chiếc kính thực tế ảo.

“Bằng chứng quá mỏng để hành động.” Mỏng, nhưng không trống rỗng. Phân tích tổng hợp năm 2024 cho bạn một hướng đi với khoảng tin cậy rộng và một hiệu chỉnh thiên lệch công bố cắt ước lượng xuống còn chưa bằng một nửa, ba nghiên cứu một công cụ thì nhỏ, và bài tổng quan về giáo dục đại học đo độ phủ chứ không đo hiệu ứng. Điều đó ủng hộ những bước rẻ và có thể đảo ngược: một thay đổi thiết kế, một điều chỉnh hỗ trợ được nêu tên, một thử nghiệm với thước đo đã thoả thuận trước. Trì hoãn quyết định cũng là một quyết định, và nó để sinh viên trước mặt bạn với bất cứ thứ gì mà thoả thuận mặc định mang lại.

Việc cần làm trong tuần này

1. Với mỗi yêu cầu điều chỉnh hỗ trợ trên bàn làm việc, hãy viết rào cản chức năng bên cạnh tên công cụ, và kiểm tra rằng công cụ xử lý rào cản đó chứ không phải chẩn đoán.

2. Hỏi xem rào cản đó có chung cho cả lớp không. Nếu có, hãy thay đổi thiết kế: cắt nhỏ video, xoá bỏ sự mơ hồ, bật tính năng đọc thành tiếng, và trao cho bài tập cấu trúc mà nó còn thiếu.

3. Thêm chuyển giọng nói thành văn bản và OCR vào quy định AI bằng tên gọi, để lệnh cấm soạn thảo bằng AI sinh tạo và điều chỉnh hỗ trợ cho việc tạo ra văn bản được quyết định riêng.

4. Gắn một cái tên và một ngày vào việc dạy: ai chỉ cho sinh viên dùng công cụ, khi nào, và ai kiểm tra rằng nó đang hoạt động.

5. Thoả thuận thước đo với sinh viên trước khi thử nghiệm bắt đầu, và ghi kết quả vào biên bản rà soát, kể cả trường hợp câu trả lời là nó không giúp gì.

Đi tiếp từ đây

Universal Design for Learning bao quát cách tiếp cận thiết kế ngăn rào cản trước khi chúng xuất hiện, Assistive Technology là lớp công cụ mà sinh viên dùng, Accessibility hỏi liệu một định dạng có thể được cảm nhận và vận hành hay không, và Neurodiversity là lăng kính coi khác biệt là sự đa dạng chứ không phải khiếm khuyết, tất cả nằm trong ô chung của Inclusive Learning. Làm sao để sinh viên không phụ thuộc quá mức vào AI? đề cập những hiệu ứng phụ thuộc quá mức và hiệu ứng đảo ngược quyết định liệu một công cụ còn tiếp tục giúp ích hay không, còn đưa công bằng, khả năng tiếp cận, quyền riêng tư, đạo đức và an toàn sư phạm vào nghiên cứu AIED đề cập những nghĩa vụ phía nghiên cứu.