AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

辅助技术

创建 2026-08-23 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

辅助技术（Assistive Technology） —— 帮助残障人士感知、操作、沟通并参与学习和日常生活的设备、软件与服务。在 教育中的 AI 语境下，辅助技术涵盖屏幕阅读器、语音转文字与文字转语音、字幕、盲文与触觉输出、手语工具，以及日益增多的、能把内容与交互适配到个体需求的 AI 驱动支持。

值得思考的问题

  • 辅助技术是可达性的工具层——个人用来弥合可达差距的具体设备与软件。在读之前，你是否把可达性和辅助技术当成同一件事？把它们当作不同的事物，会怎样改变你设计学习环境的方式？
  • 研究发现，基于 AI 的干预对残障学生的 学习结果产生中等正向效应（g = 0.588）。然而本页警告，可达工具本身并不确保融合的教学或学习者 主体性。给一个学生可达，与真正地把他纳入，区别在哪里？
  • 本页指出，美国 AI 政策文件大体上未处理辅助技术以及对有特定学习障碍学生的支持。你认为为什么支持（accommodations）这么容易从 AI 政策的缝隙里掉出去——而当它掉出去时，谁受损失？
  • 生成式 AI 能自动加字幕、简化文本、生成触觉替代物——降低适配的成本。但本页提醒你要评估 AI 生成替代物的 教学准确性。如果一个"简化版"或"触觉版"歪曲了它本应使其可达的内容，会出什么问题？
  • AI 正把辅助工具从语音优先的学习伙伴扩展到触觉图表和手语工具。作为教育者或设计者，你想先用 AI 处理哪个学习者的具体障碍——而在选择工具之前，你需要了解那个学习者的什么？

引言

辅助技术是 可达性的具体工具层。可达性是一个环境的设计属性（每个人都能访问它吗？），辅助技术则是个人用来弥合可达差距的具体设备与软件。它是 特殊教育与 融合学习的基础——有特定学习障碍、视力或听力损伤以及运动困难的学生，依赖辅助工具来访问 课程。在美国，《辅助技术法》（2004） 与《残障人士教育改进法》（IDEA，2004）为向残障学生提供这些工具提供了法律基础。

关键研究主题

AI 正在扩展辅助技术。 生成式 AI 与 LLM 正在改变辅助工具——基于 LLM 的文本简化 在 智能辅导中调整阅读级别，语音优先的 AI 为盲人与低视力学习者去除视觉依赖，AI 生成的触觉图表 把视觉数据转成可触摸的输出。Zhang 等人 发现，基于 AI 的干预（机器人、软件、智能 VR）对残障学生的学习结果产生中等正向效应（g = 0.588）。Khlaif 等人（2026） 补充了一项对巴勒斯坦 21 名视障本科生的 质性个案研究，显示 GenAI 作为一个辅助层，调整节奏、内容与交付方式，简化复杂文本，并跨模态转换内容——而学习者一贯地把它视为补充而非取代教师。

政策与提供。 Shin 等人 记录了美国 AI 政策文件大体上未处理辅助技术以及对有特定学习障碍学生的支持，呼吁制定植根于《辅助技术法》与 IDEA 的政策指引。

面向阅读障碍的 AI，贯穿检测、支持与 个性化学习。 一项 2026 年的跨学科 系统综述（Dabaghi、D'Urso 与 Sciarrone，PRISMA 指导，2018–2024，n=72）描绘了 AI 对阅读障碍学生的支持，发现 AI 被用于检测、辅助支持与个性化学习——但这些线索是平行演化而非整合的，更多由技术机会而非整合的教育理论驱动。基于 ML 的助学工具落入五个领域（具体应用、参与、个性化、推荐、通用支持），却强调技术性能与分类准确率，而忽视生态效度与实际的课堂部署。检测研究（EEG、眼动追踪、ML 模型）显示出早期干预的诊断前景，但常需要专门设备与受控环境，限制了在典型学校场景中的可扩展性与可达性。开放的挑战包括有限的实验验证、可扩展性、敏感学生数据的 伦理/隐私问题、有限的 教师支持与培训，以及语言/文化障碍（多数研究以英语人群为对象）——这提醒我们，辅助工具必须被验证、可扩展、伦理上站得住，才能真正弥合可达差距。

辅助工具的局限。 辅助技术使可达成为可能，但它本身不确保融合的教学或学习者 主体性。批判性研究 以及为残障学生争取能动角色的努力提醒我们，可达必须与有意义的参与相配。

一项 2026 年关于面向 高等教育中 神经多样性学生的数字辅助 技术的范围综述，描绘了这十年的产出：跨五个数据库筛选 766 条记录，纳入 40 项研究，其中 15 项含基于 AI 的工具，11 项含 虚拟现实。其组织性发现是工具所针对之处与障碍所在之处之间的错配——27 项研究直接支持学习，13 项处理阅读与写作、12 项处理学习管理，而注意力（n = 4）与社会沟通（n = 5）相对被忽视，只有 6 项处理多重障碍（Rempel 等人，2026）。

实践启示

  • 把工具与学习者和任务相匹配。 屏幕阅读器、字幕、语音与触觉输出各自处理不同的障碍——依据个体的需求与内容格式来选择。
  • 用 AI 降低辅助适配的成本。 AI 能自动加字幕、简化文本、生成替代物，但要从教学准确性上评估输出质量。
  • 把提供植根于政策。 在采购或构建 AI 工具时，参照《辅助技术法》、IDEA 与 WCAG。
  • 说清支持所服务的是哪个功能——并针对该功能评估。 Vasileiou 等人（2026）区分了补偿（按可达与参与来评估）、脚手架（有支持下的决策）与发展（消退或迁移后的策略使用）。他们还补上了一条针对本页告诫的规则：可达性支持不是补救——一个工具究竟属于支持（accommodation）、策略教学，还是临时性练习支持，"都应在学习计划中说明"。

关联概念

关联文章

相关常见问题

元数据

层次Special Education
公平、伦理与负责任使用可及性, 辅助技术, 公平性, 包容性学习
教育中的人工智能基础学习设计
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。