W debacie o technologii w edukacji specjalnej łatwo ulec dwóm skrajnościom.
Pierwsza to technologiczny entuzjazm: przekonanie, że „inteligentne” systemy wreszcie rozwiążą problemy, z którymi szkoła zmaga się od lat.
Druga to technologiczny sceptycyzm: obawa, że cyfrowe narzędzia upraszczają złożone potrzeby uczniów i zastępują relację pedagogiczną algorytmem.

Tymczasem badania pokazują coś znacznie ciekawszego: największy potencjał nie leży ani w pełnej automatyzacji, ani w odrzuceniu technologii, lecz w mądrze zaprojektowanym połączeniu ludzkiej i sztucznej inteligencji (OECD, 2021).

Od „czy to możliwe?” do „czy to ma sens?”

Rozwój technologii cyfrowych sprawił, że wiele barier sensorycznych przestaje być nieprzekraczalnych. Dzisiejsze urządzenia mobilne oferują:

  • dźwięk (syntezę mowy),
  • dotyk (wibracje),
  • obraz,
  • a coraz częściej także analizę danych w czasie rzeczywistym.

Badania nad dostępnością treści graficznych dla osób z niepełnosprawnością wzroku pokazują, że łączenie modalności (np. dźwięku i wibracji) może być skuteczniejsze niż rozwiązania oparte wyłącznie na jednym kanale sensorycznym (Gorlewicz et al., 2018; Gorlewicz et al., 2020). Co więcej, wykorzystanie powszechnie dostępnych tabletów i smartfonów może eliminować konieczność stosowania drogiego, wyspecjalizowanego sprzętu.

To jednak prowadzi do kluczowego pytania pedagogicznego:

Nie „czy technologia działa?”, ale „czy została zaprojektowana z myślą o realnych potrzebach, użytkownikach i kontekście edukacyjnym?”

Holistyczne projektowanie zamiast technologicznego entuzjazmu

Raport OECD jednoznacznie wskazuje, że technologie wspierające uczniów ze specjalnymi potrzebami zawodzą najczęściej wtedy, gdy:

  • nie odpowiadają na rzeczywiste potrzeby,
  • nie uwzględniają perspektywy uczniów,
  • ignorują kontekst szkoły, klasy i codziennej praktyki nauczycieli (OECD, 2021).

To podejście jest zaskakująco bliskie filozofii Universal Design for Learning. UDL od lat podkreśla, że skuteczne środowiska uczenia się powstają wtedy, gdy:

  • zmienność uczniów traktujemy jako normę,
  • projektujemy z wyprzedzeniem, a nie reagujemy po fakcie,
  • technologia wspiera decyzje pedagogiczne, a nie je zastępuje (CAST, 2018).

Dlaczego „smart” nie znaczy „samodzielny”?

Jednym z najważniejszych wniosków badań nad inteligentnymi systemami edukacyjnymi jest ich kruchość. Algorytmy świetnie rozpoznają wzorce w danych, ale:

  • słabo radzą sobie z wyjątkami,
  • nie rozumieją kontekstu emocjonalnego,
  • nie potrafią odpowiedzialnie reagować na sytuacje kryzysowe.

Badania nad robotami edukacyjnymi i systemami tutoringowymi pokazują, że uczniowie – także bardzo młodzi – szybko dostrzegają granice „empatii” maszyn (Serholt, 2019). Co więcej, w pracy z uczniami ze specjalnymi potrzebami to właśnie nauczyciele posiadają wiedzę ukrytą: rozumienie subtelnych sygnałów, indywidualnych strategii regulacji emocji czy specyficznych wyzwalaczy stresu.

Dlatego coraz wyraźniej wyłania się nowy paradygmat:

AI jako narzędzie wspierające interpretację danych – nie jako podmiot podejmujący decyzje pedagogiczne (Baker, 2016).

Personalizacja, która nie jest iluzją

Personalizacja oparta na AI bywa obietnicą, która brzmi dobrze w folderach marketingowych. W praktyce jednak istnieje ryzyko pozornej adaptacji – uproszczonej do kilku zmiennych, nieuwzględniającej kontekstu szkoły ani indywidualnej historii ucznia.

Badania wskazują, że realnie wspierające systemy powinny umożliwiać wielopoziomową adaptację:

  • na poziomie typu trudności lub niepełnosprawności,
  • na poziomie konkretnej szkoły i jej praktyk,
  • na poziomie indywidualnego ucznia (OECD, 2021).

I co kluczowe: to nauczyciel pozostaje projektantem tej adaptacji, a technologia jedynie ją wspiera.

Co to oznacza dla edukacji przyszłości?

Z perspektywy ILTI wnioski są jednoznaczne:

  • przyszłość edukacji specjalnej nie polega na „więcej technologii”,
  • lecz na lepiej zaprojektowanej współpracy człowieka i AI,
  • opartej na wartościach, odpowiedzialności i dostępności.

Technologia może:
✔ pomóc rozpoznać potrzeby,
✔ dostarczyć danych niedostępnych wcześniej,
✔ wspierać personalizację.

Ale tylko człowiek może:
✔ nadać sens tym danym,
✔ wziąć odpowiedzialność za decyzje,
✔ projektować relację edukacyjną.

A to – wbrew obawom – jest bardzo dobra wiadomość dla edukacji.

W Innovative Language and Teaching Institute (ILTI) pracujemy z nauczycielami, pedagogami, psychologami i instytucjami edukacyjnymi, które chcą projektować edukację odpowiedzialnie w epoce AI — bez technologicznych iluzji i bez uproszczeń.

Nasze szkolenia i programy rozwojowe łączą:

  • Universal Design for Learning (UDL) jako ramę projektową,
  • refleksję nad rolą AI w edukacji,
  • decyzje pedagogiczne oparte na badaniach, nie trendach,
  • projektowanie środowisk uczenia się dostępnych, sensownych i ludzkich.

Nie uczymy „jak używać narzędzi”.
Pomagamy odpowiedzieć na pytanie:

Jak projektować uczenie się, gdy technologia jest wszechobecna — a odpowiedzialność nadal pozostaje po stronie człowieka?

Jeśli chcesz:

  • rozwijać kompetencje projektowe w duchu UDL,
  • mądrze integrować AI z praktyką edukacyjną,
  • pracować na badaniach i realnych dylematach pedagogicznych,

zapraszamy do współpracy i dalszej rozmowy!

Źródła i inspiracje:

Baker, R. S. (2016). Stupid tutoring systems, intelligent humans. International Journal of Artificial Intelligence in Education, 26(2), 600–614.
CAST. (2018). Universal Design for Learning Guidelines version 2.2.
Gorlewicz, J. L., et al. (2018). Multisensory access to graphical information for people with visual impairments. IEEE Computer Graphics and Applications.
Gorlewicz, J. L., et al. (2020). Comparing touchscreen-based and embossed graphics for blind and visually impaired users. ACM Transactions on Accessible Computing.
OECD. (2021). Digital Education Outlook 2021: Pushing the Frontiers with AI, Blockchain and Robots. Paris: OECD Publishing.
Serholt, S. (2019). Children’s perspectives on the use of robots in education. Palgrave Macmillan.