Chương 9: Accessibility, Multimodal & Immersive AI

Bối cảnh / Vấn đề

Chương 8 bàn về dữ liệu giúp ta nhìn thấy học tập. Chương 9 chuyển sang một câu hỏi khác: ai được bước vào trải nghiệm học tập đó, bằng cách nào, với chi phí nhận thức và xã hội ra sao? Một hệ thống EdTech có thể có nội dung hay, đánh giá tốt, tutoring thông minh và analytics mạnh. Nhưng nếu người học không tiếp cận được giao diện, không nghe được video, không đọc được văn bản, không diễn đạt được theo định dạng bắt buộc, hoặc bị quá tải bởi môi trường học, hệ thống vẫn thất bại ở điểm đầu tiên: quyền tham gia.

Accessibility thường bị hiểu hẹp như một danh sách kỹ thuật: có caption, có alt text, có text-to-speech, có màu tương phản. Những thứ đó rất quan trọng. Nhưng trong giáo dục, accessibility rộng hơn. Nó là câu hỏi liệu người học có thể tiếp nhận thông tin, tương tác, biểu đạt hiểu biết, quản lý chú ý, tham gia xã hội và tiến bộ mà không bị rào cản không cần thiết chặn lại hay không.

AI làm chủ đề này vừa nhiều hy vọng vừa nhiều rủi ro. Hy vọng vì AI có thể chuyển đổi ngôn ngữ, tạo caption, đọc văn bản, mô tả hình ảnh, đơn giản hóa tài liệu, cá nhân hóa giao diện, hỗ trợ viết, hỗ trợ nói, dịch tức thời và tạo môi trường luyện tập an toàn. Rủi ro vì AI có thể nhận diện sai, gắn nhãn sai, thu dữ liệu nhạy cảm, chuẩn hóa người học theo “trung bình”, hoặc biến hỗ trợ thành giám sát.

Chương này không xem accessibility như một phụ lục đạo đức. Nó xem accessibility là một tiêu chuẩn chất lượng cốt lõi của EdTech. Công nghệ giáo dục tốt không chỉ giúp người đã thuận lợi học nhanh hơn. Nó phải giảm rào cản cho người học có khác biệt về giác quan, vận động, ngôn ngữ, nhận thức, chú ý, cảm xúc, bối cảnh thiết bị và điều kiện xã hội.

Assistive AI

Assistive AI là nhóm công cụ dùng AI để hỗ trợ người học tiếp nhận, tương tác hoặc biểu đạt. Nó bao gồm speech-to-text, text-to-speech, caption tự động, dịch thuật, mô tả hình ảnh, OCR, đọc văn bản, tóm tắt, chuyển đổi định dạng, nhận diện giọng nói, điều khiển bằng giọng nói, giao diện thích nghi, và các công cụ hỗ trợ viết/nói.

Ở tầng cơ bản, các công cụ này giúp biến thông tin từ một kênh sang kênh khác. Một video có caption giúp người học khiếm thính, người học trong môi trường ồn, người học ngôn ngữ thứ hai và cả người muốn xem lại thuật ngữ. Text-to-speech giúp người khiếm thị, người khó đọc, người mệt mắt hoặc người muốn nghe khi di chuyển. Speech-to-text giúp người khó gõ, người cần ghi chú nhanh, hoặc lớp học cần transcript để ôn tập.

Các nguyên tắc accessibility web như WCAG 2.2 nhấn mạnh những yêu cầu nền: thông tin phải perceivable, operable, understandable và robust; nội dung phi văn bản cần text alternatives, media cần caption/audio description khi phù hợp, giao diện cần điều hướng được và có tên gọi rõ cho công nghệ hỗ trợ (W3C, 2023). Với EdTech, đây không phải phần thêm sau cùng. Nếu một bài học dùng biểu đồ mà không có mô tả, dùng video không caption, hoặc đặt bài tập trong giao diện không dùng được bằng bàn phím, thì bài học đó đã loại một số người học khỏi trải nghiệm.

AI có thể giảm chi phí tạo hỗ trợ accessibility. Thay vì giáo viên tự viết transcript, hệ thống có thể tạo bản nháp. Thay vì người thiết kế tự mô tả từng hình, AI có thể đề xuất alt text. Thay vì một tài liệu chỉ có bản PDF khó đọc, AI có thể trích xuất và tái cấu trúc thành văn bản có tiêu đề, mục, glossary và bản đọc dễ hơn.

Nhưng assistive AI phải được kiểm định. Caption tự động có thể sai thuật ngữ chuyên môn. Text-to-speech có thể đọc sai ký hiệu toán học. Mô tả hình ảnh có thể bỏ qua chi tiết quan trọng. Tóm tắt có thể làm mất điều kiện ngoại lệ. Dịch tự động có thể làm sai giọng hoặc sai khái niệm. Nếu người học dựa vào phiên bản hỗ trợ mà phiên bản đó sai, accessibility trở thành một đường vào kém chất lượng.

Bercaru và Popescu tổng quan các kỹ thuật accessibility cho nền tảng online, bao gồm sign language recognition, speech-to-text, text-to-speech và voice recognition, đồng thời chỉ ra nhiều thách thức kỹ thuật và triển khai còn tồn tại (Bercaru & Popescu, 2024). Điều này nhắc ta rằng assistive AI không phải nút bật/tắt. Nó là một hệ thống chất lượng cần kiểm thử với người dùng thật, trong ngữ cảnh thật.

Neurodiversity-Aware Design

Neurodiversity-aware design bắt đầu từ một thay đổi quan trọng: khác biệt thần kinh không phải lỗi cần sửa. Người học ADHD, autistic, dyslexic, dyspraxic, dyscalculic hoặc có các khác biệt xử lý thông tin khác có thể gặp rào cản mạnh trong môi trường học tiêu chuẩn, nhưng rào cản đó thường đến từ thiết kế cứng nhắc: quá nhiều chữ, quá nhiều bước, quá nhiều nhiễu, thời hạn thiếu linh hoạt, giao diện gây quá tải, hoặc cách đánh giá chỉ cho một kiểu biểu đạt.

Với dyslexia, AI có thể hỗ trợ đọc bằng text-to-speech, font/spacing linh hoạt, highlight theo dòng, giải nghĩa từ, chuyển đổi tài liệu và phát hiện khó khăn đọc. Với ADHD, hệ thống có thể hỗ trợ chia nhỏ nhiệm vụ, nhắc nhở có kiểm soát, giảm nhiễu giao diện, tạo checklist và giúp người học lập kế hoạch. Với autistic learners, công nghệ có thể hỗ trợ dự đoán cấu trúc hoạt động, luyện tình huống xã hội, điều chỉnh sensory load và tạo môi trường thực hành ít đe dọa hơn.

Nhưng hỗ trợ neurodiversity dễ trượt thành phân loại người học. Một hệ thống hỏi vài câu rồi gắn nhãn “ADHD mode”, “dyslexia mode” hoặc “autism mode” có thể làm đơn giản hóa quá mức. Người học cùng chẩn đoán vẫn rất khác nhau. Một người dyslexic có thể cần hỗ trợ đọc nhưng viết rất tốt. Một người autistic có thể cần môi trường ít nhiễu nhưng không muốn bị hệ thống “luyện kỹ năng xã hội” theo chuẩn hẹp. Một người ADHD có thể cần tự chủ nhiều hơn chứ không cần thêm thông báo.

McDowall và Kiseleva, trong rapid review về hỗ trợ neurodivergent students ở higher education, nhấn mạnh nhu cầu hỗ trợ đa dạng, linh hoạt và có tính hệ thống thay vì chỉ can thiệp cá nhân rời rạc (McDowall & Kiseleva, 2024). Một systematic review về neurodiversity và cognitive load trong online learning cũng chỉ ra rằng cognitive, instructional và social factors đều ảnh hưởng đến tải nhận thức, trong khi bằng chứng về can thiệp vẫn còn phân mảnh (Martin et al., 2024).

Điểm thiết kế quan trọng là cho người học quyền tùy chỉnh có ý nghĩa. Người học nên có thể điều chỉnh tốc độ, lượng chữ, độ tương phản, âm thanh, nhắc nhở, cách chia nhiệm vụ, cách nhận phản hồi và cách biểu đạt. Nhưng tùy chỉnh không nên biến thành một bảng cài đặt phức tạp. Hệ thống tốt có thể đề xuất cấu hình, giải thích tác dụng, cho thử, cho đổi lại, và không buộc người học công khai nhãn của mình.

Neurodiversity-aware design cũng cần tránh “deficit dashboard”. Nếu hệ thống chỉ hiển thị người học thiếu chú ý, đọc chậm, phản hồi muộn, viết sai hoặc cần hỗ trợ, nó đang nhìn người học qua thiếu hụt. Một thiết kế tốt cũng phát hiện điểm mạnh: khả năng nhận mẫu, tư duy hình ảnh, trí nhớ chủ đề, sự tập trung sâu vào sở thích, năng lực sáng tạo, hoặc cách giải quyết vấn đề khác thường.

Universal Design for Learning

Universal Design for Learning (UDL) đưa accessibility từ mức sửa từng rào cản sang mức thiết kế môi trường học ngay từ đầu. CAST mô tả UDL như một khung để tối ưu dạy và học cho mọi người dựa trên hiểu biết khoa học về cách con người học; UDL nhấn mạnh ba nhóm lựa chọn: engagement, representation, và action & expression (CAST, 2024).

Nói đơn giản, UDL hỏi ba câu. Người học có nhiều cách tham gia và duy trì động lực không? Họ có nhiều cách tiếp nhận và xây hiểu biết không? Họ có nhiều cách hành động và biểu đạt năng lực không? Một bài học chỉ có video dài, một bài tập chỉ có một định dạng nộp, một khóa học chỉ thưởng người nhanh và nói nhiều, đều có rào cản ẩn.

AI có thể hỗ trợ UDL bằng cách tạo nhiều biểu diễn của cùng một nội dung: văn bản, audio, sơ đồ, ví dụ, glossary, câu hỏi truy hồi, bản đọc đơn giản hơn, bản nâng cao hơn, tình huống địa phương hóa. AI cũng có thể hỗ trợ nhiều cách biểu đạt: nói thay vì viết, phác thảo rồi diễn giải, portfolio, bản nháp nhiều vòng, video thuyết trình, hoặc đối thoại phản biện. Với engagement, AI có thể giúp kết nối nội dung với mục tiêu cá nhân, tạo lựa chọn vừa đủ, và nhắc phản tư.

Tuy nhiên, UDL không phải là thêm vô hạn lựa chọn. Nhiều lựa chọn quá có thể làm người học quá tải. UDL cũng không phải hạ chuẩn. Mục tiêu học vẫn phải rõ và có ý nghĩa. Nếu mục tiêu là lập luận bằng chứng, người học có thể biểu đạt bằng nói hoặc viết, nhưng vẫn phải có claim, evidence và reasoning. Nếu mục tiêu là tính toán fluency, không thể thay hoàn toàn bằng bài thuyết trình.

Zhang và cộng sự tổng quan các nghiên cứu UDL trong preK-12 và chỉ ra cả giá trị lẫn thách thức: UDL được dùng rộng như khung inclusive instruction, nhưng vẫn có vấn đề về độ rõ khái niệm, alignment lý thuyết, chất lượng triển khai và bằng chứng hiệu quả (Zhang et al., 2024). Vì vậy, khi đưa AI vào UDL, cần tránh biến UDL thành khẩu hiệu “có nhiều lựa chọn”. Câu hỏi đúng là: lựa chọn này giảm rào cản nào, cho ai, trong nhiệm vụ nào, và có giữ mục tiêu học không?

Simulation, AR/VR và AI Characters

Simulation, AR/VR và AI characters mở ra một kiểu hỗ trợ khác: không chỉ làm nội dung dễ tiếp cận hơn, mà tạo môi trường thực hành mới. Công nghệ immersive mạnh nhất khi tình huống thật hiếm, nguy hiểm, đắt đỏ, khó tổ chức, hoặc cần thực hành nhiều lần với phản hồi.

Trong y khoa, người học có thể luyện quy trình lâm sàng, nhận diện tình huống khẩn cấp hoặc giao tiếp với bệnh nhân ảo. Trong kỹ thuật, họ có thể thao tác máy móc, kiểm tra quy trình an toàn, khám phá cấu trúc không nhìn thấy được. Trong đào tạo giáo viên, họ có thể luyện xử lý tình huống lớp học. Trong ngoại ngữ, AI characters có thể tạo đối thoại nhập vai với nhiều giọng, mức khó và bối cảnh.

Chalkiadakis và cộng sự tổng quan tác động của AI và VR với educational inclusion cho students with disabilities, ghi nhận AI có thể hỗ trợ cá nhân hóa và VR tạo môi trường đa giác quan, nhưng cũng chỉ ra chi phí cao, rào cản kỹ thuật, thiếu sẵn sàng của giáo viên, privacy và bias là các thách thức lớn (Chalkiadakis et al., 2024). Sakr và Abdullah tổng quan VR/AR và learning analytics, cho thấy các công nghệ này có tiềm năng tạo trải nghiệm học mới, nhưng việc triển khai cần đánh giá tác động với cả người học và người dạy (Sakr & Abdullah, 2024).

Với skill training, VR có lợi thế rõ khi cần luyện thủ tục. Một systematic review về immersive procedural training trong VR cho thấy các nghiên cứu có giao thức và outcome rất đa dạng, số nghiên cứu between-subject còn ít, nhưng meta-analysis gợi ý hiệu ứng tổng thể tích cực, đặc biệt với knowledge transfer outcomes (Taveira-Gomes et al., 2024). Điều này phù hợp với nguyên tắc của Chương 3: immersive không có giá trị vì “chìm đắm”, mà vì nó có thể tạo thực hành, phản hồi và chuyển giao gần với nhiệm vụ thật.

AI characters có thể làm simulation linh hoạt hơn. Thay vì một kịch bản cố định, nhân vật AI có thể phản ứng với lời nói của người học, thay đổi cảm xúc, đưa thông tin thiếu, phản biện, hoặc đóng nhiều vai. Nhưng nhân vật AI cũng có rủi ro: phản ứng không nhất quán, nội dung không phù hợp tuổi, thiên kiến văn hóa, hoặc tạo quan hệ giả làm người học tin quá mức.

Vì vậy, simulation tốt cần bốn yếu tố: mục tiêu học rõ, fidelity phù hợp, feedback có thể hành động, và debrief. Fidelity phù hợp nghĩa là không phải càng giống thật càng tốt. Với người mới, mô phỏng quá thật có thể gây quá tải. Đôi khi mô phỏng đơn giản nhưng làm nổi bật quyết định chính lại tốt hơn môi trường 3D phức tạp.

Khi Nhập Vai Trở Thành Trang Trí

Immersive technology rất dễ bị dùng như lớp sơn trải nghiệm. Một bài học bình thường được đặt vào VR, một đoạn hội thoại tuyến tính được gọi là roleplay, một nhân vật hoạt hình đọc nội dung, một phòng lab ảo chỉ để người học bấm theo hướng dẫn. Những thứ này có thể hấp dẫn ban đầu, nhưng không tự tạo transfer.

Lawson và cộng sự tổng quan các nghiên cứu so sánh immersive VR trong STEM và đặt câu hỏi liệu các nghiên cứu media comparison có kiểm soát đủ biến gây nhiễu hay không (Lawson et al., 2024). Đây là cảnh báo quan trọng: nếu nhóm VR học nhiều thời gian hơn, có hướng dẫn khác, nội dung khác, giáo viên chú ý hơn, hoặc novelty cao hơn, ta không thể kết luận “VR hiệu quả hơn” chỉ vì công nghệ.

Một hoạt động nhập vai chỉ đáng dùng khi nó tạo được điều mà cách đơn giản hơn khó tạo: cảm nhận không gian, thao tác, tình huống rủi ro, áp lực ra quyết định, tương tác xã hội, hoặc quan sát hệ quả. Nếu mục tiêu chỉ là nhớ định nghĩa, VR thường là quá mức. Nếu mục tiêu là luyện quy trình an toàn trong môi trường nguy hiểm, VR có thể hợp lý.

Debrief là điểm thường bị bỏ qua. Sau mô phỏng, người học cần phân tích: chuyện gì đã xảy ra, em quyết định gì, dữ kiện nào em bỏ sót, phản ứng của nhân vật có ý nghĩa gì, nếu làm lại sẽ khác ra sao, và kiến thức này chuyển sang tình huống thật thế nào. Không có debrief, simulation dễ thành trải nghiệm mạnh nhưng học nông.

AI characters cũng cần debrief và ranh giới. Người học cần biết nhân vật là mô phỏng, không phải chuyên gia thật; phản hồi cần được kiểm soát; dữ liệu hội thoại cần được bảo vệ; và giáo viên cần thấy hoạt động này đang phục vụ mục tiêu nào. Nhập vai có thể mở ra thực hành sâu, nhưng cũng có thể làm mờ ranh giới giữa học tập, giải trí và thuyết phục.

Tiêu chí benchmark / Cách đánh giá

Accessibility, Multimodal & Immersive AI phải được benchmark bằng quyền tiếp cận, chất lượng học tập và rủi ro, không chỉ bằng độ mới của trải nghiệm.

Một: access gain. Công cụ giúp nhóm người học nào tiếp cận được điều trước đây bị chặn? Đo bằng completion, participation, usability, error rate, thời gian hoàn thành và cảm nhận tự chủ.

Hai: equivalence of learning. Phiên bản accessibility có giữ chất lượng học tập tương đương không, hay chỉ là bản rút gọn nghèo hơn?

Ba: learner control. Người học có quyền tùy chỉnh hỗ trợ, tắt hỗ trợ, đổi định dạng và không công khai nhãn của mình không?

Bốn: cognitive load. Hỗ trợ có giảm tải ngoại lai không, hay thêm cài đặt, thông báo, hiệu ứng và lựa chọn làm người học quá tải?

Năm: accuracy of assistive output. Caption, transcript, alt text, dịch thuật, đọc công thức, mô tả hình ảnh và phản hồi AI có được kiểm định không?

Sáu: inclusive impact by subgroup. Tác động có được kiểm theo disability, neurodivergence, ngôn ngữ, thiết bị, bối cảnh kinh tế và tuổi không?

Bảy: transfer. Với VR/AR/simulation, người học có dùng được kỹ năng trong tình huống ngoài mô phỏng không?

Tám: debrief quality. Hoạt động immersive có bước phản tư, phân tích quyết định và nối với mục tiêu học không?

Chín: privacy and dignity. Hệ thống có thu dữ liệu nhạy cảm như giọng nói, khuôn mặt, eye-tracking, disability status hay hành vi sensory không? Người học có consent và quyền kiểm soát không?

Phân tích phản biện

Rủi ro đầu tiên là accessibility theater: nền tảng có vài tính năng hỗ trợ nhưng quy trình học vẫn loại trừ người học. Có caption nhưng không có mô tả biểu đồ. Có text-to-speech nhưng tài liệu PDF sai cấu trúc. Có tùy chỉnh màu nhưng bài kiểm tra vẫn chỉ cho một định dạng biểu đạt.

Rủi ro thứ hai là techno-solutionism. Không phải mọi rào cản hòa nhập đều cần AI. Đôi khi giải pháp là deadline linh hoạt, tài liệu rõ hơn, lớp ít nhiễu hơn, rubric minh bạch hơn, hoặc giáo viên được đào tạo tốt hơn. AI có thể hỗ trợ, nhưng không thay thế thiết kế tổ chức.

Rủi ro thứ ba là ép chuẩn hóa. Một hệ thống tuyên bố “phát hiện dyslexia”, “phát hiện ADHD”, “đo cảm xúc”, “điều chỉnh theo autism” có thể làm người học bị nhìn qua nhãn. Hòa nhập không phải dự đoán ai lệch chuẩn để kéo họ về chuẩn; hòa nhập là thiết kế môi trường có nhiều đường hợp lệ để đạt mục tiêu.

Rủi ro thứ tư là unequal access. VR headset, thiết bị mạnh, internet tốt, cảm biến và phần mềm AI có chi phí. Nếu chỉ trường giàu có immersive lab, công nghệ hòa nhập có thể mở rộng khoảng cách thay vì thu hẹp.

Rủi ro thứ năm là data intimacy. Accessibility và neurodiversity supports thường xử lý dữ liệu rất riêng: giọng nói, lỗi đọc, tốc độ xử lý, disability status, biểu cảm, chuyển động, thói quen chú ý. Những dữ liệu này cần bảo vệ nghiêm hơn dữ liệu click thông thường.

Nguyên tắc thiết kế

Một: accessibility by default. Thiết kế để tiếp cận ngay từ đầu, không chờ người học yêu cầu hỗ trợ rồi mới sửa.

Hai: nhiều đường vào, cùng chuẩn đầu ra. Cho nhiều cách tiếp nhận và biểu đạt, nhưng giữ mục tiêu học rõ và có ý nghĩa.

Ba: hỗ trợ tùy chỉnh, không gắn nhãn cứng. Người học nên chọn cấu hình hỗ trợ theo nhu cầu, không bị nhốt vào nhãn chẩn đoán.

Bốn: kiểm thử với người dùng thật. Accessibility không thể chỉ kiểm bằng checklist kỹ thuật. Cần người học có nhu cầu đa dạng thử trong nhiệm vụ thật.

Năm: ưu tiên giảm tải ngoại lai. Giao diện, media, thông báo, VR và AI characters phải giảm rào cản, không thêm nhiễu.

Sáu: dùng immersive khi nhiệm vụ cần embodied practice. Nếu mục tiêu học đạt được tốt bằng văn bản, hình ảnh hoặc video, không cần VR. Dùng VR khi không gian, thao tác, rủi ro hoặc nhập vai thật sự quan trọng.

Bảy: luôn có debrief. Simulation không kết thúc khi người học tháo headset hoặc đóng vai xong. Nó kết thúc khi người học hiểu quyết định của mình.

Tám: bảo vệ phẩm giá dữ liệu. Dữ liệu disability, neurodivergence, giọng nói, khuôn mặt và cảm biến phải được thu ít nhất có thể, giải thích rõ và kiểm soát chặt.

Tổng kết chương

Accessibility, Multimodal & Immersive AI mở rộng câu hỏi của EdTech: không chỉ học gì và đo thế nào, mà ai có thể tham gia, trong điều kiện nào, với mức tự chủ và phẩm giá ra sao. Assistive AI có thể chuyển đổi nội dung và giao diện. Neurodiversity-aware design giúp tránh coi khác biệt học tập là lỗi cá nhân. UDL đưa hòa nhập vào thiết kế từ đầu. Simulation, AR/VR và AI characters tạo môi trường thực hành mới khi nhiệm vụ cần nhập vai, thao tác hoặc tình huống khó tổ chức.

Nhưng công nghệ không tự tạo hòa nhập. Caption sai, dashboard deficit, VR đắt đỏ, AI character thiếu kiểm soát, hoặc nhãn neurodiversity cứng nhắc đều có thể làm rào cản tinh vi hơn. Benchmark của chương này là access gain, equivalence of learning, learner control, cognitive load, transfer, debrief và dignity.

Chương tiếp theo sẽ đi vào Social, Collaborative & Community AI. Nếu Chương 9 hỏi làm sao để từng người học có thể bước vào trải nghiệm học, Chương 10 sẽ hỏi: khi họ đã bước vào, công nghệ có thể hỗ trợ học cùng người khác như thế nào mà không làm nghèo quan hệ xã hội?

Tài liệu tham khảo

  • Bercaru, V., & Popescu, N. (2024). A systematic review of accessibility techniques for online platforms: Current trends and challenges. Applied Sciences, 14(22), 10337. https://doi.org/10.3390/app142210337
  • CAST. (2024). Universal Design for Learning Guidelines 3.0. https://udlguidelines.cast.org/
  • Chalkiadakis, A., Seremetaki, A., Kanellou, A., Kallishi, M., Morfopoulou, A., Moraitaki, M., & Mastrokoukou, S. (2024). Impact of artificial intelligence and virtual reality on educational inclusion: A systematic review of technologies supporting students with disabilities. Education Sciences, 14(11), 1223. https://doi.org/10.3390/educsci14111223
  • Lawson, A. P., Marchand Martella, A., LaBonte, K., Delgado, C. Y., Zhao, F., Gluck, J. A., Munns, M. E., & LeRoy, A. W. (2024). Confounded or controlled? A systematic review of media comparison studies involving immersive virtual reality for STEM education. Educational Psychology Review, 36, 69. https://doi.org/10.1007/s10648-024-09908-8
  • Martin, F., Sun, T., Westine, C. D., & Ritzhaupt, A. D. (2024). Neurodiversity and cognitive load in online learning: A systematic review with narrative synthesis. Educational Research Review, 43, 100604. https://doi.org/10.1016/j.edurev.2024.100604
  • McDowall, A., & Kiseleva, M. (2024). A rapid review of supports for neurodivergent students in higher education: Implications for research and practice. Autism & Developmental Language Impairments. https://doi.org/10.1177/27546330241291769
  • Sakr, A., & Abdullah, T. (2024). Virtual, augmented reality and learning analytics impact on learners, and educators: A systematic review. Education and Information Technologies, 29, 19913-19962. https://doi.org/10.1007/s10639-024-12602-5
  • Taveira-Gomes, T., et al. (2024). Immersive procedural training in virtual reality: A systematic literature review. Computers & Education, 221, 105124. https://doi.org/10.1016/j.compedu.2024.105124
  • W3C. (2023). Web Content Accessibility Guidelines (WCAG) 2.2. https://www.w3.org/TR/WCAG22/
  • Zhang, L., Carter, R. A., Greene, J. A., & Bernacki, M. L. (2024). Unraveling challenges with the implementation of Universal Design for Learning: A systematic literature review. Educational Psychology Review, 36, 35. https://doi.org/10.1007/s10648-024-09860-7