Uniwersyteckie Czasopisma NaukoweZastosowanie modeli generatywnych w edukacji domowej dziecka ze specjalnymi potrzebami edukacyjnymi: autoetnograficzna analiza doświadczeń rodzica
DOI:
https://doi.org/10.26881/ndps.2024.53.05Słowa kluczowe:
edukacja domowa, specjalne potrzeby edukacyjne, generatywna sztuczna inteligencja, autoetnografia, ADHD, afazja motoryczna, personalizacjaAbstrakt
Artykuł przedstawia autoetnograficzną analizę doświadczeń rodzica dziecka ze specjalnymi potrzebami edukacyjnymi (SPE), wykorzystującego generatywną sztuczną inteligencję (AI) w domowym procesie edukacyjnym. Autor opisuje osobiste doświadczenia związane ze wsparciem syna, który ma afazję motoryczną, ADHD oraz lekką niepełnosprawność intelektualną, dokumentując pozytywne aspekty wykorzystania Al takie jak: personalizacja treści edukacyjnych, rozwój umiejętności komunikacyjnych oraz regulacja emocjonalna. Jednocześnie podkreśla napotkane trudności, w tym problemy związane z generowaniem treści niedostosowanych do poziomu rowoju dziecka, przebodźcowaniem oraz konieczność ciągłego nadzoru rodzicielskiego. Artykuł oparty jest na metodzie autoetnografii analitycznej i ewokatywnej, obejmującej refleksyjny dziennik prowadzony przez autora w ciągu trzech tygodni. Wyniki wskazują na istotną rolę świadomego, krytycznego podejścia rodzica w edukacyjnym wykorzystaniu Al oraz potrzebę dalszych badań nad długoterminowym skutkami korzystania tych technologii na rozwój kompetencji dzieci ze specjalnymi potrzebami edukacyjnymi.
Downloads
Bibliografia
Anderson L. (2006), Analytic autoethnography, Journal of Contemporary Ethnography, 35(4): 373-395, https://doi.org/10.1177/0891241605280449.
Bielecka-Prus J. (2014), Po co nam autoetnografia? Krytyczna analiza autoetnografii jako metody badawczej, Przegląd Socjologii Jakościowej, 10(3): 76-95, https:/iwww.przegladsocjologiijakosciowej.org.
Ellis C. (1997), Evocative autoethnography: Writing emotionally about our lives [w:] W.G. Tierney, Y.S. Lincoln (eds.), Representation and the text: Re-framing the narrative voice (s. 116-139), SUNY Press.
Florian L, Spratt J. (2013), Enacting inclusion: A framework for interrogating inclusive practice, European Journal of Special Needs Education, 28(2): 119-135, https:/doi.org/10.1080/ 08856257.2013.778111.
Kacperczyk A. (2014), Od redaktora: Autoetnografia — w stronę humanizacji nauki, Przeglad Socjologii Jakościowej, 10(3): 6-13, http:/Avww.przegladsocjologiijakosciowej.org.
Lee U, Kim H., Eom J., Jeong H., Lee S., Byun G,, Lee Y., Kang M., Kim G., NaJ., Moon J., Kim H. (2025), Echo-Teddy: Preliminary Design and Development of Large Language Model-based Social Robot for Autistic Students, arXiv preprint arXiv:2502.04029, https:/ arxiv.org/abs/2502.04029.
Leslie-Miller C.J., Simon S.L., Dean K., Mokhallati N., Cushing C.C. (2024), The critical need for expert oversight of ChatGPT: Prompt engineering for safeguarding child healthcare information, Journal of Pediatric Psychology, 49(11): 812-817, https:/doi.org/10.1093/ jpepsy/jsae075.
Mishra R., Welch K.C., Popa D.O. (2024), Human-mediated Large Language Models for Robotic Intervention in Children with Autism Spectrum Disorders, arXiv preprint arXiv: 2402.00260. https://arxiv.org/abs/2402.00260.
Mukhtarkyzy K, Smagulova L., Tokzhigitova A., Serikbayeva N., Sayakov O., Turkmenbayev A., Assilbayeva R. (2025), A systematic review of the utility of assistive technologies for SEND students in schools, Frontiers in Education, 10, https://doi.org/10.3389/ feduc.2025.1523797.
Norwich B. (2014), How does the capability approach address current issues in special educational needs, disability and inclusive education field?, Journal of Research in Special Educational Needs, 14(1): 16-21, https://doi.org/10.1111/1471-3802.12012.
Valencia S., Cave R., Kallarackal K., Seaver K., Terry M., Kane S.K. (2023), “The less I type, the better”: How AI language models can enhance or impede communication for AAC users, Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (s. 1-14), ACM, https://doi.org/10.1145/3544548.3581560.
Yeguas-Bolivar E., Alcalde-Llergo J.M., Aparicio-Martinez P., Taborri J., Zingoni A., Pinzi S. (2024), Determining the Difficulties of Students With Dyslexia via Virtual Reality and Artificial Intelligence: An Exploratory Analysis, arXiv preprint arXiv:2402.01668, https:/ arxiv.org/abs/2402.01668.
