Ermira Tateši, University of Tetovo, Faculty of Pedagogy, North Macedonia
Daniela Dimitrova-Radojičić, Ss. Cyril and Methodius University in Skopje, Faculty of Philosophy, Skopje, North Macedonia: e-mail: daniela@fzf.ukim.edu.mk
Иновације у настави, XXXIX, 2026/1, стр. 109–118

| PDF | | Extended summary PDF |
DOI: 10.5937/inovacije2601109T 

Summary: The rapid integration of artificial intelligence (AI) in education has renewed interest in its role in inclusive teaching; however, disability-specific implementation pathways for Braille-literate learners remain underexplored. This conceptual paper examines how AI may support teachers in mainstream classrooms that include students who rely on Braille literacy. The analysis emphasises that accessibility in Braille-mediated learning depends not merely on modality substitution but on the structural organisation and navigability of instructional materials. Drawing on the Artificial Intelligence in Education (AIEd) literature, the paper frames AI as a teacher-governed accessibility support rather than an autonomous instructional agent. Three domains of potential contribution are identified: access to curricular materials, structured participation, and formative support. Key risks include structural distortion, overconfident AI outputs, and uneven language performance, which make systematic verification essential. The paper concludes that AI is most appropriately positioned as an accessibility co-pilot within teacher-led and blended instructional practices, warranting further empirical validation in real classroom contexts.

Keywords: Artificial intelligence in education; inclusive education; Braille literacy; accessibility

ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА У ИНКЛУЗИВНОЈ НАСТАВИ
ЗА УЧЕНИКЕ КОЈИ КОРИСТЕ БРАЈЕВО ПИСМО

Инклузивно образовање представља једно од кључних полазишта савремених образовних система и подразумева стварање услова у којима сви ученици могу учествовати у наставном процесу на равноправни начин. У пракси се, међутим, показује да само укључивање ученика са оштећењем вида у редовне учионице не значи нужно и потпуну доступност наставних садржаја. Наставни материјали су у највећој мери обликовани визуелно, док њихово прилагођавање ученицима који користе Брајево писмо захтева додатно време, одговарајућу техничку подршку и специфична стручна знања. У том контексту, савремене дигиталне технологије, посебно алати засновани на вештачкој интелигенцији (ВИ), све чешће се разматрају као потенцијална подршка инклузивној настави. У раду се разматра потенцијална улога вештачке интелигенције у подршци наставницима који раде у инклузивним учионицама у којима се образују и ученици који користе Брајево писмо. Посебна пажња посвећена је питању приступачности наставних материјала и начину на који њихова структура утиче на разумевање садржаја код ученика који користе тактилне облике читања. За разлику од визуелног читања, Брајево писмо подразумева линеарну организацију информација, због чега распоред елемената, односи између појмова, као и структура табела и задатака имају важну улогу у процесу учења. Приступачност наставних материјала зато не подразумева само техничку конверзију садржаја већ и очување њихове логичке организације. Рад има концептуални карактер и усмерен је на разматрање могућности за примену вештачке интелигенције у инклузивној настави. У том оквиру издвајају се три области у којима се препознаје потенцијална улога ВИ: унапређење приступа наставним материјалима, подршка активнијем учешћу ученика у наставним активностима и олакшавање формативне подршке у процесу учења. Савремени дигитални алати могу помоћи наставницима у реструктурирању текстова у прегледније и линеарније форме које су погодније за читање путем Брајевих дисплеја или за израду рељефних наставних материјала. Такође, поједини системи омогућавају генерисање описа визуелних садржаја, попут графикона или дијаграма, чиме се олакшава приступ информацијама које су у оригиналу представљене визуелно. Осим тога, дигитални алати могу подржати диференциране наставне активности и омогућити бржу повратну информацију ученицима. Истовремено, примена вештачке интелигенције у инклузивном образовању носи и одређене ризике. Аутоматски генерисани садржаји могу довести до поједностављивања или нарушавања структуре информација, што може отежати њихово разумевање у Брајевој форми. Такође, постоји могућност за појаву нетачних или претерано сигурних одговора које генерише систем. Због тога наставник задржава кључну улогу у провери и прилагођавању материјала. Вештачка интелигенција се у овом раду посматра као подршка наставничкој пракси, а не као замена за педагошку процену и професионално искуство наставника. Педагошке импликације односе се на потребу за промишљеном интеграцијом дигиталних технологија у инклузивно образовање. Ефикасна примена ових алата захтева развој дигиталних компетенција наставника, али и сарадњу са стручњацима из области специјалне едукације и рехабилитације. Њихова примена зависи и од локалног образовног контекста, укључујући доступност технологија и подршку за македонски језик. Разматрање указује на потенцијал вештачке интелигенције да допринесе унапређењу приступачности наставних материјала и подршци инклузивној настави за ученике који користе Брајево писмо. Истовремено, за одговорну и педагошки оправдану примену ових технологија неопходна су даља емпиријска истраживања која би испитала њихове стварне ефекте у свакодневној школској пракси.

Кључне речи: вештачка интелигенција у образовању, инклузивно образовање, Брајево писмо, приступачност

References 

• Abbas, N., Ali, I., Manzoor, R., Hussain, T., & Hussain, M. H. A. I. (2023). Role of artificial intelligence tools in enhancing students’ educational performance at higher levels. Journal of Artificial Intelligence, Machine Learning and Neural Network, 3(5), 36–49. https://doi.org/10.55529/jaimlnn.35.36.49
• Akgun, S., & Greenhow, C. (2022). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. AI and Ethics, 2(3), 431–440. https://doi.org/10.1007/s43681-021-00096-7
• Alam, A. (2023). Harnessing the power of AI to create intelligent tutoring systems for enhanced classroom experience and improved learning outcomes. In G. Rajakumar, K. L. Du, & Á. Rocha (Eds.). Intelligent communication technologies and virtual mobile networks (pp. 571–591). Springer Nature Singapore.
• Bayly-Castaneda, K., Ramirez-Montoya, M. S., & Morita-Alexander, A. (2024). Crafting personalized learning paths with AI for lifelong learning: A systematic literature review. Frontiers in Education, 9, 1424386. https://doi.org/10.3389/feduc.2024.1424386
• Castañeda, L., & Selwyn, N. (2018). More than tools? Making sense of the ongoing digitizations of higher education. International Journal of Educational Technology in Higher Education, 15, 22. https://doi.org/10.1186/s41239-018-0109-y
• Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2020). Application and theory gaps during the rise of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002
• Dalton, E. M., Lyner-Cleophas, M., Ferguson, B. T., & McKenzie, J. (2019). Inclusion, universal design and universal design for learning in higher education: South Africa and the United States. African Journal of Disability, 8, 519. https://doi.org/10.4102/ajod.v8i0.519
• Dimitrova-Radojičić, D., & Petrovska Zimeski, I. (2020). Inclusive education of children with visual impairments in Europe. Journal of Special Education and Rehabilitation, 20(1–2), 33–45.
• Du Boulay, B. (2016). Recent meta-reviews and meta-analyses of AIED systems. International Journal of Artificial Intelligence in Education, 26, 536–537. https://doi.org/10.1007/s40593-015-0060-1
• Ercikan, K., & McCaffrey, D. F. (2022). Optimizing implementation of artificial-intelligence-based automated scoring: An evidence-centered design approach for designing assessments for AI-based scoring. Journal of Educational Measurement, 59, 272–287. https://doi.org/10.1111/jedm.12332
• Garzón, J., Patiño, E., & Marulanda, C. (2025). Systematic review of artificial intelligence in education: Trends, benefits, and challenges. Multimodal Technologies and Interaction, 9(8), 84. https://doi.org/10.3390/mti9080084
• Edström, K., Gardelli, V., & Backman, Y. (2024). Inclusion as participation: Mapping the participation model with four different levels of inclusive education. International Journal of Inclusive Education, 28(12), 2940–2957. https://doi.org/10.1080/13603116.2022.2136773
• Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
• Hwang, G.-J., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges, roles and research issues of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, 100001. https://doi.org/10.1016/j.caeai.2020.100001
• Jardinez, M. J., & Natividad, L. R. (2024). The advantages and challenges of inclusive education: Striving for equity in the classroom. Shanlax International Journal of Education, 12(2), 57–65. https://doi.org/10.34293/education.v12i2.7182
• Melo-López, V.-A., Basantes-Andrade, A., Gudiño-Mejía, C.-B., & Hernández-Martínez, E. (2025). The impact of artificial intelligence on inclusive education: A systematic review. Education Sciences, 15(5), 539. https://doi.org/10.3390/educsci15050539
• Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: A guidance for policymakers. UNESCO Publishing.
• Motitswe, J. M. C. (2025). Teachers’ perceptions on including learners with barriers to learning in South African inclusive education system. African Journal of Disability, 14, a1543. https://doi.org/10.4102/ajod.v14i0.1543
• Nurdyansyah, N., Arifin, M. B. U., Astutik, I. R. I., & Rais, P. (2022). Online inclusive school: A technological break in inclusive education during the COVID-19 period. Jurnal Kependidikan, 8(4), 806–816. https://doi.org/10.33394/jk.v8i4.5995
• Ogunleye, B., Zakariyyah, K. I., Ajao, O., Olayinka, O., & Sharma, H. (2024). A systematic review of generative AI for teaching and learning practice. Education Sciences, 14(6), 636. https://doi.org/10.3390/educsci14060636
• Shukla, S. Y., Theobald, E. J., Abraham, J. K., & Price, R. M. (2022). Reframing educational outcomes: Moving beyond achievement gaps. CBE – Life Sciences Education, 21(2), es2. https://doi.org/10.1187/cbe.21-05-0130
• Song, L. R., Weisberg, L. R., Zhang, S., Tian, X., Boyer, K. E., & Israel, M. (2024). A framework for inclusive AI learning design for diverse learners. Computers and Education: Artificial Intelligence, 6, 100212. https://doi.org/10.1016/j.caeai.2024.100212
• Stošić, L., Radonjić, A., Krčadinac, O., Baltezarević, B., & Mikhailova, O. (2025). Personalized learning through artificial intelligence: Opportunities, risks, and policy perspectives. International Journal of Cognitive Research in Science, Engineering and Education, 13(2), 541–549.
• Tanwar, P. (2019). Use of tactile diagrams in teaching science to visually impaired learners at the upper primary level. Disability, CBR & Inclusive Development, 29(4), 109–116. https://doi.org/10.5463/dcid.v29i4.772
• Tapalova, O., & Zhiyenbayeva, N. (2022). Artificial intelligence in education: AIED for personalised learning pathways. Electronic Journal of e-Learning, 20, 639–653.
• UNESCO. (2020). Global education monitoring report 2020. United Nations.
• Vorobyeva, K. I., Belous, S., Savchenko, N. V., Smirnova, L. M., Nikitina, S. A., & Zhdanov, S. P. (2025). Personalized learning through AI: Pedagogical approaches and critical insights. Contemporary Educational Technology, 17(2), ep574. https://doi.org/10.30935/cedtech/16108
• Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252(Part A), 124167. https://doi.org/10.1016/j.eswa.2024.124167
• Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing elearning. Morgan Kaufmann.
• Wu, F., Dang, Y., & Li, M. (2025). A systematic review of responses, attitudes, and utilization behaviors on generative AI for teaching and learning in higher education. Behavioral Sciences, 15(4), 467. https://doi.org/10.3390/bs15040467
• Yektyastuti, R., Sarwanto, & Rasmitadila. (2026). Learning science beyond sight: Conceptual engagement of elementary school students with visual impairment through hands-on activities. F1000Research, 14, 1271. https://doi.org/10.12688/f1000research
• Zwane, S. L., & Malale, M. M. (2018). Investigating barriers teachers face in the implementation of inclusive education in high schools in Gege branch, Swaziland. African Journal of Disability, 7, 391. https://doi.org/10.4102/ajod.v7i0.391

Copyright © 2025 by the publisher Faculty of Education, University of Belgrade, SERBIA. This is an open access article distributed under the terms of the Creative Commons Attribution License (CC BY 4.0) (https://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original paper is accurately cited.