Abstract
В условиях стремительной цифровизации образования особую актуальность приобретает интеграция искусственного интеллекта (ИИ) в инклюзивное преподавание иностранных языков, что требует как методологического переосмысления, так и эмпирического подтверждения эффективности данных решений. Цель настоящего исследования заключается в выявлении влияния цифровых и ИИ-инструментов на качество обучения английскому языку студентов с особыми образовательными потребностями в контексте высшего образования. В исследовании акцент сделан на разработке и апробации инклюзивной модели, включающей адаптивные образовательные платформы, голосовые ассистенты, генераторы упражнений на базе крупных языковых моделей (LLM) и средства автоматизированной диагностики учебного прогресса. Научная значимость работы состоит в раскрытии педагогических механизмов влияния ИИ-инструментов на когнитивную продуктивность, уровень учебной мотивации и снижение барьеров восприятия среди студентов с ОВЗ. В методологии исследования использованы элементы смешанного подхода, включающего количественный анализ результатов тестирования (t-тест, Cohen’s d), анкетирование, а также качественную интерпретацию обратной связи преподавателей. Результаты показали статистически значимые различия между экспериментальной и контрольной группами, при этом участники, обучавшиеся с применением ИИ-средств, продемонстрировали более высокие показатели по всем компетенциям, а также устойчивое повышение мотивации и вовлеченности. Практическая ценность исследования заключается в возможности масштабирования апробированной модели в различных образовательных контекстах, а теоретический вклад - в обосновании принципов цифровой инклюзии как новой парадигмы языкового образования в условиях технологически опосредованной обучающей среды. The increasing digitalization of higher education highlights the importance of integrating Artificial Intelligence (AI) into inclusive foreign language teaching. This study investigates the impact of digital and AI-based tools on the English language learning outcomes of students with special educational needs. An inclusive model was developed and tested, combining adaptive learning platforms, voice assistants, exercise generators based on large language models (LLMs), and automated progress-monitoring systems. A mixed-methods approach was applied, incorporating quantitative testing (t-test, Cohen’s d), student surveys, and qualitative analysis of teachers’ feedback. Results demonstrated statistically significant differences between the experimental and control groups: students who used AI-supported tools showed higher competence across language skills, as well as improved motivation and engagement. The findings confirm the potential of AI-enhanced approaches to reduce learning barriers and promote active participation in inclusive educational environments. The study contributes to the theoretical framework of digital inclusion and offers a scalable model for implementation in various higher education contexts.