带着评价框架阅读本案例：关注真实教学问题、AI 角色、教师关键判断，以及可迁移经验。

案例六：《从经验到结构：AI协同下的0—3岁托育发展指标体系搭建》

教师：陈佳妮

1 基本信息

2 实践背景

2.1 背景和目标

随着我国托育服务体系的快速发展，0-3岁婴幼儿的保教质量评估已成为行业关注的核心。我园作为区域内的标杆园所，目前本园正承担着学校重点课题——《亲子共育“微生态”：幼儿园课程创设及家园支持系统的孵化研究》。

研究背景：

在长期的教育实践中，我们意识到，尽管资深教师拥有丰富的保教经验，但往往缺乏一套结构化、标准化的评价工具。现有的参考指标多零散分布于各类学术文献或欧美评价框架中，存在“本土化不足”和“教师操作难”的问题。为实现从“感性经验”向“理性数据”的科研转型，我们需要构建一套既符合国际前沿研究规律，又适配中国园所实操场景的指标体系。

研究目标：

本案例聚焦于利用生成式AI技术，解决科研过程中“海量数据整合”与“专业话语转化”的难题，具体目标如下：

科学整合： 整合国内外（如ELOFA、Creative Curriculum等）权威标准，结合本土教育情境，建立包含健康、语言、社会、认知等全领域的阶梯式指标。

可操作性： 将复杂的心理学与教育学词汇，转化为一线教师“可观察、可评估”的行为描述。

探索人机协同、科研增效： 验证AI在教育科研领域作为“智库支持”的边界，沉淀一套可供同行复用的“AI+科研”工作流，使教师能将精力更多投入到实地观测与验证中。

2.2 当前的挑战

在传统的科研工作模式下，构建此类体系面临以下痛点：

文献整合低效： 依靠人工查阅数千页的国际指南，提取、翻译并去重，工作量巨大，耗时长达数月，且极易遗漏关键维度。

标准统一困难： 不同教师对同一项指标的表述理解不一，导致体系内部逻辑严密性不足，难以形成标准化的评价量表。

科研门槛较高： 繁重的文字整理工作占用了教师大量精力，使其难以将重心投入到最核心的“儿童观察”与“实证调研”中。

3 实践过程

第一步：将真实教育问题转化为AI能够理解的问题

在正式使用AI之前，我先进行了问题梳理。一开始，我并没有直接要求AI“帮我生成指标”，而是先思考：“我真正需要解决的问题是什么？”

经过整理后，我明确了三个核心要求，基于国际托育发展框架进行整合、输出可观察的行为指标、适用于中国托育情境。

随后，我使用 ChatGPT进行了第一轮对话。

在提示词设计中，我特别强调以下三点，避免学术化表达、强调教师可观察行为、保持托育现场的可操作性。例如，我会继续追问：“请不要使用抽象发展术语，而是改成教师能够直接观察到的行为表现。”“请将指标语言控制在托育教师日常记录能够使用的程度。”这一阶段，AI并不是“写作者”，而更像是“问题整理助手”。它帮助我把原本零散的教育经验，转化为结构化问题。但真正决定方向的人，始终是教师。

综合上述经验，对于科研型任务，教师在使用AI前，最好先明确三点问题：一是，教育目标是什么；二是，AI负责什么。三是，哪些判断必须由教师完成。如果问题本身不清晰，AI生成的内容也容易失去教育价值。

第二步：使用AI进行国际框架结构整合

完成问题定义后，我开始使用 Google Gemini进行国际框架的初步整合。这一阶段的任务不是直接生成最终指标，而是比较不同发展领域的分类方式。Gemini梳理了国内外权威托育发展体系，并由此生成了多个版本的结构，例如：动作发展；语言沟通；社会情绪；认知探索；感觉统合等维度。

但我并没有直接采用。相反，我进行了三项人工判断：

对照原始国际文献；

与园所领导及专业教师们沟通，删除不符合本园年龄特点的维度；

合并重复内容。

例如，部分国际框架会将“社会关系”和“情绪调节”完全拆分，但结合本园实际观察，我发现0—3岁儿童在真实情境中，这两部分往往高度交织，因此进行了重新整合。

这一过程中，大约40%以上内容经过了人工调整。AI承担的角色是：“结构生成者”，而不是“教育设计者”。

在实践中我发现，AI擅长快速归纳、生成结构、提供多种表达路径。但AI不擅长理解具体园所文化、判断儿童真实发展节奏、理解教师观察情境。因此，教师必须持续进行教育情境再建构。

第三步：教师主导修订与实践适配

在获得AI生成的初步框架后，我并没有立即定稿，而是进入“实践适配”阶段。我将框架内容整理成：文字版指标；可视化结构图；年龄阶段对应表。随后发送给幼教研究员、园所管理团队、一线托育教师。

大家提出了很多非常真实的问题：“指标是否太理想化？”“教师真的能观察到吗？”“家长是否能理解？”

这些反馈让我意识到：真正好的发展指标，不是“理论上正确”，而是“实践中可使用”。于是，我再次调整提示词，让Gemini协助优化语言。例如：将“形成初步因果认知能力”改为：“能尝试通过重复动作观察结果变化”。这样的表达更加具体，也更符合教师观察记录。

过程中，AI的价值主要体现在以下四个方面：提高表达效率、提供语言优化、协助统一文本风格。但教育判断依然由教师完成。

这一阶段，我总结出一个比较适合幼教科研的AI协作流程：教师提出问题 → AI生成初稿 → 教师比对文献 → 专家讨论 → AI优化表达 → 教师最终定稿。这一流程后来也被园所用于其他课程建设工作。

第四步：真实性核验与风险控制

在一次AI生成过程中，我发现系统引用了一条疑似不存在的研究来源。这让我第一次真正意识到：AI存在“幻觉引用”风险。因此，我开始建立“二次验证流程”。具体包括：

1. 原文人工核查

所有核心指标，都必须回到原始文献进行核验。教师不能只相信AI的“总结”。

1. 双AI交叉验证

我再次使用Gemini进行核查：“请判断以下指标是否存在研究依据不足的问题。”系统会提示：哪些内容证据较弱、哪些发展顺序可能不合理、哪些表达需要调整。

1. 专家最终审核

最终版本必须经过：教研负责人、幼教研究员、园所团队，共同讨论确认。这一过程让我逐渐形成一个工作原则：AI输出不能直接进入教育现场，必须经过人工证据核验。

第五步：最终成果形成

经过多轮修改后，我们最终形成了托育发展指标基础框架、年龄阶段指标表、教师观察参考语言、可视化发展结构图。

其中，AI生成的Excel基础版本，大幅降低了前期重复整理工作量。原本预计需要三个月完成的框架整合工作，在AI辅助下，三周便形成初稿。

更重要的是，教师因此获得了更多时间用于儿童观察、教学讨论、实践验证。这也是本次实践中，我认为AI最有价值的部分。

4 经验分享

AI和老师是怎么分工的？分别担任什么角色？

在整个过程中，我始终坚持“教师主导、AI辅助”的原则。

教师负责明确教育目标、判断是否符合儿童发展规律、决定最终采用内容、进行实践适配与专家沟通。

AI则负责信息整合、结构生成、文本优化、提供多版本表达。

我越来越清晰地意识到，AI可以提高效率，但无法替代教师的教育判断。尤其在0—3岁儿童教育中，儿童的发展具有高度个体差异，真正理解儿童的人，仍然是教师。

我使用的AI工具有什么优缺点？

本次主要使用了 ChatGPT与 Google Gemini。

它们的优势主要包括：长文本整合效率高、能快速生成结构框架、支持多轮修改、有助于教师打开思路。但局限也非常明显，可能出现幻觉引用、缺少真实教育情境理解、无法判断教育伦理、对中国托育文化理解有限。

因此，我更倾向于把AI定位为：“科研助手”，而不是“教育专家”。

使用AI工具对我的教学产生了什么影响？

AI最大的影响，并不是“替代工作”，而是改变了我的工作重心。过去，我需要花大量时间查资料、整理框架、反复归类。现在，这部分机械性工作明显减少。我有更多时间用于观察儿童、讨论教育价值、思考课程意义。同时，我也发现：教师使用AI后，反而更需要提升判断能力。因为AI会不断生成内容，但“哪些内容真正适合儿童”，依然需要教师决定。

使用AI工具时我有什么伦理方面的思考？

本次实践中，我主要关注三个方面。

（1）幻觉误导风险

AI可能生成不存在的研究来源。因此，我建立了：原文核验；双AI交叉验证；专家审核，三层机制。

（2）文化偏差风险

AI训练数据偏向欧美体系。因此，我会结合：中国发展指南；本园儿童实际情况；一线教师观察经验进行本土化修订。

（3）教师依赖风险

如果教师长期直接复制AI内容，容易削弱专业判断能力。因此，我要求自己：所有AI生成内容必须进行人工改写与重组。我认为：未来教育中，真正重要的并不是“会不会用AI”，而是：教师是否依然保持独立判断与教育初心。

1. 「教育目标 / AI 负责什么 / 哪些判断必须由教师完成」三点自问，如何防止 AI 越界？
2. 原文核验、双 AI 交叉验证、专家审核如何对应伦理维度的风险控制？
3. 文化偏差与本土化修订，对你引用国际框架时有何提醒？
4. 科研或教研场景中，你如何保证「AI 输出不直接进入教育现场」？