验证基于大语言模型的方法在识别幼儿园不同自由游戏场景中儿童发展的有效性

自由游戏是早期儿童教育的基本组成部分，支持儿童的认知、社交、情感和运动发展。然而，由于自由游戏活动的非结构化和自发性，评估儿童在自由游戏中的发展面临重大挑战。传统的评估方法通常依赖于教师、家长或研究人员的直接观察，这可能无法从自由游戏中捕获全面的洞见，也无法向教育者提供及时的反馈。本研究提出了一种创新方法，将大语言模型（LLM）与学习分析相结合，以分析儿童对其游戏体验的自我叙述。LLM 用于识别发展能力，而不同游戏场景中的表现分数则通过学习分析技术计算得出。我们收集了来自一所幼儿园 29 名儿童在一个学期内覆盖四个不同游戏区域的 2,224 份游戏叙述。根据八位专业人士的评估结果，基于 LLM 的方法在识别认知、运动和社交能力方面达到了高准确率，在大多数领域的准确率超过 90%。此外，在不同游戏场景中观察到发展结果的显著差异，突显了每个区域对特定能力的独特贡献。这些发现证实了所提出的方法在识别不同自由游戏场景中儿童发展的有效性。本研究展示了整合 LLM 和学习分析以提供以儿童为中心的发展轨迹洞见的潜力，为教育者提供了宝贵的数据，以支持个性化学习并提升早期儿童教育实践。