山东航空学院教师教育学院科研团队以“人工智能与儿童学习发展”为主题，开展跨学科探索，构建了一套“以儿童为中心”的AI赋能理论与实践体系。团队依托自主研发的AI智能系统，突破传统教育局限，通过自动化数据采集、任务难度分层模型与智能评价体系三大创新，实现幼儿学习与发展的精准化支持，推动学前教育高质量发展。

　　自动化采集游戏数据：构建幼儿行为“数据画像”。团队研发的按数取物AI智能玩具系统，借助嵌入式近场识别技术，实时捕捉幼儿游戏中的选卡、取物、调整等关键行为，累计记录数据超１万条。系统可客观呈现幼儿操作策略与反应特征，同步生成学习轨迹，助力教师精准洞察幼儿认知水平及发展趋势。例如，通过分析幼儿在数字认知游戏中的操作路径，系统能自动识别其掌握程度的关键节点与差异点。定期举办的教科研研讨会基于数据模型分析幼儿行为，优化游戏任务设计。AI分析与教师研判的“双轮驱动”，推动自主游戏观察从经验判断转向数据决策，实现精准育人。

　　构建任务难度分层模型：个性化学习路径设计。依托AI物联网技术，团队将游戏任务按知识难度与操作策略分为六级，动态匹配幼儿能力水平。系统通过自动化采集幼儿选择卡片、完成任务的表现数据，精准定位认知特点。教师基于模型结果提供“鹰架式”支持，AI系统则自动调整任务梯度，确保挑战处于“最近发展区”。例如，当幼儿多次选择某难度卡片且正确率稳定时，系统将推送更高难度任务，形成“跳一跳、够得着”的游戏激励。过程数据的追踪与分析，为个体化游戏支持提供科学依据，形成数据指导下的个性化支持闭环。

　　建立AI智能评价体系：实时反馈促进有效学习。团队打造的AI智能评价体系，实现了“过程数据可视化—反馈精准化—支持个性化”闭环。系统嵌入物联网技术，自动采集点数策略、操作顺序、验证次数等关键行为特征，通过数据挖掘模型划分学习能力等级与学习风格。评价结果不仅能实时反馈给教师，而且通过声学、视觉听觉通道智能化反馈给幼儿，引导其自我调整策略。研究显示，反馈组幼儿的游戏专注度、正确率及坚持性显著提升。教师凭借评价报告可精准定位短板，动态调整任务内容，形成自主游戏个性化评估范式。团队正推进覆盖全年龄段幼儿认知、语言、情感等多维度的智能评价生态建设。

　　据了解，团队科研突破源于教育学、心理学与人工智能的深度融合。一方面，技术系统以儿童发展理论为基石，确保数据收集的客观性与评价的科学性；另一方面，实践成果反哺理论，形成AI赋能幼儿教育的系统化方法论。例如，任务分层模型基于维果茨基的“最近发展区”理论，结合数据分析实现动态适配。这种“技术—理论—实践”的循环迭代，不仅能提升教育效能，而且为学前教育数字化转型提供了范式参考。

　　实践表明，AI系统的应用显著提升了幼儿的游戏兴趣与认知能力，自动化数据采集降低了教师观察负担，智能评价系统为个性化支持提供数据支撑，分层任务设计激发了幼儿自主学习动力。团队成果获2023年山东省本科教改重点项目支持，彰显其学术与实践价值。未来，团队将持续深化AI在情感、社交等领域的探索，构建多维度智能评价生态，助力幼儿全面成长。

　　（本文系2023年山东省本科教学改革研究重点项目阶段研究成果）

作者：李姗姗

编辑：白天

审核：周玉森