游戲不僅是幼兒積極主動建構認知、探索世界的主要方式，也是實現社會互動、發(fā)展人際關系的重要途徑。科學評價是守護這份探索的關鍵。然而，在教育實踐中，如何科學有效地觀察評價幼兒在游戲中的學習與發(fā)展，仍是幼兒園普遍面臨的難題。
　　
　　為了破解這一難題，我國高�？蒲袌F隊研發(fā)出兩套基于數據驅動的“會觀察評價的游戲”系統(tǒng)（以下簡稱“系統(tǒng)”），輔助教師“讀懂兒童、評價兒童、支持兒童”，致力于破解教師“觀察難、評價難”問題。以小班“小火車”區(qū)域游戲為例，我們進行了如下探索。
　　
　　1
　　
　　開展即時性反饋
　　
　　展現幼兒思維風格
　　
　　在幼兒游戲現場，教師通過觀察評價，可以了解幼兒參與游戲的專注度和游戲的適宜性。如果能夠做到在真實自然的游戲中提供即時反饋，就可以更精準地掌握幼兒游戲行為表現、學習過程、合作互動等，進而發(fā)現幼兒不同的思維風格特征。
　　
　　例如，幼兒完成一個卡片任務后按動玩具“檢測”按鈕，教師可以借助系統(tǒng)給予幼兒語言、聲音以及燈光反饋：“你做得很正確，小火車要啟動了！”“就差一點點，還需要繼續(xù)努力！”不同游戲情境中的反饋能夠激發(fā)幼兒參與游戲的積極性，展現幼兒的不同風格。
　　
　　多多（化名）是一名小班幼兒，在一次小火車游戲情境中，他選擇了卡片，并將5個水果放入車廂，系統(tǒng)提示“繼續(xù)努力”，但他持續(xù)按“檢測”。這時，教師引導幼兒“再數一數”，但多多并未作出調整。而在競爭游戲情境中，多多的表現卻有所不同。面對系統(tǒng)檢測失敗，他的行為會隨即發(fā)生變化，不斷嘗試做出調整。他選擇卡片，并拿取了4個蘋果放入車廂，這時系統(tǒng)顯示錯誤；接著他又放入了2個，系統(tǒng)依然顯示錯誤。多多皺著眉頭，盯住小火車看了約5秒，重新數卡片上的水果數量，而后慢慢地將水果一個一個放入車廂，最終系統(tǒng)檢測正確，小火車音樂響起來了。多多興奮地拍手歡呼“小火車開動啦”，并自豪地看向同伴。
　　
　　通過對比觀察，我們清晰地捕捉到多多對游戲活動的興趣、對游戲材料的專注程度、克服困難的積極學習傾向性和學習品質，多多表現出典型的外向型風格特征。這啟示我們，情境化的即時反饋是激發(fā)幼兒游戲投入度和展現真實能力的重要窗口，“檢測次數”“數量變化”“調整次數”等數據可以輔助教師識別幼兒在具體情境中展現的行為差異，從而了解其風格特點。
　　
　　2
　　
　　依托過程性數據
　　
　　判斷幼兒發(fā)展水平
　　
　　過程性數據能夠作為診斷幼兒發(fā)展水平的依托。系統(tǒng)可以通過自動化采集的游戲行為數據，構建起幼兒發(fā)展水平模型，為教師提供較為客觀的評價參考。例如，在一次游戲中，多多自主選擇了一張卡片，他要拿取相應數量的水果模型進行匹配。游戲開始，多多說“這是一個蘋果”，隨手拿了一個蘋果模型放入車廂。但系統(tǒng)提示“請再嘗試一次”，因為卡片上有兩個代表數量的點點。此時，系統(tǒng)分析多多的行為數據后提示：“該名幼兒處于具象符號認知階段，尚未理解表象符號的意義，處于符號水平2�！�
　　
　　有意思的是，多多對這個小火車游戲有著濃厚的興趣。隨后的多次游戲中，他逐步進行了調整。當他完成一次數量匹配，但未成功的情況下，表現出明顯的“再放一個”“再數一數”的意圖。在這個過程中，他能通過小火車即時反饋逐步對游戲進行調整。此時系統(tǒng)顯示出的信息為：“能夠根據結果進行調整，但調整正確率較低，處于調整水平2�！�
　　
　　案例中，系統(tǒng)提供的幼兒發(fā)展水平建議并非替代教師判斷，而是提供了較為客觀的“數據畫像”，這些建議增進了我們對多多認知發(fā)展（符號理解）和元認知能力（調整策略）的理解，彌補了單純增進觀察和經驗判斷的局限性。這些數據將為多多設計個性化支持方案提供有力支撐。
　　
　　3
　　
　　提供個性化支持
　　
　　定制幼兒成長方案
　　
　　基于系統(tǒng)提供的建議，以及對多多的日常觀察，教師從環(huán)境創(chuàng)設、材料提供、游戲內容、師幼互動等方面切入，重新審視設置內容和游戲形式，制定了多多的“成長方案”。
　　
　　一方面，基于多多的符號認知水平，教師設計了一個三層遞進式游戲方案。第一，為幼兒提供去除具象圖像干擾的材料，使用“具象”符號、“表象”符號，幫助幼兒聚焦數量本身，以減少其他符號帶來的干擾；第二，過渡到“具象+數量”符號，幫助幼兒建立具象與表象符號之間的數量關系；第三，逐步深入到較為復雜的不規(guī)則符號。幼兒在游戲過程中逐步建構起符號與數量之間的關系。
　　
　　另一方面，基于幼兒現有的調整水平，教師制定了一個二層支持方案。第一，掌握從比較到修正的過程。引導幼兒在調整前先檢查、再行動。第二，選擇更優(yōu)策略解決問題，如比較、擺形狀，為幼兒提供進階挑戰(zhàn)。通過基于數據驅動的分層任務設計，教師實現了“因人設階”的支持路徑，引導幼兒運用不同的策略進行調整。
　　
　　隨著人工智能技術的持續(xù)優(yōu)化和應用場景的深入拓展，我們欣喜地看到，“數據”正逐步成為教師觀察幼兒、理解幼兒的“第二語言”。基于對幼兒游戲行為數據的科學分析，教師能夠更精準地解讀幼兒的思維過程、更客觀地評價其發(fā)展水平、更有效地提供個性化支持，最終形成通過數據驅動幼兒學習與發(fā)展的個性化評估與支持路徑。
　　
　�。ㄗ髡呃願檴櫹瞪綎|航空學院副教授，呂雪系江蘇理工學院講師，胡莉莉系山東省濱州市實驗幼兒園副園長）