机器学习系统赋能幼儿教育，浙师大引领过程性质量评价智能化变革

记者：宁斌

近日，记者从浙江师范大学幼儿教育集团获悉，该集团通过部署由国际教育技术专家Amegah Emelia Edinam博士研发的“基于机器学习算法的学前教育过程性质量评价分析系统V1.0”，在幼儿园过程性质量监测与教研改进领域取得系列创新成果。这项源于前沿人工智能技术的教育创新，正推动传统的学前教育评价模式向数据驱动、精准干预的科学范式深刻转型。

Amegah Emelia Edinam博士是学前教育技术领域的杰出专家，在比较教育学、教育大数据分析与智能系统开发方面有着深厚造诣。她在浙江师范大学攻读博士学位及后续的研究合作期间，先后研发了多项具有重要行业价值的技术成果，包括“基于多模态数据的学前儿童发展性评估与家园协同平台”“基于大数据的学前教育师训质量循证管理系统”等。其研究成果已在中国多家领先的教育集团成功应用，创造了显著的教育效益与社会价值。此次浙师大幼儿教育集团应用的“过程性质量评价分析系统”更是凝聚了其在教育人工智能与课堂分析领域的最新突破。

据了解，过程性质量是学前教育内涵发展的核心，但传统的课堂观察与评价高度依赖督导者的个人经验，存在主观性强、覆盖面窄、反馈滞后等局限，难以支撑大规模、常态化的精准质量提升。Amegah Emelia Edinam博士研发的这套创新系统，通过先进的机器学习算法、自然语言处理和多模态数据分析技术，实现了对师幼互动、教学环节组织、幼儿参与状态等复杂课堂行为的自动化、精细化解析。该系统可将传统需要数小时人工编码分析的半日活动视频，在短时间内转化为多维度的量化分析报告，使隐性的教育过程变得清晰可见、可衡量。

浙江师范大学幼儿教育集团教研中心主任王琳向记者介绍，自2025年5月正式引进并部署该系统以来，集团旗下各园的教研与管理工作效能得到了显著提升。“基于系统数据驱动的园本教研，其问题聚焦度与对策有效性提升了约60%，教师对自身教学行为的反思深度也显著加强。Amegah Emelia Edinam博士的这项创新，为我们破解了过程性质量评价长期存在的‘黑箱’难题，让高质量管理真正有了科学的‘抓手’。”

特别值得一提的是，在该系统支持的一项针对“师幼互动语言质量”的专项改进项目中，系统精准分析了不同教师提问类型的分布与幼儿回应的复杂性关联。基于此洞察，教研团队进行了针对性干预，试点班级在三个月后，教师的开放性提问比例平均提高了35%，幼儿的复合句与解释性语言输出也显著增加。这一突破不仅直接提升了教学质量，也为教师专业成长提供了极具价值的循证路径。

业内专家指出，该系统的成功应用，标志着中国学前教育在依托智能化手段实现科学治理、内涵发展方面迈出了关键一步。Amegah Emelia Edinam博士的这项成果，不仅解决了优质园所规模化发展中质量监控的瓶颈问题，更为构建“基于证据”的学前教育持续改进文化提供了可靠的技术基础。据估算，该系统通过提升教研效率和保教质量，将为集团的长远发展和品牌价值带来持续的增值效应，充分展现了前沿科技对教育高质量发展的强大驱动力。