摘 要：人工智能的快速发展推动了人类社会迈向人智交互新阶段。在建设高质量学前教育体系进程中，应坚持以促进幼儿身心健康发展为导向，聚焦过程质量开展幼儿园保育教育质量评估。针对传统评估面临的情境真实性剥离、评估真实性异化和资源真实性壁垒等困境，亟待以人智交互驱动幼儿园保育教育过程质量评估回归真实世界。基于信息生态理论，文章建构了“环境—人—数据—技术”四位一体框架，通过真实性环境重构、跨场景协同联动、多模态深度融合以及自适应动态支持，为实现时空交互、场景交互、数据交互、决策交互的人智交互评估生态提供了新的可能。但同时，相关方也需警惕过度数据化、儿童主体性剥夺、信息失真带来的伦理风险。最后，文章尝试提出涵盖价值核心层、理论建模层、技术支撑层和应用保障层的人智交互赋能下幼儿园保育教育过程质量评估的推进路径。

关键词：人工智能；人智交互；幼儿园保育教育；过程质量；质量评估

建设高质量学前教育体系，离不开质量评估的正确导向与科学指引。随着劳动力需求的不断演变，世界各国都从国家战略和未来人力资源储备的高度，将开展质量评估作为深化本国学前教育改革，提升学前教育质量的重要举措。2020年10月，中共中央、国务院印发的《深化新时代教育评价改革总体方案》提出应“强化过程评价”“提高教育评价的科学性、专业性、客观性”。2022年2月，教育部印发的《幼儿园保育教育质量评估指南》（以下简称《评估指南》）中明确要“坚持以促进幼儿身心健康发展为导向，聚焦幼儿园保育教育过程质量”，并指出了当前质量评估中存在的“重结果轻过程”的倾向。当前，我国学前教育事业正步入高质量发展阶段。在学前教育质量评估改革的大趋势下，开展过程质量评估被认为是提高幼儿园保育教育质量的重要途径，强调要关注与儿童发展关系更为密切的过程性质量要素。过程质量评估的重要性不言而喻，但是如何开展科学评估才能更有效地识别幼儿园保育教育过程质量的真实水平，尤其是以评估来促进质量的持续改进与提升一直是学界难点问题。

人工智能的快速发展为实现立足真实世界的幼儿园保育教育过程质量评估提供了解决方案。2025年8月，《国务院关于深入实施“人工智能+”行动的意见》提出，“加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态”。人智交互即人类与人工智能之间的互动与协作的过程，作为人机交互的新兴模式为过程导向理念下开展幼儿园保育教育质量评估指引了新的方向。在新的人工智能技术的引领与推动下，人智交互在幼儿园保育教育过程质量评估中所具备的颠覆性潜力不再局限于对传统评估方法的技术升级，更能够对幼儿园保育教育真实生态进行系统性构建，让评估在真实场景下变得全面可视、可析、可循。为此，文章在分析幼儿园保育教育过程质量评估的时代机遇与现实挑战基础上，试图形成对人智交互如何赋能幼儿园保育教育过程质量评估的深刻理解，进而明辨今后的发展方向，尝试去思考如何在人工智能的支持下建构起真实在场的、富有生命力的人智交互评估范式。

一、真实性的追寻：人智交互赋能下幼儿园保育教育过程质量评估的价值审视

评估作为一个承载着价值的术语，行动者赋予其主观的意义，应当体现一定目的或需求。纵观全球学前教育质量改革浪潮，以标准化为追求的“客观主义”幼儿园保育教育质量评估观在国家政策改革中长期居于主导地位。近年来，聚焦以人为本的高质量教育体系建设亟待要求从过程视角下开展幼儿园保育教育质量评估。人智交互为推动幼儿园保育教育过程质量评估回归真实世界，破解传统评估局限性提供了新的思路和解决方案。

（一）价值异化：幼儿园保育教育过程质量评估中的真实性缺失困境

对于幼儿而言，比起外部条件环境质量，涉及关系与互动等过程质量要素对其发展的作用更为密切。在有效教学理论和“过程—结果”评估取向下，回归真实成为以人为本的幼儿园保育教育过程质量评估的根本向度与价值追求。近年来，研究者们开始更为关注如何将评估过程自然地融入到真实性场景中，消除评估与实践分离的壁垒。然而，当前幼儿园保育教育过程质量评估仍面临着真实性迷失的困境，遮蔽了教育的“本真价值”，造成价值异化。具体体现在：一是情境真实性剥离。较长时期以来，传统评估更多强调条件保障和静态评估，评估场景与幼儿学习与发展直接相关的真实保育教育过程相割裂。二是评估真实性异化。虽然近年来随着真实性评估的大力发展与推动，在真实情境中开展过程评估开始受到重视，但是以往这一领域的研究通常依赖于人工评估的方法，如专家观察、自我报告等。相关研究者利用《幼儿学习环境评价量表（ECERS）》《课堂评估评分系统（CLASS）》等经过验证的观察编码系统开展研究，然而由于其观察程序复杂，依靠编码者分别独立编码，易产生观察取样偏差从而导致过程性数据失真。此外，标准观察方法的另一重要局限在于，它们无法全面捕捉在幼儿园保育教育过程中不同活动场景下同时发生的各种互动。三是资源真实性壁垒。过去幼儿园保育教育质量评估多依赖于阶段性的片面化评估，虽关注过程质量要素，却侧重于某个方面例如师幼互动或者活动参与质量的诊断性功能，不同时间、不同对象、不同领域方面的数据成为孤岛，过程质量评估与儿童发展之间未能建立联动，导致评估结果难以为教育干预提供实时、动态的支持。为适应新时代对于幼儿园保育教育过程质量评估的要求，学前教育工作者和政策制定者必须快速响应，推动其从传统外部测评到反映真实世界的生态化评估转变。

（二）技术赋能：人智交互驱动下真实性过程质量评估的潜在优势

技术在幼儿园保育教育过程质量评估中具备的颠覆性潜力是不容忽视的。但是更为重要的是，如何在运用技术的同时保持人工智能自动化与人类专业判断之间的平衡。在幼儿园保育教育过程质量评估的数字化进程初期，更多停留在技术嵌入的“工具智能”阶段，电子化量表的开发主要用于提升评估的效率。然而，技术至上会导致使用者在过度依赖中逐渐失去与世界的深度联结。如今，当人机交互中的“机”为人工智能技术，即其具备情境感知、强化学习、推理决策等特征时，人机交互被推向人智交互更高阶段。在新的智能技术赋能下能够推动评估方式的升级，实现从保育教育过程评估与儿童发展分离到重新融合的过程，通过提供所有在保育教育现场内所有儿童和成人的实时数据，能够在真实世界中进行全场景、全天候和全时空的评估。一方面，在人工智能支持下，通过借助物理意义的“身体”（例如各类传感器和可穿戴设备等）形成与现实世界进行交互的智能体，能够让评估回归真实的教育情境，较好回应了“以人为中心”的自然交互准则对质量评估的要求和挑战。另一方面，在人智交互驱动下，通过应用机器学习算法来自动测量保育教育过程中的重要变量可以帮助减轻编码负担，并能够实现幼儿园保育教育质量过程评估从单向响应转变为动态对话和持续协商，拓展了专业人员的能力边界，有助于形成高度智能化的评估与自适应反馈。

二、真实在场的评估生态：人智交互驱动下幼儿园保育教育过程质量评估的推进逻辑

人智交互对幼儿园保育教育过程质量评估的生态重塑，其核心在于通过人工智能技术实现评估与真实保育教育场景的深度融合，推动其从“脱离情境的静态测量”转向“嵌入情境的动态支持”。信息生态理论为从生态系统视角探究人类与人工智能间的关系提供了重要基础。该理论主要以生态学的基本原理与方法探讨分析信息系统的结构、功能和演化等问题。从系统论的角度来讲，信息生态包括了信息、人、技术、环境之间所形成的结构。在此基础上，文章提出“环境—人—数据—技术”四位一体的人智交互评估逻辑框架（见图1）（图1略）。通过时空交互、场景交互、数据交互、决策交互，为实现人智交互重塑幼儿园保育教育过程质量评估生态提供了新的可能性思路。

（一）真实性环境重构：打造“时空交互”的人智共生空间

在人工智能支持下，通过技术无缝嵌入真实保教环境，能够助力打造“时空交互”的人智共生空间，实现幼儿园保育教育过程质量评估中的人（—技术—）境之间的隐性化意向结构。评估技术与真实保教环境之间兼有背景关系和具身关系。一方面，传感器设备可以嵌入到环境场域中，依托物联网方式与环境融合为一体，而不被人所感知。有研究者结合深度学习算法研究解析师幼空间距离以及情感支持质量；使用与物联网平台相连的AI玩教具来评估幼儿对材料的操作和使用情况等。从实体空间布局中，可以使用基于蓝牙的徽章技术或超宽带射频识别的实时定位系统，显示幼儿与同伴或者教师何时何地发生社交接触。另一方面，也可以通过可穿戴设备等方式介入到生物学层面。例如，用头戴式摄像机来捕捉第一人称视角下幼儿在日常体验中所见的景象，通过高分辨率视频、加速度计和陀螺仪，评估幼儿与物体及其社交伙伴的互动，从而能够将保育教育环境与学习成果联系起来。还有研究者采用LENA系统的数字语言处理器，由幼儿佩戴在特制的马甲或衬衫上，从而区分佩戴记录器的目标幼儿语音、其他幼儿语音、成人语音以及非语音声音。所有这些与幼儿园保育教育过程质量相关的感知数据将在时间线与空间上得以融合，通过物联网和各传感器及图像识别数据采集及数据资源配置，形成对“时空流”中过程质量的立体刻画。

（二）跨场景协同联动：构建“场景交互”的适龄质量评估模型

幼儿园保育教育过程质量评估必须嵌入于与儿童发展紧密相关的若干个真实场景。然而，目前的评估更多局限于单一维度的静态快照，难以刻画过程质量的动态性与复杂性本质。为此，可基于场景交互构建过程质量评估模型，让人工智能扮演智能中枢的角色。这一模型的构建不仅要关注质量是什么，还要去理解促进儿童发展的各个过程因素是如何在不同场景中相互作用并产生效果的。为此，首先应聚焦关键质量要素，划定核心维度与指标。根据《评估指南》规定，幼儿园保育教育过程质量包括活动组织、师幼互动与家园共育三大维度。在此基础上，可采用教育理论与智能技术双驱动的方法，从如何支持儿童发展的视角，建立具有年龄颗粒度（适宜托班、小班、中班、大班）的质量评估指标体系，并借助文献计量、文本分析等方法系统梳理编码。其次，设计“场景交互”的关联规则。幼儿园保育教育典型场景，例如生活活动、自主游戏、集体活动、家园活动的质量要素之间并非彼此孤立，而是一个反映幼儿学习与支持过程的连续体。为此，还需要明确不同场景的相互联系与解释的规则，实现跨场景之间过程质量评估的联动。在此基础上，整合构建动态化的适龄质量评估模型（具体见图2）（图2略）。在实际场景应用中对评估模型进行效果验证，及时标注新的、模型未能识别的跨场景案例或者核心指标，不断进行调整与修正，从而帮助我们更好理解幼儿园保育教育过程质量规律、因果关系和环境动态的内部表征，突破因场景边界而带来的信息壁垒和身体壁垒，实现跨场景的全面贯通与交互。

（三）多模态深度融合：开展“数据交互”的无感化识别与采集

当前人工智能的核心突破之一在于能够通过嵌入式感知“机器”设备实现对“人”的无感化数据采集。无感化是指在数据采集过程对被采集对象不产生明显感知或干扰的状态，以技术与人之间实现自然交互为愿景，让智能技术真正回归其服务于人的本质，实现自然、流畅、高效的评估体验。在新兴人工智能支持下能够将传统的人工数据采集转变为智能化的数据识别，推动从依赖现场检查和问卷报表的静态规范审查转向动态资源优化，从指向保育教育过程的观察记录升级为智能互动捕捉。为了实现“数据交互”的智能体包含两个核心组件。第一个组件是各类硬件传感设备，另一个组件是人智交互下的智能软件系统。将生成式人工智能技术融入自然保育教育场景，有机会在较短时间内（分钟、小时、天）捕捉真实保育教育场景中各项资源配置、原始行为模式和时间动态，实现随时随地的全天候数据采集。未来，在人智交互推动下，能够使幼儿园保育教育过程质量评估过程与幼儿日常活动融为一体，实现不同通道数据的多模态融合。这里的多模态是指涉及多种信息表现形式或感知渠道的综合概念。新的人工智能技术通过打破复杂训练数据瓶颈，能够从具身层面真正洞察视频、音频、文本、生理信号等多个模态的数据，并在真实场景中提取出代表不同感官通道的过程质量证据流。这些数据将共同构成真实、完整的过程质量全景图，避免了传统评估中因环境抽离导致的真实性偏差，能够实现以更全面的方式理解质量的本质，为教育研究与实践人员提供了解儿童学习路径中实际发生情况的窗口。

（四）自适应动态支持：实现“决策交互”的人本管理与持续赋能

人智交互正在重新定义幼儿园保育教育过程质量评估的判定边界——从“结果测量”转向“决策交互”，从“技术实现视角”转为“自适应的服务视角”。为了更好地适应实际情况，智能评估系统需要根据环境变化或评估对象状态调整，并能够根据评估结果优化保教实践，其核心在于构建一个双向学习、共同进化的评估样态。一是在评估数据的管理上，应以儿童发展的需求洞察以及专业人员的质量判定为核心，借助人工智能技术挖掘数字世界中存储的涉及各种场景下活动组织、师幼互动与家园共育的质量数据以及相关因素的数据并利用智能手段和可视化技术对过程质量评估结果进行实时分析。二是实现动态评估与反馈生成。智能评估系统通过为每个评估用户设立长期、专属的人本交互“评估能力共进”档案，实现个性化评估。智能评估系统将清晰记录并展示评估专家曾经对AI进行修正的领域、以及他们独特的决策偏好。同时，根据历史记忆与实时状态，自动生成和调整与儿童个体发展匹配的动态化互动场景或支持策略，将幼儿园保育教育过程质量评估和儿童发展支持真正结合起来。三是形成人智协同决策评估界面。在生成式人工智能支持下，学前教育工作者可以与智能评估产生的结果进行实时的过程性互动，将人工智能的分析与推荐结果作为参考辅助于人的决策，不断调整和改进评估指标和结果。通过实时可视化的共同思考过程，减少技术依赖并增强在幼儿园保育教育过程质量评估中的专业角色，将评估真正从静态的、片面的阶段性诊断转向以人为本的动态化管理与持续改进。

三、人智交互在幼儿园保育教育过程质量评估中的应用风险及其对策

技术的更新和变革对幼儿园保育教育过程质量评估带来的机遇和应用前景是令人惊喜的。但是，在使用智能技术的同时必须警惕“唯工具论”带来技术至上的困境。要避免人工智能的负面影响，可能性的解决方案是要将人工智能的应用诉诸人类的价值体系。为此，必须明确评估技术的开发理念，在以人为本的生态取向引导下合理规避“技术至上”可能带来的伦理风险。

（一）警惕过度数据化与隐私侵犯风险

尽管随着人工智能的发展在很大程度上解决了脱离真实与自然体验的问题，但是在人智交互下实现的无感化特性可能会导致过度数据化，从而造成隐私泄露和数据安全风险。例如，班级中部署的分布式麦克风阵列可能无意间记录家庭隐私对话。而毫米波雷达可穿透衣物监测身体特征（如心率、体态），构成对儿童、教师、家长等群体的数字化窥视。此外，由于在数据采集、管理、分析和共享等过程中，涉及人的肖像、活动轨迹等数据，若缺乏对幼儿园保育教育过程质量评估数据的及时有效监管，容易致使相关数据的流转、共享、决策处于失序状态，进而导致数据丢失或者存在泄露、滥用等风险。因此，在开展幼儿园保育教育过程质量的智能化评估时，必须以维护受评估者的合法权益为前提，以法律法规和道德规范为设计准则。尤其是针对幼儿而言，要确保使用者（及其监护人）能够清晰了解数据采集的目的、方式及存储期限，严格对所收集的数据进行匿名化处理，以降低数据泄露后对个人隐私的影响。同时，要建立数据泄露应急响应机制，通过多方联动的动态监管过程，构建智能化幼儿园保育教育过程质量评估数据监管体系，推动数据风险预警与化解。

（二）避免儿童主体性的剥夺与情感缺失

儿童作为幼儿园保育教育过程质量评估的核心主体，常因其年龄限制和认知局限无法真正理解数据采集的后果。例如，可穿戴设备的使用可能被包装为“游戏”，却掩盖了其监控的本质。由于儿童对数据隐私的认知能力要远低于成人，而导致“名义同意”沦为形式。家长对其代行同意权时，可能会因利益冲突忽视儿童的意愿和想法。若在人智交互中只关注到机器与评估者的互动，而忽视被评估对象，即幼儿的真实体验与感受，将会造成儿童在情感与人际交流方面的缺失。此外，所有传感技术在其能够测量的行为方面都存在局限性。值得注意的是，我们目前尚未完全掌握能够在幼儿园保育教育过程场景中捕捉有关学龄前儿童目光和手势的精准技术。而这些非言语表达方式对于该阶段的儿童尤为重要，也是幼儿园保育教育过程质量评估中不可忽视的关键。这就对于人智交互的使用有了更高的要求。必须注意到，教育环境并非被动地“容纳”各类传感器装置。实际上，所有设备和技术使用的目的是使其具有互动性，从而增强儿童的游戏体验以及营造有意义的学习环境。

（三）防止指令失配与评估信息失真危机

人智交互所依赖的自动算法的快速发展将推动幼儿园保育教育过程质量评估的实践创新。然而，人工智能只是智能化的工具，不能完全替代人的智能。自动化决策的一个潜在危险是专业知识的边缘化，其典型表现为自动化输出或过度僵化执行指令，或忽略关键上下文，甚至为达成目的采取非常规且具危害性的路径。其二，由于幼儿园保育教育过程质量评估中会经常面临对于幼儿语音、面部表情等数据采集，在精准识别率方面会存在一定困难。鉴于这两项挑战以及当前为解决幼儿相关数据的自动识别和量化可靠性问题而开展的工作，使用传感系统的研究人员如何评估这些系统的可靠性显得尤为重要。考虑到智能化评估任务的难度和现有算法的有效性，学前教育工作者有可能而且很容易将机器的输出视为正确的决定而不是试探性的建议。为此，一方面需要建立一种基于联合生产的评估文化，强调多元利益主体的协作，而不是技术决定。另一方面，从技术防范上而言，在智能传感系统中可尝试内嵌发展不确定性指数，当预测置信度低于阈值时自动切换为“人类优先”模式，避免算法决策取代教育者的专业判断。

四、人智交互赋能下幼儿园保育教育过程质量评估的路径与展望

在新的时代背景下，人工智能的发展为幼儿园保育教育过程质量评估带来了契机，人智交互更是为以人为本的真实性评估提供了具体思路。2025年1月，中共中央、国务院印发的《教育强国建设规划纲要（2024-2035年）》明确提出“建立基于大数据和人工智能支持的教育评价和科学决策制度”。这为破解幼儿园保育教育过程质量评估困境提供了行动方向。迈向真实世界的幼儿园保育教育过程质量评估顺应了当今国际学前教育质量研究的趋势，更充分体现了以人为本的价值取向和需求。在人智交互赋能下如何重塑幼儿园保育教育过程质量评估生态，实现基于真实世界中的幼儿园保育教育过程质量评估？文章据此提出了涵盖价值核心层、理论建模层、技术支撑层和应用保障层的幼儿园保育教育过程质量评估的具体路径。

（一）价值核心层：倡导以人为本的评估价值与真实体验

在人智交互赋能下幼儿园保育教育过程质量评估的根本目的旨在构建一个以人为中心、拓展人类能力边界的评估系统生态。为此，首先应将促进幼儿发展作为价值核心层的优先事项，评估的意义在于提出促进发展的“全局”或鸟瞰途径。对于幼儿园保育教育过程质量评估而言，最终需要指向人的需求，着重挖掘与强调通过怎样高质量的保育教育能够支持幼儿更自主的成长，为培养德智体美劳全面发展的社会主义建设者和接班人奠定基础。同时，要凸显以儿童为本的真实体验。实现从“监控”至“服务”的转变，尊重儿童发展需求，更加凸显“人”的真实体验的实质，将评估作为学习的一部分，在幼儿园保育教育真实场景中开展评估，让幼儿获得自然愉快的评估体验。其次，要充分尊重发挥学前教育专业人员的价值，以智能技术拓展作用边界。对于幼儿园保育教育过程质量的重要实施主体，需要引导教师、管理者等专业人员在坚守价值塑造的基础上，确保技术应用符合教育规律、法律法规和伦理规范，真正推动幼儿园保育教育过程质量评估从测量诊断向专业赋能转变，实现减负、提质、增效。

（二）理论建模层：提供基于证据的科学评估与数据支持

为了实现人智交互赋能下的幼儿园保育教育过程质量评估应重点解决评估什么的问题，即构建评估的理论模型。为此，可遵循以证据为中心的设计原则，在理论演绎和专家咨询基础上，构建“典型场景—指标模型—证据模型”理论框架，形成一个可交互、可推演、遵循幼儿园保育教育过程质量规律的理论模型，据此模拟并形成质量评估的完整认知与决策过程。首先，可按照“维度—指标—典型性行为”梳理典型场景中有关活动组织、师幼互动与家园共育维度的关键指标及其具体表征；组织专家和实践工作者对这些指标进行深度解读和分类标签，形成评估指标数据库；建立评估的证据规则，执行从发展表现的证据采集，到对幼儿园保育教育过程质量相关的数据进行分析推论的推理过程。其次，基于智能技术对理论指标进行科学筛选和综合构建。通过提取出能够促进儿童发展的幼儿园保育教育过程质量评估的敏感性核心要素和关键指标，确保用精简有效的指标反映幼儿园保育教育过程质量的核心特征及其对评估结果的贡献度，并基于强化学习算法实时调整评估指标权重。

（三）技术支撑层：构建具有数字生命体的智能体系统

幼儿园保育教育过程质量评估理论模型构建后，如何真正实现人智协同的落地，关键在于具备目标感、推理力和优化潜能的智能体系统搭建。智能体的核心内容包括“感知—认知—决策”三大系统架构的有机整合。其一，构建感知系统。这将成为智能体的感官，负责从真实环境中收集信息，以采集生理信号、语音识别、表情识别、行为捕捉等幼儿园保育教育过程质量相关的数据。同时，结合动态状态数据与调动功能，提升智能体对真实环境的适应能力。其二，搭建认知系统。前述构建的理论模型将成为智能体的“认知大脑”。它根据感知到的信息和记忆，对质量形成自己的理解和预测。基于对幼儿园保育教育过程质量相关数据进行预训练，采用参数高效微调技术，将本领域内的专业术语、核心概念及逻辑规范注入基座模型，约束生成内容的边界，提升模型的准确性与可靠性。其三，形成决策系统。在认知系统基础上进行动态建模，生成可执行的改进方案，从而针对评估结果进行个性化反馈。在人智互动平台中基于人机对话提供实时的干预建议，探索“实践人员+行业专家+AI技能”的复合型评估模式，在人智互动中形成评估—干预—再评估的可持续反馈机制。

（四）应用保障层：为评估实施与伦理监管提供多方合力

人智交互驱动下幼儿园保育教育过程质量评估的最终落实和实现需要多方合力和共同协作，通过应用保障层对人工智能使用中的伦理风险进行提前预警和风险监控，构建能够实现评估的治理生态。首先，建立幼儿园保育教育过程质量智能化评估的分工机制。教育研究者关注幼儿园保育教育过程质量评估理论构建与人工智能技术的深度融合与实现路径，提供总体的思路和行动指南；以人工智能和大数据为代表的信息技术工程师和建设者能够创设智能化的评估场景，高效地处理数据，进行精准评估；管理者可以利用数据结果优化决策，提高管理效率，同时加强对数据的监管责任。其次，进一步制定和完善幼儿园保育教育过程质量评估数据安全和隐私保护的治理杠杆。其中可能包括构建伦理道德多层次判断结构及人智交互的伦理框架，厘定评估主体的数据使用权、所有权和管理权；制定保障智能体操作性与安全性的技术标准，实施智能体部署前的评估安全认证；建立全行业共享的事件报告系统、故障经验学习机制，实现对评估过程风险的及时排查与预警，为人智交互下幼儿园保育教育过程质量评估的伦理安全提供制度保障。

（本文参考文献略）

Toward the Real World: The Value Examination and Promotion Pathways for Process Quality Assessment of Kindergarten Care and Education Empowered by Human-AI Interaction

ZhuWenting HongXiumin

Abstract: The rapid development of artificial intelligence has propelled human society into a new era of human-AI interaction. In the process of building a high-quality education system, it is essential to focus on promoting the physical and mental development of preschool children and to concentrate on process quality to promote the return of kindergarten care and education quality assessment to the real world. In response to the challenges faced by traditional assessment, such as the separation of situational authenticity, the alienation of assessment authenticity, and the barriers of resource authenticity, it is urgent to drive the process quality assessment of kindergarten care and education back to the real world through human-AI interaction. An “environment-person-data-technology” integrated framework was proposed based on the information ecology theory. Through the reconstruction of authentic environment, cross-field collaborative linkage, multi-modal deep integration, and adaptive dynamic support, this study provided new possibilities for achieving the assessment ecology of human-AI interaction such as time-space interaction, scene interaction, data interaction, and decision-making interaction. However, at the same time, vigilance is also needed against the ethical risks brought about by excessive datamation, deprivation of children’s subjectivity, and information distortion. Finally, assessment promotion pathways are attempted to be proposed for the process quality assessment of kindergarten care and education driven by human-AI interaction, covering the core value layer, theoretical modeling layer, technical support layer, and application guarantee layer.

Key words: artificial intelligence; human-AI interaction; kindergarten care and education; process quality; quality assessment

初审：魏莉莎

复审：孙振东

终审：蒋立松