CLARA：AI 能否评估儿童故事的发展适宜性？

评估儿童叙事的发展适宜性对于教育建议和发展素养研究很重要，但这种评估通常依赖于主观且难以衡量的人类判断。这就提出了一个重要的问题：人工智能系统能否近似人类对儿童故事的发展判断？为了研究这个问题，我们引入了 CLARA，一个通过跨认知 (COG)、语言 (LAN) 和社会情感 (SEL) 维度的结构化注释来理解发展性叙事的认知基础框架，以及包含 1107 个中英儿童故事的双语基准资源，以及标准化的银级发展参考和结构化发展注释。我们通过基准比较、成分分析、翻译双语一致性分析以及教育工作者的盲人评估来评估 CLARA。实验结果表明，与基于可读性的方法和直接提示基线相比，结构化发展注释与发展参考和人类判断的一致性要强得多。总体而言，我们的研究结果表明，在结构化发展注释的指导下，人工智能系统可以近似人类发展判断的某些方面，同时也强调了可解释性和人类监督在教育 NLP 中的重要性。