CLASS师幼互动质量评估:把"教师回应得好不好"落成可对齐的评分

前言

做幼儿园质量观察类产品时,常见的问题是:儿童行为能记录得很细,但”教师如何回应”这一侧往往只剩笼统评语,不同人给出的判断对不上。CLASS师幼互动质量评估这个 Skill 就是补这一侧的——它基于 CLASS(Classroom Assessment Scoring System)量表,把师幼互动拆成可逐项打分的框架,让评估结论有统一口径。下面介绍它的定位、能力和用法。

这是什么

CLASS师幼互动质量评估是一个专注于师幼互动质量观察与评估的 Agent Skill,由社区开发者 user_4c5a13be 发布在 SkillHub,坐标 @user_4c5a13be/class-interaction-assessment,当前版本 1.0.1,分类 education。

它解决的问题是:输入一段师幼互动的观察材料,输出按 CLASS 量表结构化的质量诊断、改进策略建议和分层反馈话术。官方简介里特别强调它与 child-behavior-observation 互补——前者分析”儿童做了什么”,后者评估”教师如何回应”。

该 Skill 不需要 API key(requires_api_key=false),当前 SkillHub 评分 100000,下载 889 次。

核心能力

官方描述的能力有三项,均围绕 CLASS 量表展开:

  1. 互动质量诊断:按 CLASS 量表对师幼互动进行系统评估,给出各领域的得分与依据。
  2. 改进策略建议:针对薄弱维度给出可落地的教学改进方向。
  3. 分层反馈话术:面向不同水平教师生成差异化的反馈表述,便于园长或教研员直接使用。

评估框架为三大领域十个维度:

  • 情感支持(Emotional Support)
  • 班级组织(Classroom Organization)
  • 教学支持(Instructional Support)

需要说明的是,十个维度的具体划分以 CLASS 官方量表为准,Skill 简介中只点明了三大领域,未逐一列出维度名称,此处不做展开,避免与量表原文不符。

安装与启用

该 Skill 遵循通用 SKILL.md 格式,通过 SkillHub 分发。启用方式是在支持 SkillHub 的 Agent 客户端(Cursor、Claude Code、Codex CLI 等)中添加该 Skill,坐标如下:

@user_4c5a13be/class-interaction-assessment

本次撰写时官方页面(api.skillhub.cn 与 skillhub.cn 两个地址)均无法访问,未能核实具体平台的安装命令和配置字段,因此这里只给出坐标。各客户端的添加方式以其官方文档为准。

典型用法

把观察记录作为输入,直接向 Agent 提出评估需求。官方给出的触发场景是:用户需要评估师幼互动质量、开展 CLASS 评估,或寻求改进互动实践的专业指导。可复现的示例提问:

帮我评估这段师幼互动记录的 CLASS 质量,按情感支持、班级组织、教学支持分别打分并说明依据。
这段观察里教师在班级组织维度有哪些明显短板?给出 2-3 条改进策略。
请生成一段给该教师的分层反馈话术,语气建设性,指出问题同时给出下一步动作。

使用要点:观察材料尽量具体(还原对话、活动环节、师幼互动频次),框架评分才有意义;泛泛的”这个老师不错”这类输入,输出也会空泛。

适用场景与注意

适合谁:

  • 幼儿园教研员、园长,需要把听评课记录落成结构化反馈。
  • 做学前教育质量评估产品或 Agent 的开发者,需要一个 CLASS 评分框架作为 Skill。
  • 与 child-behavior-observation 搭配使用,分别覆盖”儿童行为”与”教师回应”两侧。

限制与坑:

  • 该 Skill 是对观察材料的分析工具,不能替代现场观察和量表培训。CLASS 量表的正式使用要求观察者经过培训并达到评分者信度标准,用 Skill 得出的分数不宜直接当作正式测评结论。
  • 输出质量取决于输入材料的具体程度,输入越接近真实互动片段,评估越有参考价值。
  • 本次未能访问官方页面核实最新版本号之外的变更记录和更详细的使用文档,实际能力以官方页面为准。

小结

这个 Skill 的价值在于把师幼互动质量从主观印象变成按 CLASS 量表逐项评估的结构化输出,并提供改进建议和反馈话术,与儿童行为观察类 Skill 形成互补。官方地址:https://api.skillhub.cn/user_4c5a13be/class-interaction-assessment

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

Xiaoye