CLARA：AI 能否评估儿童故事的发展适宜性？

评估儿童叙事的认知发展适宜性对于教育推荐和发展素养研究十分重要，然而此类评估通常依赖主观判断，且难以大规模实施。这引出了一个重要问题：AI 系统能否近似人类对儿童故事发展适宜性的判断？为研究这一问题，我们提出了 CLARA，这是一个以认知科学为基础的发展性叙事理解框架，通过在认知（COG）、语言（LAN）和社会情感（SEL）维度上进行结构化标注来实现；同时，我们构建了一个双语基准资源，其中包含 1107 篇中英儿童故事，以及经过规范化处理的银标准发展参照和结构化发展标注。我们通过基准比较、组件分析、翻译后的双语一致性分析，以及教育工作者参与的盲法人类评估来评估 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，结构化发展标注与发展参照及人类判断之间具有显著更强的一致性。总体而言，我们的研究结果表明，在结构化发展标注的引导下，AI 系统能够近似人类发展性判断的某些方面，同时也凸显了解释性和人工监督在教育 NLP 中的重要性。