这项任务先解决什么
建立输入识别、内容正确、反馈适龄和个人解释四类观察。对同一主题换种问法，观察孩子是否能运用概念。记录成人提供了什么帮助，避免把代答或逐字复述计为独立理解；也不从少量试用推断普遍学习效果。
同一概念用不同表述追问，分别记录设备答案与孩子解释。成人是否提示应另记，避免把代答算成独立掌握；发现内容问题时记录证据并停止反复错误的流程，而不是要求孩子适应设备。
先给指标写清分母与边界
评价教育陪伴设备试用之前，由家长和内容评估人员共同约定一次任务何时开始、怎样结束、哪些样本或尝试必须计入。结果、人工帮助与资料完整性分开观察，避免总体分数掩盖关键缺口。若没有可比基线，就先形成描述性记录，不把两个无共同条件的数字相除后称为效果提升。
把评价拆成可复核的证据
评价项目1应对应具体操作：选定一项短时活动并写清目标；由成人先检查示例问题与回答；观察孩子离开设备后是否能表达自己的理解。记录完成与未完成的状态及原因，不只收集最好的一次。需避免的误读是长时间使用和频繁互动不能直接证明学习收益。。同样的检查规则应作用于所有候选或参与组；修改规则后，注明旧结果是否仍可比较。
评价项目2应对应具体操作：准备安静与有背景声两组输入；标记识别错与回答错；观察成人能否暂停、重述或退出对话。记录完成与未完成的状态及原因，不只收集最好的一次。需避免的误读是把所有失败都归为语音识别率会掩盖内容错误。。同样的检查规则应作用于所有候选或参与组；修改规则后，注明旧结果是否仍可比较。
评价项目3应对应具体操作：建立需要人工复核的题目清单；比较多个表述与追问；保存错误内容并查看纠错入口。记录完成与未完成的状态及原因，不只收集最好的一次。需避免的误读是故事生成流畅不等于事实或教学解释正确。。同样的检查规则应作用于所有候选或参与组；修改规则后，注明旧结果是否仍可比较。
观察差异后再决定如何改进
将活动目标、输入转写、回答要点、孩子复述、成人接管与退出原因放在同一张任务记录里，先看问题集中在哪个条件，再提出改进动作。对于“固定内容互动”应考虑内容易检查，开放提问范围有限，因此评价还需说明人的准备、管理和支持投入。一次试验只能支持所记录条件，长期表现要依赖持续记录，不能从样本少或只选成功案例的演示推出。
把技术边界放到实际动作里
本次核对还要保留两条具体提醒。第一，长时间使用和频繁互动不能直接证明学习收益。；对应动作是选定一项短时活动并写清目标。第二，把所有失败都归为语音识别率会掩盖内容错误。；可从标记识别错与回答错开始复核。它们应进入操作说明或问题单，而不是只出现在结尾。若结果与预期不同，先查这些动作是否真的完成，再决定是否需要修改原任务。
成人控制与数据检查：怎样填写本次任务
本场景工作表字段为对象、功能或资料、关闭/删除入口、实际复核、待问产品方。例如示范行“设备 / 麦克风/相机 / 按说明填写 / 待执行 / ”仅展示填写关系；实际运行后用自己的观察替换，不保留示例当结果。填写时重点对应活动目标、输入转写、回答要点、孩子复述、成人接管与退出原因，让一次选择、操作或修改能找到原始依据。表头中的状态应区分未执行、已观察和仍待确认，适用条件改变时另开一行，而不是覆盖旧结果。
本场景最容易误判的两件事
围绕“教育陪伴试用评价：互动顺畅与学习表现分开看”，可以把这两个问题用于复核。更新后还要再试吗？ 要对原来的关键问题和控制动作复测，保留版本差异。 另一项是：听错怎么办？ 先保留原话与可见转写，再换安静条件或输入方式复测。 两者应与本次任务的实际条件一起判断。
原始资料阅读
What to ask before buying internet-connected toys
https://consumer.ftc.gov/consumer-alerts/2019/12/what-ask-buying-internet-connected-toys
AI Risk Management Framework
https://www.nist.gov/itl/ai-risk-management-framework
Scratch's Creative Learning Philosophy
https://www.scratchfoundation.org/learn/learning-library/scratch-creative-learning-philosophy