收益：
- 能够在人工智能的支持下编辑结构化观察笔记，区分客观观察和解释并描述行为（例如 ABC：前因-行为-后果）
- 能够使用人工智能将原始观察笔记转换为可读的、包含日期/上下文的记录，将评论和标签保留在专家的监督下
- 能够识别和纠正错误，例如偏见、耻辱和扭曲观察的缺失背景
儿童发展专家最有力的工具不是昂贵的测试，而是良好的观察。但观察不仅仅是“看”；而是“看”。它是通过将其与解释分开来客观地记录您所看到的、具有历史和背景的内容。 “阿里今天很顽皮”不是一种观察，而是一种评论——甚至是一种耻辱。 “当阿里在自由比赛中被要求等待轮到他时，他把玩具扔在地上，然后离开了桌子”是一个观察结果。在本单元中，我们将介绍如何撰写客观观察笔记、ABC（前因-行为-结果）等结构化方法，以及如何安全地使用人工智能将原始笔记转换为可读记录。
我们先澄清一下区别。客观观察是可测量和可描述的现象，每个人都可以以相同的方式看到：发生了什么、何时、在什么背景下、持续了多长时间。解释是对这种现象背后可能的原因或含义的推断。在观察笔记中，两者不应混淆；首先进行描述，然后在单独的部分中进行谨慎的评论。人工智能本身不会做出这种区分。如果你不要求它，观察和解释就会交织在一起。
ABC法和结构化笔记
ABC 录音是理解行为的一个有效方法。它代表：A（Antecedent）——该行为之前发生了什么，上下文是什么。 B（行为）——可以观察到，孩子确实做了什么。 C（后果）——行为之后发生了什么，环境和人们如何反应。 ABC 不是用来理解“为什么”发生某种行为，而是首先了解“什么、何时、在什么条件下”。当某种模式出现时（例如，如果孩子总是在过渡时刻遇到困难），干预就会变得更加准确。
良好的观察记录的组成部分：日期和时间、设置/活动、持续时间、观察到的行为的描述、谁在场，以及单独的“可能的解释/观察”部分。为了匿名，使用代码或“子”代替名称。
项目
弱（有评论/戳）
强（客观/描述性）
行为
“一个有攻击性的孩子”
“当同伴拿走他的玩具时，他推了同伴”
情感
“他不高兴”
“他哭了，用手捂住脸，大约3分钟”
参与
“懒惰，没兴趣”
“他被邀请参加活动，他没有坐在桌子旁，他看着窗户”
语言
“不能说话”
“他在自由比赛中使用了三个单词：‘球’、‘水’、‘妈妈’”
注意：观察记录中不包含“攻击性”、“有问题”、“懒惰”、“调皮”、“操纵性”等词语。这些是评论和邮票；这对孩子不公平，案件无效。当你在AI草稿中看到这些词时，将其删除并变成描述。
人工智能的作用：从原始笔记到阅读记录
这位专家全天都在快速、凌乱、简短地做笔记：“10:15 街区角落，M 在该说的时候扔了玩具，然后从桌子上站起来。”人工智能可以获取此原始笔记并将其转换为带有日期/上下文的可读记录，并以 ABC 格式设置。因此，您可以专注于观察，而人工智能则可以加速编辑。但有两个限制：（1）它不能添加非AI细节（产生幻觉的风险）；它仅规范您提供的内容。 (2) 评论和标签仍由您控制；人工智能不应该产生诸如“孩子生气了”之类的推论。
安全串流：
- 匿名收集原始笔记。允许有缩写，但让事实成为事实。
- 给AI一个“只能编辑我给出的内容，不能添加”的限制。
- 翻译成ABC格式和客观语言。
- 将评论部分分开；检查邮票文字。
- 与来源进行比较，看看是否有任何添加/捏造的细节。
提示：编辑完笔记后，问一个问题：“这段录音中是否有一句话我实际上没有观察到？”如果是这样，那么AI就产生了幻觉；删除它。
观察类型：轶事、频率和持续时间记录
观察不是采用单一的方式，而是根据目的采用不同的方法；知道你选择哪一个也可以明确你将让人工智能做什么。轶事记录是对单个有趣或有意义的事件的详细的、叙述性的描述（“他今天第一次自发地把一个玩具递给同伴”）；实现了质的飞跃发展。频率日志统计一段时间内特定行为发生的次数（例如“45 分钟的自由比赛中 6 次板凳违规”）；它用于衡量行为的强度。持续时间日志衡量行为持续的时间（例如，“过渡期间哭泣平均为 4 分钟”）。时间间隔抽样是指以一定的时间间隔（每 5 分钟）观察孩子在做什么；有一天举例说明是很实际的。
人工智能可以获取这些数字记录，对其进行汇总，将它们排列在表格中，并显示随时间变化的趋势（“过去两周内，序列违规从 6 次减少到 3 次”）。但你把数字加起来；即使当你告诉人工智能“计算平均值”或“推断趋势”时，也要目视检查结果，因为即使在简单的算术中，模型也可能会出错。定量监测可直接用于衡量支持计划进度（第 6 单元），因为它用客观数据取代了“改善/恶化”等主观判断。
注意：不要遗漏频率和持续时间记录中的“上下文”。仅“6次顺序违规”是不完整的；如果没有添加活动、时间和人员，则该模式不会出现。要求AI在汇总记录时保留上下文列。
四个可复制的提示
1）原始笔记转换为ABC格式的提示：
你的角色：选秀助理。将以下原始匿名观察笔记翻译成 ABC 格式（前因/行为/结果）。仅使用我提供的信息，请勿添加详细信息。使用标签和印章文字；有客观的描述。填写我的数据中的日期/时间/环境字段，如果缺少，请写[未指定]。原始注释：[匿名]
2）戳字清除提示：
在下面的观察笔记中，找到包含评论、标签或耻辱的单词（例如好斗、懒惰、有问题、顽皮）。将每一项转化为客观的、可观察的描述并列出变化。注：[正文]
3）观察-评论解析提示：
将以下混合注释分为两部分：(1) OBSERVED（客观、事实），(2) POSSIBLE INTERPRETATION/TO BE MONITORED（谨慎，用“[让专家验证]”）。评论区不要写具体原因；使用概率语言。注：[文字]
4）幻觉/插入控制提示：
我会给你一张原始笔记和一份经过编辑的录音。检查编辑后的录音中是否包含原始音符中没有的任何信息。标记每个添加的短语并指出“不在源中”。原始注释：[A] 编辑：[B]
三个迷你箱子
案例1——从印章到描述。一位专家在当天结束时指出，“M 今天非常有攻击性，他击中了 3-4 次。”让人工智能根据第二个提示来清理它。输出：“M 在三个不同的场合击中了同伴，这三个场合都是在玩具共享期间（11:00 方块角落、11:40 沙盘、14:10 自由游戏）。”现在目标、数字、模式出现了：分享的时刻。出现了针对目标行为的定义，而不是“攻击性”标签。
案例 2 — 幻觉捕获。专家给出了一个原始注释：“10点15分他没有坐在桌子旁，而是看着窗户。”他补充道，当人工智能正在组织时，“因为他对这个活动不感兴趣，而且他可能有注意力缺陷。”专家按第4条提示进行检查；他发现这句话不在原始注释中，并将其删除。人工智能不是观察，而是做出解释，甚至隐性诊断。
案例 3 — ABC 模式。以 ABC 格式保存两周的笔记与 AI 相结合。从前行列来看，70% 的挑战性行为发生在“过渡时刻”（从一个活动到另一个活动）。这种模式引导专家尝试视觉转换支持（下一个活动卡）。 AI编辑数据；成为解释模式并设计干预措施的专家。
弱提示/强提示
弱提示：
评论这个孩子今天的行为并写下他为什么这样做。
问题：它要求直接的解释和推理，没有描述和解释的区别，它邀请人工智能产生推论和标签。
强力提示：
将下面的原始匿名笔记翻译成 ABC 格式的客观观察记录。使用标签/图章添加细节。将评论放在单独的部分中，并且不要在那里写出确切的原因；谨慎对待“[专家验证]”原始注释：[匿名]
常见错误
- 将观察与解释相结合：首先进行描述，然后在单独的部分中进行谨慎的解释。
- 使用污名化词语：用观察到的行为替换“攻击性/懒惰”。
- 依靠人工智能添加的细节：删除源中没有的句子。
- 跳过日期/上下文/句点：如果没有这些，注释对于提取模式毫无用处。
- 留下 ID：使用代码代替姓名，匿名化注释。
综上所述
好的观察笔记不会给行为贴上标签，而是描述它：什么、何时、在什么背景下、有多少。 ABC（前提-行为-后果）结构使模式可见并使干预准确。人工智能通过将原始、凌乱的笔记转化为可读的 ABC 记录来节省时间；但重要的是不要添加不存在的细节（幻觉）并将评论/标签置于专家监督之下。清理标记文字，保持观察与评论的区别，将记录与来源进行比较。
应用任务
记下一天的原始、匿名观察笔记。用第一个提示将其转换为ABC格式，用第三个提示进行观察-评论区分，用第二个提示清除印章文字，最后用第四个提示检查AI是否添加了任何内容。记下您找到的至少一个拼接/组成的短语以及您清除的至少两个标记单词。
清单
- [ ] 我将观察和评论放在不同的部分。
- [ ] 我以客观、可衡量的方式描述了该行为。
- [ ] 我清除了印记和标签词。
- [ ] 我添加了日期、时间、环境、持续时间和上下文。
- [ ] 我验证了AI没有添加源码中没有的细节。
- [ ] 我对记录进行了匿名处理（代码而不是名称）。
- [ ] 我以临床专家的身份解读了ABC模式。