收益：
- 能够理解长期目标和短期（可衡量）目标之间的差异，并使用人工智能生成以标准为导向的目标大纲
- 能够根据学生的表现水平创建逐步（任务分析）目标和评估标准集
- 能够接受 IEP 目标的最终批准属于 IEP 团队和家庭，并且人工智能草案未经专家调整无效。
IEP（个性化教育计划）是根据学生的个人需求制定的正式计划，写下将实现哪些目标、如何实现以及何时实现。这是特殊教育的核心：精心编写的个别化教育计划决定了孩子在一年中将学到什么、老师将教什么以及如何衡量进步。另一方面，写得不好的个别化教育计划由看起来不错但无法衡量且不适合孩子的句子组成，并保留在文件中。在本单元中，我们将学习如何使用 AI 快速且可衡量地生成 BEP 目标大纲。从一开始就注意：目标的最终批准属于 IEP 团队和家庭；如果没有专家适配，AI草案是无效的。
长期目标和短期目标之间的差异
BEP 有两种类型的目标。长期目标（UDA）是通常预计在学年结束时实现的总体目标；例如“学生阅读并理解简单的文本”。短期目标（SBA）是实现总体目标的可衡量的中间步骤；例如，“学生大声朗读 10 个双音节单词中的至少 8 个”。长目标指明方向，短目标指明道路。
一个好的短期目标包括三个要素：我们可以简单地称之为KBS（条件-行为-标准）：
- 条件：在什么情况下会表现出行为（“当给出图卡时”，“当老师示范时”）。
- 行为：可观察、可衡量的行动（“匹配”、“大声朗读”、“得分”）。避免使用诸如“理解”、“知道”、“意识到”等精神上的和不可估量的表达。
- 标准：成功限制（“10 次试验中的 8 次”、“80% 准确”、“独立且无口头提示”）。
注意：“学生学习数字”不是目标；无法测量。 “学生在显示时 10 次中有 8 次正确说出数字 1-10”是一个可衡量的目标。始终对 AI 施加 CBL（条件-行为-标准）格式。
级联（任务分析）
一项技能往往不是一步到位就能学会的；被分解为小步骤。这称为任务分析。比如技能“洗手”；可分为打开水龙头、润湿、取肥皂、擦洗、漂洗、关闭和烘干等步骤。人工智能能够很好地将目标分解为逻辑子步骤；但专家会检查孩子的步骤是否合适以及顺序。级联使教学变得更容易，并允许您逐步衡量进度。
下表比较了好的和差的目的陈述：
弱表达（无法测量）
强表达（带KDS）
学生喜欢读书
参加 5 节课中的 4 节朗读活动
理解数字
说出数字 1-20 的准确率达 85%
与朋友相处融洽
比赛期间，5 次中有 4 次通过口头提示等待轮到他
学会握铅笔
三重握力独立书写10分钟
表达自己
在 8 种情况中有 6 种表示需要使用 AAC 卡
三个迷你箱子
案例 1——纠正不可估量的意图。一位老师的个别化教育计划草案写道：“提高学生的沟通技巧。”这句话无法衡量，也没有回答年底“有进步吗”的问题。老师向 AI 提供了匿名个人资料，并说道：“将这个总体目标分为 4 个可衡量的短期目标，每个目标都有一个条件-行为-标准。” AI已经产生了四个GSM目标；老师根据孩子的水平降低了标准。现在可以跟踪每个目标。
案例 2 — 级联。对于一名学生来说，“改变账户”的目标太大了。老师要求AI进行任务分析； AI将目标分为“识别货币→四舍五入到10→简单找零→真实购物模拟”等步骤。老师回顾了顺序，将一步分成两步。因此，孩子每周都进步了可测量的一步。结果：一个抽象的目标变成了一个可教学的序列。
案例 3——目标过于雄心勃勃。在一份草案中，AI在不知道孩子当前水平的情况下提出了“独立阅读100个单词”等非常高的基准。老师知道孩子现在认识了12个单词；这个目标不切实际，一年后就会失败。他将标准改写为“40个字”，中间有三位数字。错误：让人工智能建议指标而不给出实际的性能水平。
情况 4——当普遍性被遗忘时。一名学生实现了“在课堂上与老师一起数 10 个物体”的目标，但无法在课间、在家或使用不同物体来展示该技能。老师忽视了目标的概括性（相同的技能在不同的环境、人和材料中）。他要求人工智能重写目标，加入一个泛化标准：“在三个不同的环境中，至少有两个不同的人，用不同的物体数到 10。”因此，这个目标不仅仅局限于课堂，而是落实到现实生活中。原则：一项技能只有推广到不同的环境才算是完全获得，目标从一开始就应该包括这一点。
弱提示/强提示
弱提示：
为自闭症儿童写下沟通目标。
这个要求很笼统：没有孩子的水平、当前的沟通方式和优先级。 “自闭症儿童”一词具有一致性；然而，每个孩子都是独立的。结果是陈词滥调的目标不太适合任何人。
强力提示：
您的角色：准备 IEP 的特殊教育教师助理。学生（匿名）：7岁。言语表达有限，使用大约 15 个具体单词，表现出对图卡的兴趣。领域：表达性沟通。任务：1 个长期目标 + 4 个短期目标 写一份草稿。格式：每个短期目标包括条件 + 可观察的行为 + 标准。保持标准现实且渐进（从易到难）。不要使用不可测量的动词（理解、知道、意识到）。假设这是草稿，将由团队和家庭进行调整。
在这个提示中，有轮廓、面积、形状（KDM）和现实规则。输出是一个整洁且可测量的轮廓。
附加模板：评价标准和方法
除了每个目标之外，还应该写下如何衡量它。有了这个模板，人工智能就可以被要求将目标+测量结合起来：
对于每个短期目标，还需写出以下内容： - 评估方法：（观察/记录时间表/研究样本/测试） - 测量频率：（每周/每两周） - 成功标准：（例如，连续 3 个会话达到 80%） - 适应说明：（提示类型、材料、时间灵活性）
并确定目标的优先顺序：
按照学习顺序将您制定的 4 个短期目标编号为 1-4，并建议每个目标的预计学习时间（几周）。声明这是一个建议，具体时间由团队决定。
常见错误
- 使用不可量动词。 “他理解、他知道、他发展、他意识到”使目标变得不可估量；选择可观察的动词。
- 询问标准但不给出当前级别。人工智能可能会建议不切实际、过高或过低的基准。
- 编写具有统一“诊断”逻辑的目标。说“诊断患有 X 病的儿童的目标”忽视了个性。
- 跳过包围。给出大目标而不将其分解为步骤会使教学和测量变得困难。
- 没有写出评价方法。一个有标准但不清楚如何衡量的目标是无法监控的。
- 按原样签署草稿。如果没有团队和家庭的适应，个别化教育计划的目标就无法最终确定。
总之
BEP 目标是特殊教育的路线图。长期目标指明方向，短期目标指明道路。一个好的短期目标带有 CBL（条件-行为-标准）并包含可测量的动词。通过任务分析，大目标被分解为更小的步骤。 AI快速生成这些目标的轮廓，将目标级联起来，并提出评估标准；但你给出了孩子的真实水平，你让标准切合实际，最终的批准权属于IEP团队和家庭。
应用任务
为学生选择一个长期目标。让AI通过匿名个人资料和本单元的“强力提示”勾画出4个短期目标。检查 CBL（条件-行为-标准）的每个目标：是否有任何缺失的元素，行为是否可衡量，标准是否现实？根据孩子的实际水平调整至少两个目标的标准，并为每个目标添加评估方法。
清单
- [ ] 每个短期目标都有条件、可观察的行为和标准。
- [ ] 没有不可测量的动词（理解/知道/变得意识到）。
- [ ] 标准根据孩子的实际水平切合实际。
- [ ] 我将大目标与任务分析串联起来。
- [ ] 各个目标的评价方式和频率明确。
- [ ] 我指出，目标将在团队和家庭的批准下最终确定。