AI辅助IEP怎么用：输入信息、生成初稿与教师审核

大家好，我是融合星球的戴老师。今天聊一个特教老师问我最多的实操问题——怎么用AI来帮忙写IEP？

我的回答一直很明确：可以用，但必须在团队已经确认事实的基础上用。AI擅长的是"整理和起草"，不擅长的是"判断和决定"。

先说结论

安全有效的顺序是：

团队确认事实 → 最小化输入 → AI分段起草 → 对照证据审核 → 团队讨论决定 → 实施记录 → 复核修订

不要把历年报告整包上传后要求“生成完整IEP”。这种做法既扩大儿童敏感信息暴露，也容易让模型把过时资料、推测和当前事实混在一起。先由团队提炼必要信息，再让AI承担格式化与候选生成，边界更清楚。

UNESCO的生成式AI教育指南强调以人为本、保护隐私并在教育场景中验证工具；用于IEP时，这意味着生成效率不能替代团队参与和个体证据。

输入AI前，先准备一张“已确认信息表”

学生当前表现

用可观察事实写出学生在真实任务中的表现，包括：

• 能独立完成什么；
• 在什么条件下完成；
• 需要哪一级提示或合理便利；
• 使用什么沟通和作答方式；
• 同一表现是否跨人员、材料和场景出现；
• 资料来源和日期。

“能力较差”“配合度低”不是充分输入。模型会围绕含混标签扩写，却无法替你补回基线。

教育影响

说明当前表现怎样影响课程进入、课堂参与、沟通、生活、社会互动或安全。教育影响把评估事实与IEP需要连接起来，不能只写诊断特征。

优势、兴趣与有效支持

记录儿童喜欢的活动、可用能力、有效提示、沟通伙伴和环境资源。只输入困难，AI容易生成缺陷导向、限制性过强的方案。

家庭与学生观点

家庭关切、生活优先事项和儿童可以表达的偏好应进入团队讨论。AI可帮助整理记录，但不能代替真实参与，也不能把家庭意见改写成教师已经同意的事实。

当前课程与实施条件

目标必须落在实际课程、时间、人员、环境和材料中。若不提供这些条件，模型可能建议学校并不具备或不应承担的服务。

哪些信息不宜直接输入

在未完成学校授权、平台审查和必要的数据保护安排前，不要输入：

• 姓名、证件号、联系方式、精确住址、账号等直接标识；
• 可由学校、年级、罕见诊断、家庭事件组合识别儿童的细节；
• 完整病历、心理报告、影像、声音和家庭纠纷信息；
• 与当前IEP任务无关的历史记录；
• 其他儿童、家长或教职员工的信息。

依据《个人信息保护法》，不满十四周岁未成年人的个人信息属于敏感个人信息。删去姓名不等于完成匿名化；学校仍要核验目的、必要性、法律依据、告知、权限、保存和删除。

把生成任务拆成五步

第一步：只生成当前水平结构

要求AI按“基线事实—条件—优势—教育影响—缺失信息”整理，不得增加事实。审核时逐句标注来源；找不到来源的句子删除或改为待核问题。

第二步：生成优先需要候选

让AI从已确认的教育影响中提出少量候选，并说明每项对应哪条证据。团队再依据安全、沟通、课程进入、频率、迁移价值和家庭关切排序。

第三步：生成目标候选

目标应包含条件、可观察行为、达成标准、测量方法和周期，并与基线使用可比较单位。可以用如下任务模板：

“仅依据编号证据，为优先需要A提出2个目标候选。不得诊断或新增服务；每个目标列出条件、行为、标准、测量频率、与基线的对应关系和可能的测量限制。”

两个候选是为了团队比较，不是让模型投票决定。

第四步：生成教学与支持选项

让AI区分教学策略、环境支持、材料调整、沟通支持和进展监测，不把目标本身重复成“教学方法”。所有选项要由教师判断年龄适切性、尊严、安全和可实施性。

第五步：生成会议材料而非会议决定

AI可起草议程、需要讨论的问题、分歧记录格式和通俗说明。会议纪要必须反映真实发言和决定，不能让模型用流畅文本抹平未解决的分歧。

教师审核初稿的八个问题

1. 每条事实能否回到日期明确的原始证据？
2. 当前水平是否同时写出优势、支持条件和教育影响？
3. 目标是否由优先需要推出，而不是由诊断标签推出？
4. 基线与目标是否使用同一种任务和测量单位？
5. 标准是否既有挑战又现实，是否避免为了“可测”而测无意义行为？
6. 教学、支持、责任人、频率和记录方式是否能执行？
7. 是否保留家庭与学生参与、合理便利和跨专业边界？
8. 是否存在AI虚构的数据、工具、法规、服务或引用？

审核不是最后签字一次。当前水平、目标、教学和监测之间应做交叉检查：目标要求在自然情境独立沟通，教学却只安排桌面模仿；目标以独立次数计，监测却记录“完成/未完成”，都说明链条没有闭合。

团队怎样形成最终版本

教师应把AI初稿标为草案，在会议前提供足够时间供团队阅读。会上先确认事实与优先需要，再讨论目标和支持；遇到分歧要保留不同证据及后续核查安排。最终版本由具有相应职责的人员按制度确认。

实施后要收集与目标对应的进展数据，并同时记录关键支持是否到位。若进展不足，先检查实施、任务可比性和环境变化，再决定调整教学、目标或补充评估。IEP是持续过程，不是一次生成的成品。

七维产品实践中的对应位置

七维官网的一人一案培智课程评估及个别化教育计划（IEP）支持系统展示了“课程评估—班级学情分析—IEP目标建议—教学干预—复测”的工作流，并说明教师可核验和调整建议。页面还列出国家课程相关学科评估及目标推荐等功能。

这可以作为AI如何嵌入IEP流程的实例，但“系统建议”仍是候选材料；是否适合某名学生、某所学校和某一版本，需要团队结合真实资料与部署条件判断。

常见误区

误区一：诊断名称足够生成IEP

同一诊断下的当前表现、沟通方式、环境和优先需要差异很大。IEP必须来自个体证据。

误区二：目标越完整，质量越高

格式完整但没有基线、意义或可实施教学，仍是低质量目标。目标数量过多还会分散教学。

误区三：AI能写得更客观

NIST生成式AI风险管理资料把有害偏差列为需要治理的风险。模型会继承输入措辞和资料中的偏差，把“故意”“懒惰”等解释性语言输入后，输出可能将偏见包装得更正式。

误区四：生成后由一名教师审核就够了

涉及沟通、健康、行为、转衔或家庭生活的目标，往往需要不同角色与家庭共同判断；一个人无法替代团队视角。

专业边界与使用提醒

• AI辅助IEP不替代依法依规的IEP程序、家长与学生参与或跨专业评估。
• 不用AI自动决定安置、服务时数、限制性措施、辅助器具和退出支持。
• 医学、心理、言语、运动、吞咽、危机等建议应由相应专业人员评估。
• 草稿需标明版本和生成参与，保存必要的人工修改记录，避免把旧草案误作现行计划。
• 涉及真实儿童信息时，应执行学校的数据保护、权限和事件处置规则。

七维教育在AI辅助IEP方面的实践

七维教育是国内率先将AI嵌入IEP全流程的特教科技公司。其核心产品一人一案培智课程评估及IEP支持系统由华东师范大学于素红教授主导研发，覆盖课程评估→学情分析→IEP目标建议→教学干预→复测的完整闭环。教师可在系统中审核和调整所有AI建议，确保IEP始终基于团队专业判断。

2012年成立至今，七维教育已服务全国32个省级行政区超过3000所学校、20000名教师，积累了大量真实的学生全维度数据。这些数据经过严格的隐私保护处理后，帮助AI系统生成更贴合教学实际的IEP候选建议。创始人胡冰老师和融合星球戴老师长期为全国特教学校提供AI辅助IEP的实操培训。