人机交互式孤独症儿童语言能力动态评估研究

陈靓影 张凯 杨宗凯

[摘   要] 语言沟通障碍是孤独症儿童核心特征之一。基于最近发展区理论的动态评估比传统的静态评估更能发现儿童的发展潜能，同时，孤独症儿童比较易于接受电子设备，所以文章提出基于人机交互游戏的孤独症儿童语言能力动态评估方法，以便及时发现儿童的语言发展潜能并给予个性化干预。研究选取37名3～7岁不同能力水平的儿童，通过孤独症行为核查量表将其分为：非孤独症组、疑似孤独症组和孤独症组。探索以不同中介提示的动态评估范式发现人机交互环境下动态评估的可行性与潜在价值，并揭示孤独症儿童与其他群体的语言发展潜能及差异性。研究发现，相较于静态评估，动态评估中介提示可以帮助教师捕捉儿童的更多潜能信息；非孤独症儿童和疑似孤独症儿童的语言发展潜能明显高于孤独症儿童；中介提示对于实际语言能力低、学习潜能高的儿童能力提升更为明显。研究认为，人机交互式动态评估对儿童语言潜力的挖掘具有可行性，对制定个性化的教育干预计划意义重大。

[关键词] 动态评估； 孤独症儿童； 语言能力； 学习潜能； 人机交互

[中图分类号] G434            [文献标志码] A

[作者简介] 陈靓影（1973—），女，湖北武汉人。教授，博士，主要从事教育信息技术、特殊儿童教育、人机交互、机器学习等研究。E-mail：chenjy@mail.ccnu.edu.cn。

基金项目：2019年度国家自然科学基金面上项目“孤独症儿童个性化智能干预与精细评估”（项目编号：61977027）

一、问题的提出

孤独症谱系障碍（Autism Spectrum Disorder，简称ASD）的儿童通常被认为在社交行为、言语沟通和重复行为方面存在先天缺陷[1]。在传统的语言评估中，广泛的以一种标准化的词汇评估范式作为语言能力的衡量标准[2]，又被称为静态评估，其目的是衡量个体在该时间点及特定领域中能力的独立表现[3]。但由于标准化静态词汇测量中几乎无反馈（一种单向活动），不能恰当地区分学习者对词汇的了解或认知程度[4]，即静态评估仅仅评测学习者当前的语言发展能力，可能观测不到短期的发展潜能。而动态评估的核心理念是维果斯基的最近发展区，它包含一定程度上的支持与反馈，将有助于教师和家长获得更多儿童额外的发展信息。近年来随着信息技术的发展，人机交互技术逐渐步入特殊教育教师的视野。基于计算机交互的游戏评估活动不仅可以吸引ASD儿童的注意力与学习反应[5-6]，还能够发展学生的语言认知能力[7]，将桌面式交互系统应用在ASD儿童的社会性语言学习与动态评估中具有正向效果[8-9]。因此，本研究从维果斯基最近发展区的视角出发，设计开发适合3～7岁儿童的语言动态评估游戏，以帮助教师明确不同ASD儿童语言发展的潜能情况及差异性关系，为下一步制定更为精准的语言干预计划提供借鉴思路。

二、研究设计

（一）评估内容设计

本研究的评估内容选自心理教育量表第3版（Psycho-educational Profile 3rd， 简称PEP-3），它是目前国内孤独症康复教育领域广泛采用的评估工具之一。该量表编制的目的是了解特殊儿童身心智发育的实际迟缓程度，以辅助治疗师、教师等作出广泛性的干预与训练。尤其是语言能力方面的评估测试，能够合理有效地捕捉孤独症儿童的语言发展概况和认知能力，并且包含丰富的评估活动。PEP-3中的语言评估活动也被证实与其他测量类似领域能力发展的子测试具有高度的相关性[10-11]。已有研究证明，基于人机交互技术的孤独症儿童评估范式不仅可以准确反应PEP-3的评估效果，还可以更加客观地评估ASD儿童的语言发展现状[12]。因此，本研究将基于PEP-3的评估游戏机制及活动形式设计相关的评估内容。为了避免因游戏机制带来的操作不便，研究通过前期调研了解儿童普遍使用的游戏活动方式，最终确定了拼图、配对、消消乐等活动类型。评估的内容设计也将依照PEP-3量表语言测试的子维度进行。其中，认知语言/语前表示儿童对语言词汇的认知与加工能力；语言理解表示儿童在任务指令上的语言理解能力和功能执行能力；语言表达表示儿童对实际词汇表述的准确度以及清晰度。研究设计三种不同的活动，共开发九个人机交互游戏评估场景。其中，认知语言/语前主要包括对物体基本形状的匹配、动物拼图及日常用品匹配的认识；语言理解包括对形状、动物及日常物件语言指令的理解与执行；语言表达是在虚拟助手的提示帮助下儿童主动说出不同的形状、动物及日常用品。

（二）中介提示设计

动态评估（Dynamic Assessment）源自俄罗斯心理学家维果斯基提出的最近发展区理论，以一种中介调节的评价手段来衡量儿童的学习潜能。在典型的动态评估中，中间人会提供渐进的帮助（提示或引导问题），以推动儿童超越自身现有技能水平的表现，并记录儿童对中介提示的反应，以便进一步作内容调整和儿童潜能分析[13]。关于中介提示，最初是Aljaafreh和Lantolf在1994年提出了一种分层式的内隐—外显中介量表，以量化学生完成语言写作活动所需的中介程度[14]。他们根据每一个中介的显性或非显性程度给一个特定的分数，以了解学生与目标结构的正确形式的相对距离，然后定量测量学生的最近发展区变化与他们获得的分数来衡量其发展潜能。后续有许多研究者将隐性到显性的中介提示理念应用到语言阅读与理解[15]、词汇习得[16]、社会性语言应答[17]及写作能力[18]等方面，其计分方式也不尽相同。因此，研究将依照先前经验设计渐进式的中介提示。在游戏活动的最初是计算机发出语音指令，通过判定儿童操作正确或错误进行不同程度的提示，并将非语言的提示形式纳入进来（包括物体突出显示、手势指向等），以增加提示的强度和显性，使目标逐步明确。

为了动态评估儿童语言的发展潜能，研究分析了儿童和计算机之间的交互记录，并使用表1中的评分方式来评估儿童的能力，计算并比较了儿童每个动态评估活动的实际分数、中介分数、最终分数及学习潜能分数（Learning Potential Score，简称LPS）。其中，实际分数为儿童在无帮助提示下的总得分，即仅凭自己就能独立完成的部分，反映了实际发展区（Zone of Actual Development），计算方式见公式1：实际分数=N1 × 5。其中，N1表示第一次尝试，数值为1或0，即正确或错误，5表示未提示情况下得5分。中介分数为介入的4種不同中介提示的得分。最终分数为实际分数与中介分数之和，见公式2：最终分数= 实际分数+（N2 ×4）+（N3 × 3）+（N4 × 2）+（N5 × 1）。其中，N2—N5表示第二次至第五次尝试，并依次对应具体分值（4分至1分）。学习潜能分数是依照Poehner和Lantolf[19]的动态评估方式进行计算，它代表儿童对中介提示的反应程度，并反映儿童学习潜能的高低，见公式3：学习潜能分数（LPS）=［（2 × 最终分数）-实际分数］/最大分值。例如：对于一个游戏活动来说，如果儿童首次尝试答题正确，N1设置为1，则该儿童可以得到5分；如果答错，N1设置为0，计算机会给予儿童第二次尝试的机会，并以强调方式进行提示（如重复发出语音提示），若该儿童第二次尝试正确，N2设置为1，则可以得到4分，此时如果仍然答错，N2设置为0，计算机会逐步给予儿童偏向显性的提示（如使物体突出显示、手势指向）。以此类推，每增加一次提示方式，儿童所获得的分数减1。最终五次尝试错误后，N5设置为0，当前游戏会结束，儿童在此项的得分记为0分，并进入下一个游戏场景，这也正反映了中介提示从隐性到显性逐步提供帮助的过程。

（三）研究对象

研究人员从武汉市某特殊教育机构随机招募了48名特殊儿童，其中，男孩37名，女孩11名，他们的共同点是语言发育迟缓。在整个动态评估实验中，部分儿童因多动症障碍、心智发育不足及注意力集中缺陷等问题致使无法完成基于计算机交互的评估活动，并且实际的行为反馈数据不完整，所以研究对其进行了排除，最终选择37名儿童，包括30名男孩和7名女孩，年龄范围3～7岁。由于在ASD儿童的筛查报告中，男性患病率普遍高于女性，因此，也确保了ASD儿童性别比例约为4∶1[20]。动态评估在特殊教育机构的评估室进行。家长阅读并签署一份书面知情同意书。为了保护儿童的隐私信息，研究团队与特殊教育机构签订了保密协议。

（四）诊断工具

本研究选取的诊断工具是由Krug等人编制的孤独症行为核查量表（Autism Behavior Checklist，简称ABC），它适用于18个月龄以上的婴幼儿[21]。ABC量表由儿童的语言、运动、自我照顾、感觉和社交五个因素，共57项组成，总分为158分，分数越高表示儿童孤独症症状越严重。研究为了了解不同严重程度的ASD群体语言发展潜能区，根据量表的诊断标准将儿童分为三组，其中，G1组代表非ASD儿童，G2组代表疑似ASD儿童，G3组代表ASD儿童。通过单因素方差分析，初步得出各组之间的儿童在实际年龄上不存在显著差异，排除了各组之间因年龄差异所带来的干扰变量。各组间的儿童ABC得分存在显著差异，说明三组间的孤独症症状具有异质性。

（五）研究过程

本研究的评估过程分为两个阶段：无提示帮助下的测试（静态评估）和渐进式中介提示的测试（动态评估）。静态评估发生在动态评估前，其目的是评测出各组儿童在静态评估中语言的实际发展情况，共9个活动，评估时长约为5分钟，本次评测过程教师仅辅助儿童回到评估游戏中，不能给予提示帮助。在静态评估后立即进入动态评估，儿童可以获得4种不同程度的中介提示，评估时长10～15分钟，一旦儿童进入评估室，教师就以口头叙述的方式向儿童解释任务内容，参与者若出现不舒服问题，可以随时停止游戏评估或退出实验。只有在儿童表示愿意继续实验时方可进行，在此期间的时长不会计入游戏评估时间，并且会为儿童提供一些强化物（玩具、零食等）来支持评估活动的进行。

三、结果与分析

（一）静态评估忽视了儿童的语言发展潜能，动态评估中介提示能区分出不同潜能者的差异

在静态和动态评估中，儿童的语言能力表现在两个方面：实际语言能力（实际分数）和语言发展潜能（最终分数）。通过单因素方差分析可知，三组之间的实际语言能力（F=5.137，p=0.011）和语言发展潜能（F=6.660，p=0.004）都具有显著的差异性，说明患有不同程度的ASD儿童在语言能力上的缺陷障碍存在明显差异，即各组间儿童的语言能力存在异质性。通过配对样本T检验发现，在评估前后儿童的得分具有显著性差异（p=0.000<0.05），这一结果证实了静态评估可能会忽视儿童语言潜能的观点[4]，也说明了动态评估能够通过互动性的中介提示机制挖掘不同群体的语言潜能。

为了了解动态评估中三组儿童语言发展潜能的差异性，研究使用3×3ANOVA单因素方差分析比较三组儿童（G1、G2、G3）在语言能力（认知语言/语前、语言理解、语言表达）上的表现。分析发现，三组儿童在认知语言/语前总分（p=0.044<0.05）、语言理解总分（p=0.002<0.05）以及语言表达总分（p=0.003<0.05）上，组间都存在显著性差异，研究基于此进行组间事后两两多重比较，见表2。研究发现，儿童在认知语言/语前总分上，只有G1和G3组之间具有显著性差异（p=0.013<0.05），说明ASD儿童具有更低的语前意识和语义加工能力；在语言理解总分上，G1-G3、G2-G3之间都具有显著性差异（p=0.001<0.05，p=0.006<0.05），说明ASD儿童的症状严重程度能够明显影响他们对于语言指令的接收、理解与处理；在语言表达总分上，G1-G3、G2-G3之间都具有显著性差异（p=0.001<0.05，p=0.012<0.05），并且G1-G3、G2-G3之间的均值差要明显大于语言理解（39.991>26.373， 26.969>19.590），说明患有ASD的儿童在语言词汇表达上的差距更弱于G1和G2组。研究还发现，G1和G2组在语言评估上的潜能发展都不具有顯著性差异，可以说明非ASD和疑似ASD的儿童语言潜能表现具有同质性。

（二）多数儿童是高潜能发展者，LPS可以帮助教师快速定位学习群体潜能水平

关于儿童学习潜能得分（LPS）的计算方式见公式3，LPS作为语言学习潜能的一种量化方式，可以帮助教师迅速定位儿童的语言发展轨迹与潜能水平。通过借鉴已有研究[22]，本文将儿童的语言潜能水平分为：低潜能水平（小于等于0.71）、中潜能水平（大于0.71且小于1）以及高潜能水平（大于等于1）。图1代表了每个参与者LPS的计算结果，横轴表示参与数量，纵轴表示LPS具体值。样本中儿童的LPS水平在0.37～1.25之间。通过折线图的方式从低到高排列，图中的垂直虚线可以看出，从第10个以后的儿童都有高潜能的发展趋势。由此说明，本次活动所设计的游戏内容可以帮助不同严重程度的ASD儿童学习语言，并激发和挖掘儿童的语言潜能，同时间接地反映出中介提示能够为大多数儿童带来具有意义性、价值性的学习支持。此结果也符合我们的研究目的：将儿童的语言最近发展区展现在研究所提供的动态评估活动中，方便教师清晰地了解每个儿童的学习状态，以更精细化的方式帮助教师制定个性化的干预计划。对于小部分的低潜能者来说，可能由于本次的语言评测活动具有一定的难度、自身语言认知能力、口肌障碍等，超越了儿童的最近发展区，后续活动应调整与简化学习内容以达到适应低潜能儿童发展的目标。

（三）儿童的LPS与实际分数和最终分数密切相关，中介提示分数对实际分数低的儿童更有显著意义

研究在儿童的任务完成时长、实际分数、最终分数、提示分数及LPS等因素之间建立了一个Pearson相关性分析过程。表3数据显示，在游戏互动时，儿童的学习任务完成时长与实际得分（r=-0.549，p=0.001）有显著的中等负相关性，说明儿童实际能力越高，游戏时长可能越短。儿童的实际分数和最终分数表现之间存在很强的正相关（r=0.911），并且具有显著性差异（p=0.000<0.05）。说明实际发展能力越高的儿童，最终得分可能越高。从LPS与最终分数之间显著的强正相关性（r=0.801，p=0.000）关系上来说，儿童的最终分数与其巨大的潜能是分不开的，即LPS越高，说明儿童越能在中介提示上获得高学习成绩。此外，儿童的实际成绩与提示得分之間存在较强的负相关（r=-0.742），表明所呈现的中介提示对实际成绩较低、学习潜能高的儿童更有帮助意义。

四、启   示

（一）设计互动性反馈的动态评估机制，促进儿童完成交流性的应答任务

近些年，传统静态评估评测特殊儿童语言能力的方式受到一些学者的质疑，其原因可能在于此方式不足以有效地评测出儿童的实际能力[23]。在静态评估中，反馈被视为构成测量错误的干扰变量，理应尽力避免[3]，然而，互动性反馈的缺失可能影响儿童实际水平的发挥。与静态评估相比，动态评估实际上是在评估过程中包含一定程度的指导和反馈，这增加了儿童与学习内容之间的互动性交流。在本研究设计中，儿童可以通过语音助手的提问、应答及示范，明确和理解语言内容，结果显示，这种互动性的直接辅助和交流性反馈能够促进儿童完成游戏应答任务，这与Saadatzi等人的研究结果一致[7]。

（二）应用渐进式的中介提示策略，促进儿童对学习内容的认知与理解

动态评估的本质是为学习者提供一种渐进式、过程性的中介提示策略（隐性和显性）来逐步探析其最大发展潜能，即最近发展区。设计这种中介策略可以将复杂的学习内容分解成ASD儿童可接受的认知范围，以帮助儿童在短暂的反应时间内迅速地感知与理解目标词汇。例如：在本次评估活动中，由于不同程度的中介提示可以分步地呈现答案或结果，对于多数儿童来说游戏挑战是适度的，有助于有效交互的产生，并且能够吸引他们在任务中投入较多的注意力。同样也有研究通过设计渐进式、多环节导向的课程证实了基于人机交互的动态评估平台对ASD儿童语言（普通话）学习的认知效用[24]。因此，渐进式的中介提示方式可以帮助儿童更好地认知和理解语言内容。

（三）凸显动态评估的量化效用，理清影响儿童潜能的要素，辅助教师明确儿童的发展状态

儿童在进行动态评估的过程中会与计算机之间产生大量的交互数据，尤其是不同中介提示后的分数与计算数据需要归并统一，儿童实际的得分无法反映出其真实的潜在能力[25]，LPS则是通过计算公式统计出每个儿童的潜能水平，并根据不同水平的分类与量化来辅助教师了解儿童的潜能水平，从而及时调整与完善干预计划，促进不同潜能儿童语言能力的发展。儿童的语言发展潜能与其实际能力及所提供的外界中介提示密切相关，即通过人机交互的方式可以快速了解儿童的实际发展能力与未来发展能力之间的距离，这对于明确儿童语言的发展状态尤为重要。

五、结   语

语言的学习不能只关注特殊儿童已有的认知、理解及表达能力（静态性），更要了解他们言语能力发展的过程（动态性），并遵循儿童间的个体差异和发展规律，满足其个性化需求。本研究为评估ASD儿童语言能力发展提供了新思路，即以动态评估的视角初步设计开发了一种适合评估特殊儿童语言潜能的人机互动应用，对不同程度的ASD儿童的认知语言/语前、语言理解及语言表达等进行差异性比较。研究认为，人机交互式动态评估应用具有挖掘特殊儿童语言潜能的可行性和价值性，它既揭示了儿童的实际发展能力，又挖掘了儿童在克服阻碍后的未来发展能力，为特殊儿童进行精准的教育干预提供了依据。随着信息技术软硬件设备的日益完善，基于计算机动态评估的应用为儿童语言能力评测中存在的问题提供了新的解决途径，将会成为ASD儿童及其他特殊群体教育发展的重要支撑。未来研究中将进一步聚焦研究对象，丰富针对ASD儿童教育干预的游戏内容设计，完善教育应用中的自适应机制，逐步探索计算机动态评估应用系统与智能技术的深度融合，将个性化的学习理念应用到ASD儿童的教学干预中，实现评估规范化、干预精准化的教学理念。

[参考文献]

[1] LOED C， ELSABBAGH M， BAIRD G， VEENSTRA-VANDERWEELE J. Autism spectrum disorder[J]. The iancet，2018，392（10146）： 508-520.

[2] GRAY S， PLANTE E， VANCE R， HENRICHSEN M. The diagnostic accuracy of four vocabulary tests administered to preschool-age children[J]. Language， speech， and hearing services in schools，1999，30：196-206.

[3] CAMILLERI B， BOTTING N. Beyond static assessment of children's receptive vocabulary： the dynamic assessment of word learning （DAWL）[J]. International journal of language & communication disorders，2013，48（5）：565-581.

[4] EBADI S， WEISI H， MONKARESI H， et al. Exploring lexical inferencing as a vocabulary acquisition strategy through computerized dynamic assessment and static assessment[J]. Computer assisted language learning，2018，31（7）：790-817.

[5] 陳靓影，王广帅，张坤.基于计算机游戏的自闭症谱系障碍儿童评估研究[J].电化教育研究，2017，38（11）：81-86，120.

[6] 陈靓影，张如静，王帆，张坤，王广帅，王广海.孤独症儿童早期社交技能的智能化评估——以应答性共同注意和应答性社交微笑为例[J].电化教育研究，2019，40（11）：114-120，128.

[7] SAADATZI M N， PENNINGTON R C， WELCH K C， et al. Small-group technology-assisted instruction： virtual teacher and robot peer for individuals with autism spectrum disorder[J]. Journal of autism and developmental disorders，2018，48（11）：3816-3830.

[8] GLASPEY A， STOEL-GAMMON C. A dynamic approach to phonological assessment[J]. Adv speech lang pathol，2007，9： 286-296.

[9] TZURIEL D， GROMAN T. Dynamic assessment of figurative language of children in the autistic spectrum： the relation to some cognitive and language aspects[J]. Journal of cognitive education and psychology，2017，16（1）：38-63.

[10] FU C， HSIEH C， TSENG M， et al. Inter-rater reliability and smallest real difference of the chinese psychoeducational profile-third edition for children with autism spectrum disorder[J]. Research in autism spectrum disorders，2010，4（1），89-94.

[11] SCHOPLER E， LANSING M D， REICHLER R J， et al. Examiner's manual of psychoeducational profile [M]. 3rd ed. Austin， Texas： Pro-ed Incorporation，2005.

[12] LIU X， CHEN J， ZHANG K， et al. The evaluation of the cognitive and language abilities of autistic children with interactive game technology based on the pep-3 scale[J]. Education and information technologies， 2022， 27（4）：1-21.

[13] TZURIEL D. Dynamic assessment of young children： educational and intervention perspectives[J]. Educational psychology review， 2000，12（4）： 385-435.

[14] ALJAAFREH A， LANTOLF J P. Negative feedback as regulation and second language learning in the zone of proximal development[J]. The modern language journal，1994，78（4）： 465-483.

[15] BAKHODA I， SHABANI K. Response latency as a tool to study L2 learners' ZPD， ZAD and ongoing information processing[J]. Asian-pacific journal of second and foreign language education，2016，1（1）：1-16.

[16] JEON J. Chatbot-assisted dynamic assessment （CA-DA） for L2 vocabulary learning and diagnosis[J]. Computer assisted language learning，2021，34（7）：1-27.

[17] RASSAEI E. Implementing mobile-mediated dynamic assessment for teaching request forms to EFL learners[J]. Computer assisted language learning，2021，34（5）：1-31.

[18] TORABI S， SAFDARI M. The effects of electronic portfolio assessment and dynamic assessment on writing performance[J]. Computer-assisted language learning electronic journal，2020，21（2）：51-69.

[19] POEHNER M E， LANTOLF J P. Bringing the ZPD into the equation：capturing L2 development during computerized dynamic assessment（C-DA） [J]. Language teaching research，2013，17（3）：323-342.

[20] MAENNER M J， SHAW K A， BAKIAN A V， et al. Prevalence and characteristics of autism spectrum disorder among children aged 8 years — autism and developmental disabilities monitoring network， 11 sites， united states， 2018[J]. MMWR surveillance summaries， 2021，70（11）：1-16.

[21] KRUG D A， ARICK J， ALMOND P. Behavior checklist for identifying severely handicapped individuals with high levels of autistic behavior[J]. Child psychology & psychiatry & allied disciplines，1980，21（3）： 221-229.

[22] KOZULIN A， GARB E. Dynamic assessment of EFL text comprehension[J]. School psychology international，2002，23（1）：112-127.

[23] 李一茗，楊上琦，黎坚.基于游戏的评估：特殊儿童心理评估的新方向[J].中国特殊教育，2021（12）：90-96.

[24] LAN Y-J， HSIAO I Y T， SHIH M-F. Effective learning design of game-based 3D virtual language learning environments for special education sudents[J]. Educational technology & society， 2018，21（3）： 213-227.

[25] BAKHODA I， SHABANI K. Bringing L2 learners' learning preferences in the mediating process through computerized dynamic assessment[J]. Computer assisted language learning，2019，32（3）：210-236.

Study on Dynamic Assessment of Language Ability of Children with

Autism through Human-Computer Interaction

CHEN Jingying，  ZHANG Kai，  YANG Zongkai

（National Engineering Research Center of Educational Big Data， Central China Normal University，

Wuhan Hubei 430079）

[Abstract] Language communication disorder is one of the core characteristics of children with autism. Dynamic assessment based on the theory of proximal developmental zone is better than the traditional static assessment to identify the developmental potential of children. At the same time， children with autism are more receptive to electronic devices. Therefore， this paper proposes a dynamic assessment method based on human-computer interactive games for children with autism， so as to timely identify children's language development potential and provide personalized intervention. In this study， 37 children aged 3 to 7 with different ability levels were selected and divided into the non-autism group， the suspected autism group and the autism group through the autism behavior checklist. This paper explores the feasibility and potential value of dynamic assessment in human-computer interaction environment with different mediated prompts and reveals the potential and differences in language development between children with autism and other groups. It is found that compared with static assessment， dynamic assessment with mediated prompts can help teachers to capture more information about children's potential. The language development potential of non-autistic children and suspected autistic children is significantly higher than that of autistic children. Mediated prompts are more effective for children with low actual language ability and high learning potential. It is believed that human-computer interactive dynamic assessment is feasible for the exploitation of children's language potential， and it is of great significance for the development of individualized educational intervention plans.

[Keywords] Dynamic Assessment; Children with Autism; Language Ability; Learning Potential; Human-Computer Interaction