数字化背景下AIGC 赋能高校数学课程教学：现状、实施与进阶路径

随着数字化革命席卷全球，教育生态正在逐步实现从实体环境向数字化环境的转型。在此背景下，传统课堂教学模式在知识更新适配、个性化学习支持、教育多样化研究等方面的局限性日益凸显。自 AIGC（Artificial Intelligence Generated Content）发轫以来，凭借其强大的内容生成、数据分析和智能交互能力，正在深刻重塑教育生态。

然而，此种转型尚未从根本上触及到教育的底层逻辑和主体关系（袁磊等，2025）。技术正改变学生的认知不假，但同时人们对数字技术影响学生认知能力的担忧与日俱增（赵晓丽等，2025）。研究表明，过度或盲目依赖数字设备可能损害判断力、注意力和批判性思维。

一、现状分析

当前，AIGC（依据《人工智能生成内容（AIGC）白皮书》，在本研究中 AIGC 泛指生成式人工智能工具、内容、技术等）在教育领域的应用已初现端倪，但却缺乏系统性教学设计，且在数学学科的适配性、内容准确度等方面缺点明显。同时，教学过程中存在技术不熟练、创新意识薄弱、融合不足等问题，亟需通过项目研究探索更有效的应用模式和进阶路径。

笔者以数学类课程为例，调研了华中某校 15 个专业几百名师生，查阅了 100 多份参考文献，发放调查问卷580 份（含10 个大项40 个小项），得出了

目前该校AI 赋能教学的基本情况：在教师群体中，仅有 55% 的教师在实际教学中使用过人工智能工具，主要应用于课件制作和习题生成；学生群体略高，

约 85% 的学生使用过 AI 辅助学习，多集中于作业答疑和资料搜索。从使用频率来看，每周使用 1 - 2 次的师生占比最高，分别为 92.5% 和 95.3% ，表明 AI 尚未成为教学活动中的常态化工具。

因此，AIGC 赋能下高校课程教学创新的研究意义深远。从教学层面看，AIGC 能为学生提供多样化学习资源，助力教师精准教学，提升课堂效率；从教育层面看，此技术利于推动教育公平，从而培养适应智能时代的创新型人才。然而，此项改革在实际教学过程中面临着诸多困难，需要重点解决以下几个核心问题：

一是如何实现 AIGC 与数学课程教学的深度融合。重构教学内容，打造知识图谱、AI导游等环节，解决《数学分析》、《高等数学》等课程设计与 AI 生成逻辑适配问题，避免技术应用与教学目标脱节。

二是怎样形成由“二元共生”向“三元协作”的教学模式转变。教师作为数智化赋能主体，需要动态调整教学策略，合理设计分享作答、小组竞赛等互动环节，规避“价值偏颇”、“信息茧房”等伦理风险 [1]。

三是探索建立科学合理的教学评价体系。既评估学生的学习效果，也衡量AIGC 在教学过程中的应用成效。教育评价体系从结果导向、单一维度转为过程导向、多元综合，更加关注学习者的全面发展以及核心素养，实现由“工业化教育”逐渐转变为“智慧型教育”[2]。

二、教学实施

1. 教学改革目标

本文基于“以学生为中心”的教学理念，以《数学分析》、《高等数学》等课程为平台，通过实施“一联动、两阶梯、三转变”，致力于构建 AIGC 赋能下人机协同、多元互动的新型课堂教学模式。一联动指的是“师-生-机”一体化联动，两阶梯指的是低阶（记忆、理解、应用）和高阶（分析、综合、评价），三转变则包含经验教学向精准教学转变、模仿学习向智能交互转变、二元共生向三元协作转变。短期目标是实现 AIGC 在教学资源开发中的常态化应用，提升课堂教学的吸引力。中期目标是借助其数据分析能力，精准把握学生学习状态，实现分层教学及个性化学习指导。长期目标则是形成一套可推广、可复制的课堂教学创新体系和方法，为教育数字化转型提供实践范例。

2. 实施过程

以 “学生中心、技术赋能、创新驱动” 为教学改革思路，打破传统教学思维定式，摒弃 “一刀切” 的教学方式，通过在实际课堂中引入 AIGC 技术，如DeepSeek、Kimi、豆包等，精准把握学生学习动态，满足学生个性化学习需求。进而对教学内容、教学方法和教学评价进行全面革新，构建智能资源生成、个性化学习与精准教学反馈三者互联互通的闭环教学模式。

（1）教学资源创新开发

利用AIGC 技术开发图像、视频、音频等多模态信息资源。以超星SPOC 为例，通过“AI出题”、“AI 教案”、“AI 学情”等助手，生成教案和动态可视化教学课件，建立知识点间的依赖关系图谱。分析统计学习数据，构建情境化学习资源 [3]，定制个性化学习规划，满足不同层次学生需求。

面对抽象的数学概念，生成动态可视化教学课件。通过交互式图形、3D 动画、VR 技术，将复杂的数学原理直观呈现。例如在讲解定积分时，生成的动态图形能清晰展示曲边梯形面积的“分割、近似、求和、极限”的过程。​ 分析知识掌握薄弱点，定制个性化习题集。例如，对于高等数学中掌握欠佳的学生，推送针对性的应用题和拓展题。同时，将数学知识融入故事场景，创作趣味数学故事，激发学生学习兴趣，例如借助“愚公移山”故事引出“无穷大量”的概念。

（2）教学模式改革实践​

在混合式教学模式中，AIGC 深度参与各教学环节。课前，生成预习资料，包括知识点讲解微视频、基础测试题等，引导学生与大模型深层互动，自主预习。课中，教师利用人工智能实时分析学生讨论记录、课堂练习、互动答题数据等，快速评估学生的理解程度，掌握学生即时学习状态。课后，依据学生课堂表现及作业完成情况，推送拓展资源和个性化作业。对于掌握较好的学生，提供学科前沿论文、数学建模案例等拓展资料；对于学习困难学生，推送一对一辅导视频，巩固提升重点内容。据统计，通过人工智能生成预习包，学生预习完成率从以往的 60% 提升至 80% ，课堂互动参与度提高 40% 。

（3）评价体系优化构建

构建多元化教学评价体系，将 AIGC 生成的学习过程数据（如学习时长、练习完成情况等）与传统考试成绩相结合，作为重要评价依据，全面评估学生学习效果。全面追踪学生课前预习、课堂互动、课后作业的全过程。如学生在线上学习平台的习题完成情况、学习时长、掌握进度曲线等，通过数据分析模型，全面评估学生的学习能力、学习态度和知识掌握程度，生成多元化的学习评价报告。

三、进阶路径

1.AI 赋能，靶向施策

靶向施策强调从“粗放式”到“精准化”的转变，要求基于数据洞察锁定问题核心，可根据实时反馈调整策略，避免“一刀切”，提升策略的针对性和有效性。注重 AIGC 与数学课程的深度融合，通过智慧平台实时记录学生的作业正确率、课堂互动频次、知识点停留时间等行为数据基于学生学情数据，构建个性化学习模式，提供自适应习题推荐、实时答疑 [4] ；利用人工智能分析学习行为，优化教学设计和教学评估体系，建立知识点掌握度模型，生成个人学情雷达图（如知识掌握度、思维活跃度、错题溯源等维度），教师可据此调整授课重点，靶向直击难点痛点。

2. 人机协同、个性定制

通过AI 学伴、学习助手等的数据分析和智能决策能力，精准识别学生学习特点和需求，提供个性化学习支持，由“师生配合”二元到“师生机协同”三元架构转变。教师在设计教学内容时，人工智能通过分析往届学生学习数据，如知识点掌握难点、高频错题类型，为教师推荐教学重点和案例，辅助教师备课；课堂上，人工智能实时分析学生的课堂互动数据，如答题正确率、注意力集中时长。师生亦可共同参与人工智能优化，学生可对学习资源进行反馈评价，教师根据学生反馈和教学经验，指导优化 AI 算法和资源库，实现人机协同的持续改进。

3. 认知融合、思维塑造

认知融合指打破单一认知通道的局限，通过视觉表征、符号逻辑、实践体验等多元认知模式的协同，实现对数学知识的深度理解。构建抽象的符号体系、直观的几何表征、实际的工程应用的三维认知融合框架，帮助学生跨越认知鸿沟。AIGC 重塑了即时交互模式（全天候响应、虚拟互动），以多元智能体认知共振为重要特征，整合多元知识体系与思维方式[5]，以培养学生的高阶思维为核心目标，实现从知识单向传递到思维深度建构的转变，目前，该课堂形态在技术层面已具备可行性。

人工智能通过追踪数据，识别学生的认知优势通道（如视觉型、动作型、语言型），如发现某学生在理解“定积分应用”时更依赖图形表征，自动增加旋转体动态演示资源。认知融合为思维塑造提供多元认知基础，而思维能力的提升又反哺认知融合的深度。通过人工智能技术支持的多元认知模式协同，以及结构化的思维训练体系，实现从“教数学”到“教思维”的教育目标，进而为培养具有创新思维和跨学科视野的高素质人才奠定基础。

小结

总之，利用人工智能辅助课程教学，围绕学生核心素养提升，基于学生个体差异，深度融合人工智能与教学实践，能够打破传统教学模式，进而定制专属学习路径和个性化学习目标，实施精准教学和因材施教，构建 “人机协同” 的课程教学创新体系。

参考文献：

[1] 杨俊锋 , 褚娟 . 人工智能教育应用的伦理风险和规范原则 [J], 中国教育学刊，2024,11:21-27.

[2] 喻国明, 李钒, 滕文强.AI+ 教育：人工智能时代的教学模式升维与转型[J], 宁夏社会科学 , 2024(02):191-198.

[3] 徐刘杰 .AIGC 赋能泛在学习资源进化：内涵、机理与路径 [J], 电化教育研究 ,2025,46(05):64-69.

[4] 谭璐 , 杨琴 , 赵迎春 .AIGC 技术赋能高校智能教学应用研究 [J], 职业技术 , 2025，24(04):71-76.

[5] 闫文静 .AIGC 赋能网络与新媒体专业教学实践探析 [J], 传媒 , 2025(09)85-87.

基金项目：教学改革研究与实践项目“数字化时代背景下混合式一流本科课程建设的研究与实践”（2024ZGJGLX035）；

2025 年校级智慧课程建设项目“数学分析”（2025ZGZHKC012）；

教学改革研究与实践项目“AIGC 赋能下高校课程教学现状分析、创新设计及进阶路径的研究与实践”；

河南省高等教育教学改革研究与实践项目“大数据背景下数学建模竞赛驱动的大学生创新能力培养的研究与实践”（2024SJGLX0395）；

教学改革研究与实践项目“数学与应用数学专业思政课程链建设与实践研究”（2024ZGJGLX001）；

研究生教育质量提升工程立项项目“‘教学 - 科研 - 思政’融合下研究生创新人才培养模式的探索与实践”（JG202509）。

作者简介：张洪涛（1980-），男，河北保定人，讲师，硕士，主要从事数字信号处理、高等教育领域的研究与教学工作。