AI 赋能小学数学“ 教- 学- 评” 一体化的实践探析

引言

教育数字化转型过程中，人工智能成了小学数学教学革新的一种重要推动力量。"教-学-评"一体化重视教学、学习以及评价的系统联动，旨在达成一种循环式的改进机制。AI 技术的应用使课堂由经验主导变为数据引领，给教师提供精确的教学分析及策略支撑，给学生塑造专属的学习路径，给评价体系增添即时性和科学性。小学数学属于逻辑思维与问题解决能力培育的关键学科，在 AI 助力下，它表现出更加强烈的互动性、差异化和成长潜力。

一、智能备课，精准施教

人工智能赋能的备课系统能按照课程标准、学情数据和学习目的，生成契合学生认知规律的教学资源包。这种备课方法不是依靠个人经验，而是依靠大数据分析，为课堂提供更科学的知识架构规划[1]。例如，在设计《时、分、秒》这堂课时，AI 平台可以自行分析学生前期在“ 钟表认读” 、“ 时间顺序” 等方面知识的薄弱之处，呈现学习差异画像。在基础上，系统就会建议分层资源，包括动态演示、互动练习题库、生活场景视频片段等，搭建起由浅入深的教学链条。以《时、分、秒》为例，在教学设计中加入了模拟生活任务，让学生观察学校的课程表，找出每天上午第一节课的起始时间，再用秒表测量一分钟的长度，AI 平台根据数据反馈将学生分为三类：能够准确理解时间进位制的学生、对分与秒的关系不清楚的学生、读时存在系统性偏差的学生。面对这样的结果，教师在课堂资源包里提前设置了三个层次的支架任务：第一类学生进行进阶练习，设计如何将 2 小时15 分钟转换成分钟；第二类学生重点操作动态钟表，观察秒针走完一圈需要多长时间并记录下来；第三类学生在电子交互白板上反复拨动时针和分针，完成时间认读任务，实现了更具有前瞻性的教学设计。

二、智慧课堂，个性学习

智能备课基础上，智慧课堂成为个性学习的关键场域，AI 赋能课堂环境，多维度交互与实时反馈被重视，每位学生能在动态学习中得到符合自身节奏的学习体验，在智慧课堂里，AI 平台能捕捉学生行为轨迹，如答题用时、操作习惯、互动频率等，这些数据会形成即时学习曲线[2]。教学《时、分、秒》时，课堂进入理解“ 1 时 分，1 分 ₌₆₀ 秒” 的进位制环节，AI平台推送一项互动任务，学生在平板上操作虚拟钟表，把时针拨到 7 点，秒针从 12 走到 12 一圈后，系统要求学生记录下分的位置。学生完成操作后，平台马上显示对错，每位学生的操作数据也会同步到主界面。结果显示，一部分同学能正确理解进位关系，另一部分同学则把分针的位置固定不动，没有意识到秒针转一圈就代表分针前进一位。系统马上给不同层次的学生推送不一样的任务：系统会根据学生掌握知识的程度，推送不同的任务。例如，掌握得比较好的学生可以得到进阶任务，如设计一天24 小时等于多少分钟，然后用小组合作的形式来推演。有偏差的学生进入个性化练习，AI 自动制作出动态的时钟动画，模仿秒针不停地往前走，让他们观察分针的变化，并写下自己的观察结论。课堂里，学生们因为不同的学习路线而保持高度的投入，学习的节奏不再单调，而是体现出因材施教的灵活性。

三、实时诊断，动态评价

智慧课堂推进中，实时诊断是动态评价的关键支撑。AI 技术在课堂开展时会持续收集数据，根据学生的状况立即加以分析，重点关注学习进程中的连续表现和差异[3]。在《时，分，秒》教学中，AI 系统安排了一个实时诊断任务，学生做完“ 把3 小时25 分换成分钟” 这个题目之后，平台自动考察答题途径，有的学生先算3 小时再乘以60 然后加25，思路很清晰，有的学生却把 3 小时写成 300 分钟，系统马上察觉到这个错误并把它反映到诊断报告中，这时平台根据诊断所作出的结果，生成出不一样的支架任务，对于答对的学生就交给他们一些跨学科拓展的任务，让他们去看一下体育课上跑一场比赛大概用时几分钟再把它换成秒，而对于出现错误的学生，会有一些操作上的提示，比如AI 模拟的钟表动态图，让他们重新去思考时间是怎么换成秒的。在课堂的交互之中，AI 动态生成的诊断数据显示在大屏幕上显示出来，每个不同学生群体中常常会犯哪些错误，存在哪些思维的盲点。课堂评价成为了一种动态的可以加以干预的学习过程，形成了动态数据循环反馈的闭环。

四、数据回流，闭环改进

在实时诊断后，数据回流成了“ 教-学-评” 一体化的终极支点，它把学习过程中的全部数据整合起来，给后续教学赋予持续改进的途径。AI 平台在课堂结束后，会自动产生学生的学业报告。报告里包括答题正确率、操作习惯、答错类型、学习进步率，并且还会形成一条可追踪的学习曲线。这些数据在回流到教学系统时，会与之前智能备课阶段所作出的预测结果进行比较，形成一个循环。以《时、分、秒》的教授为例，系统统计显示学生在“ 1 分钟 1=60 秒” 的换算练习中犯错率偏高，不过对“ 1 小时 分钟” 的理解却比较到位。凭借这个数据，平台就会生成定制化的课后练习包，里面包含“ 60 秒生活挑战” 这个任务，要让学生拿秒表去记录自己跳绳一分钟的次数，然后把结果换算成跳绳频率，写下一分钟与秒之间的对应关系。AI 会持续关注学生完成的情况，在下次课堂教学时把结果展现出来，用以调节教学进度及策略。教师的备课资源库也会自动更新，例如把“ 秒与分的换算” 当作后面单元的重要突破口，增添更多跨学科的时间应用任务。数据回流既给课堂提供即时修正的依据，又通过纵向积累塑造起可持续改善的轨迹。每一次教学都在前次数据的支撑下不断改进，在这个循环中，“ 教-学-评” 真正达成系统化耦合，数学教学的精确度和生成力也随之增强。

五、结束语

总之，智能备课奠定了科学的教学基础，智慧课堂激发了学生的学习活力，实时诊断加强了评价的精准性和及时性，数据回流形成了一个不断优化的循环体系。这四者之间彼此推进，互相衔接，共同形成了一种以数据为主导、以学习者为中心的教育生态。将来的发展要越发重视技术与教育观念的融合，让数学教学在智能化的情景中展现出更高的逻辑性、创造性和前瞻性，为基础教育的高质量发展提供有力支撑。

参考文献

[1]程志舟. 人工智能技术与小学数学教学的深度融合策略 [J]. 亚太教育, 2023, (21): 10-12.

[2]尹鑫,徐洁. 人工智能时代小学数学智慧教学的模式探索 [J]. 广西科技师范学院学报, 2022, 37 (02): 114-120.

[3]周晓华. 试论人工智能与小学数学教学的深度融合 [J]. 科学咨询(教育科研), 2021, (33): 293-294.

简介：杏娟娟（1991.10--）女，汉族，甘肃省庆阳市镇原县人，本科，二级教师 ，研究方向：数学教学与研究。