引言

当前，人工智能正以前所未有的深度介入教育领域。中共中央、国务院印发的《教育强国建设规划纲要（2024－2035年）》将“建设学习型社会，以教育数字化开辟发展新赛道、塑造发展新优势”列为重要任务，明确提出实施国家教育数字化战略，这标志着技术赋能教育已从可选路径上升为国家战略。

《义务教育数学课程标准（2022年版）》明确指出，课程内容的设计要体现结构化特征，重视单元整体教学设计。大单元教学成为实现学生知识整合与能力迁移的关键路径，它要求教师超越课时局限，从整体上把握知识结构，设计连贯且有深度的学习历程。大单元教学以学科大概念或核心主题为统领，对教材内容进行重组与整合，这有助于学生构建系统化的知识网络，同时提升思维能力与价值观念。

尽管大单元教学的优势明显，但在实践中仍然面临着一些挑战。教师在推行大单元教学时，普遍遭遇的困境如下：其一，目标整合与内容重构对教师的课程理解与设计能力提出了极高要求。其二，精准化的学情诊断难以实现。其三，差异化教学的过程性支撑不足。其四，过程性评价流于形式，无法为每位学生提供即时、个性化的反馈与矫正。

与此同时，以大数据、机器学习、自然语言处理等为代表的人工智能技术正加速渗透至教育领域。人工智能作为高效的信息处理工具，能通过学习分析、适应性推荐、智能导学等方式深度参与教学过程。因此，本研究旨在探索人工智能如何有效赋能初中数学大单元教学，为初中数学大单元教学融合智能技术提供具有操作性的参考框架。

核心概念

人工智能

人工智能是指计算机系统能够执行通常需要人类智能才能完成的任务，如学习、推理、解决问题、理解自然语言等。在教育领域，人工智能主要应用于智能备课、智能教学、智能评价、智能管理等方面。人工智能教育应用的核心是通过技术手段实现教育的个性化、智能化和高效化，为学生提供更加优质的教育服务。

初中数学大单元教学

初中数学大单元教学，是指以学科核心素养为导向，围绕一个中心主题或核心概念，将教材中具有内在关联的多个课时内容整合为一个整体单元进行系统设计与实施的教学模式。它超越传统以课时为单位的碎片化教学，强调整体规划、内容重构与深度关联，旨在帮助学生建构层次清晰、融会贯通的数学知识体系，发展综合思维与迁移应用能力，最终促进数学核心素养的持续发展。

理论基础

UbD理论

UbD理论(Understanding by Design)是由美国格兰特·威金斯和杰伊麦格泰提出，主张教学设计应首先确认预期学习结果，然后确定能够证明学生达成这些理解的评估证据，最后设计相关的学习体验与教学活动。这种“以终为始”的设计逻辑，确保教学设计和教学活动紧紧围绕教学目标和评估证据进行，为课程开发提供了一个高度结构化且追求理解性学习的清晰框架。这一理论对本研究具有根本性的方法论指导意义。人工智能的引入，是为了增强每一阶段决策的科学性、实施的精准性与评估的过程性。因此，逆向设计理论构成了本研究构建赋能路径的顶层架构和骨骼系统。

泰勒原理

泰勒提出的课程开发经典四问，即确定目标、选择经验、组织经验和评价结果，为课程与教学的系统性规划提供了基石。泰勒原理与UbD理论一脉相承，其强调的目标导向与系统评价思想，进一步夯实了本研究的逻辑基础。在本篇赋能路径中，人工智能通过数据驱动的方式，辅助目标的具体化与差异化，优化学习经验的选择与组织，并使全过程、多维度的评价变得可操作，从而在技术层面回应了泰勒原理对课程开发系统性、科学性的要求。

综上所述，上述理论在目标导向、系统设计等方面高度契合，共同构成本研究的理论基石。其中，UbD理论为研究提供整体设计思路与顶层架构，泰勒原理则强化了课程开发的系统性与逻辑性。两大理论共同为探讨人工智能赋能初中数学大单元教学奠定了扎实的理论基础。

人工智能赋能初中数学大单元教学的路径探索

基于上述理论，本研究构建了一个以逆向设计为总体框架，以人工智能为驱动引擎，初中数学大单元教学全流程的人工智能赋能路径，见图2。

阶段一：确定预期结果——AI赋能精准教学目标定位

传统单元目标定位多依赖教师经验，易出现与学生实际需求脱节的问题。人工智能有助于通过多维度数据采集与分析，助力目标精准定位。本阶段人工智能有望实现的突破如下：

课标与教材的智能解读与分析，教学目标分层设计

教师可以利用人工智能的自然语言处理技术解析课程标准与教材内容，确定教学重点和难点，辅助教师快速凝练单元大观念与整体核心目标，将相对宏观的数学核心素养要求拆解为一系列具体、可观测、可评估的指标和知识节点。

教师在利用人工智能技术时，要为人工智能提供“图形与几何”的整体结构化框架，避免课标与教材解读碎片化。下面给出北师大版初中“图形与几何”内容主线图，如下：

人工智能还能辅助教师将统一的单元核心目标，科学地划分为多个难度递进、要求各异的目标层次，可初步分为基础达标、能力提升、学科拓展三个目标层级。以北师大版七年级下册第四章三角形为例，下面简称以三角形为例，目标层级与核心素养对照表如下：

目标层级	核心素养对应
基础达标	初步培育数学抽象、直观想象素养，形成对三角形证明核心概念、图形特征的基础认知与具象感知能力。
能力提升	巩固深化数学抽象、直观想象素养，重点发展逻辑推理、数学运算素养，强化几何证明的逻辑严谨性与表达规范性。
学科拓展	综合运用数学抽象、直观想象、逻辑推理、数学运算素养，进一步培育数学建模、创新意识素养，实现知识的跨情境迁移与实践创新。

由上述表格可以看到，核心素养培育具有递进性与贯通性。基础达标为素养奠基，聚焦基础认知与具象理解；能力提升在巩固基础素养的同时，重点发展逻辑推理与运算表达能力；学科拓展整合前两层级素养，进一步培育数学建模与创新意识，实现知识迁移与实践创新。三者以核心素养为主线，形成完整培育链条。随着人工智能技术的融入,教师的教学准备从经验驱动转向数据驱动。教师能够制定出更贴合学生实际的教学目标,也能增强教学内容的逻辑性和系统性,更好地实现教学目标与核心素养的培养。

进行学情诊断

在单元教学启动前，利用人工智能技术整合学生的历史成绩、错题数据、前序单元知识掌握情况等静态数据，同时通过预测试题采集答题时间、正确率、错题类型等动态学习行为数据，借助机器学习算法生成个性化学情诊断报告，清晰呈现班级整体与个体学生的知识薄弱点和素养短板，如逻辑推理步骤不完整，精准定位学生的最近发展区。

利用“学科大概念”,构建知识图谱

教师可借助人工智能的知识图谱技术，突破传统教材知识点线性排列的限制，通过可视化的方式直观呈现单元内知识的层次与联系，重新组织教学内容。这样不仅能把分散的知识点连接成有生长性的知识网络，保持教学准确性，还增强了知识的系统性，帮助学生构建整体性的认知结构，形成学科“大概念”。

以三角形为例，可构建“三角形的概念—三角形的边和角—三角形的全等—三角形全等的应用”四级知识图谱，以“形状与大小不变”为核心节点，向上衔接小学阶段对三角形相等的初步认识，向下拓展至相似三角形及对称变换，横向联结四边形、圆等相关几何知识，将每个知识点放在整个大单元中考虑,通过横向和纵向的整合,形成一个紧密相连、逐步深入的知识网络。

阶段二：确定合适的评估证据——AI赋能多元化评价设计

传统单元评价多以终结性测试为主，存在评价维度单一、证据采集片面、反馈滞后等问题，难以全面衡量学生目标达成情况，而人工智能所具备的数据挖掘、高速计算、自动分析等功能，可以推动辅助评价工作的高效开展、关注情感信息的动态变化、还原真实课堂的精准采集、实现追踪师生成长轨迹为表现的新型教学评价模式。人工智能技术通过多维数据采集、智能分析与动态反馈，构建多元化评价体系，本阶段人工智能的应用如下：

多维度数据采集

人工智能打破传统评价“重结果轻过程”的局限，实现单元教学全阶段数据的全覆盖采集，尤其强化课堂过程性数据的精准捕捉。课前采集前序测验成绩、知识点预习点击情况、预习题完成时长与正确率；课中借助教室内安装的摄像头、眼动仪、麦克风等工具，全面采集教师与学生的声音、姿态、面部表情等数据，再通过面部识别、语音识别、姿态识别等人工智能技术进行实时运算分析，精准捕捉学生的课堂投入状态；课后则捕捉作业完成情况、错题次数与类型、错题订正及时性、AI课程助手答疑记录等。

以三角形为例，在全等三角形判定定理的新授课中，人工智能系统通过摄像头捕捉学生皱眉、迟疑等面部表情，定位对“ASA与AAS判定定理区别”这一难点存在理解障碍的学生群体；同时，系统同步采集教师讲解判定定理时的语言节奏、师生互动提问的频次等数据。

精准诊断报告生成

借助人工智能辅助学习平台的机器学习算法，对采集的全过程数据进行深度分析，精准生成学生个人、班级整体以及教师教学状态的多维度诊断报告。

针对学生的报告，不仅呈现分数、正确率等基础数据，更能精准定位知识漏洞、能力短板与核心素养短板，并结合课堂数据解读学习态度问题；针对教师的报告，则可清晰呈现课堂师生交互效果、教学语言适配度、难点知识讲解成效等关键信息。同时，结合阶段一确定的基础达标、能力提升、学科拓展分层目标，报告可明确标注学生各层级目标的达成进度，预测学生的最近发展区，为后续评价结果应用与教学调整提供清晰的证据支撑。

个性化评价反馈与动态优化

教师利用人工智能技术记录操作过程后，对学生的探索过程进行即时反馈和评价。基于诊断报告的证据，人工智能依托大模型技术实现评价反馈的精准化与动态化优化。对学生而言，课中可通过人工智能实时接收学习状态提醒，课后能获取针对性补救资源与学习状态调整建议；对教师而言，可依据人工智能生成的学生数学学习能力与素养评估报告，直观认识课堂教学的优势与不足，及时调整后续教学内容与方法，为实施个别化教学指导提供明确的教学建议，进而更好地促进学生个性化发展。同时，持续验证反馈效果，根据实践情况优化反馈方案，提升评价实践效用。

阶段三：设计学习体验——AI赋能教学活动创新

传统大单元教学活动设计常存在“一刀切”“情境脱离实际”“互动深度不足”等问题，难以适配学生个性化需求与核心素养培养目标。人工智能技术通过个性化推送、情境创设、智能协作等功能，将教学活动与学情数据、目标要求深度绑定，打造沉浸式、精准化和智能化的学习体验。本阶段人工智能的应用如下：

沉浸式教学情境创设

在创设大单元教学情境中，教师要以大单元知识点和能力训练目标为基础，最大程度向学生传达单元知识和信息。借助人工智能虚拟仿真技术与增强现实技术，将抽象的初中数学知识转化为可感知、可操作的真实情境，提高情境教学的质量和效率，给予学生直观和沉浸式的课堂体验，在情境互动中培育直观想象和数学建模素养。例如，在几何教学中，通过增强现实技术让学生在希沃白板和几何画板上直观看到三角形、四边形等图形，实时调整边长、角度观察图形性质变化，直观理解全等和相似的本质；在代数教学中，创设“校园周边停车收费方案设计”“家庭月度开支预算规划”等真实情境，通过人工智能互动系统让学生自主调整变量，例如收费标准、开支项目，观察函数关系变化，感受数学的实用性。同时，AI智能答疑机器人实时嵌入情境中，当学生遇到疑问时，即时提供针对性讲解与引导，助力自主探究学习。

个性化学习路径智能规划

基于阶段一的学情诊断报告与阶段二的评估证据，人工智能有助于生成每位学生专属的学习路径，提供个性化学习支持,分层提供个性化练习题。例如，不擅长图形表征的学生，根据其知识图谱弱点，优先推荐富含图示、动画或交互式模拟的学习材料来讲解全等三角形的性质；对于擅长逻辑但空间想象稍弱的学生，则可推荐利用增强现实工具观察三维图形中的全等关系。

学情短板	AI推荐个性化学习路径
图形表征薄弱，直观想象素养不足	（1）几何图形动态演示→（2）图示化全等性质讲解→（3）带图形提示的基础变式题→（4）错题复盘（图形标注错误点）
空间想象薄弱但逻辑推理强	（1）三维图形全等模拟→（2）逻辑推理步骤拆解→（3）需自己绘制的综合证明题→（4）跨情境的应用

学生依据人工智能生成的路径开展学习，人工智能实时追踪学习效果，结合阶段二的评价反馈动态调整路径；教师则借助人工智能有针对性地介入指导，引导学生理性辨识智能工具的价值与局限，提升自身智能素养。

智能化教学工具的运用

人工智能深度嵌入教学过程，开发与应用一系列智能教学工具，承担起可重复、高耗时的教学任务，实现教学流程的自动化与智能化，从而释放教师精力聚焦于更高价值的教学设计与学生互动。从人工批改到人机协同辅导，人工智能在学生进行习题练习或问题探究时，能分析解题步骤、识别思维卡点。例如，当学生试图证明两个三角形全等却选错了判定定理时，人工智能不会直接给出答案，而是通过追问引导学生检查“对应边是否夹角相等”，或提示学生回顾SAS与SSA的区别，提供自适应学习支架。除此之外，人工智能可自动批改客观题，并对部分主观题，如几何证明题，进行结构化解构分析，快速识别证明逻辑中的关键步骤是否齐全、依据是否准确。这为教师提供了全班学生的精准学情分析报告，使课后辅导有的放矢。同时，智能化教学工具能自动生成个性化错题集与巩固练习包，实现精准补偿学习。

实践挑战

（一）技术适配与数据安全的双重困境

人工智能工具多适配单一知识点，难满足大单元教学的结构化整合需求，部分操作门槛高；学生全过程数据采集存在隐私泄露风险。

（二）评价体系的局限与反馈障碍

人工智能难量化逻辑推理、创新思维等核心素养，评价结果片面；反馈落地需教师二次引导，部分人工智能评价模型存在误判，影响可信度。

（三）数学认知与人工智能表征的匹配难题

当前人工智能工具在几何图形的动态呈现上虽强，但对学生几何思维阶段，如逻辑推理等的适应性支持仍不足；在代数推理中，人工智能难以准确理解学生的非标准化解题步骤，可能限制其对学生数学思维真实过程的诊断。

（四）过程监测缺失

学生会以学习为名，以做作业为理由来玩电脑游戏；学习成绩较差的学生会通过计算机网络互相传递和抄袭作业，而目前的人工智能无法判断在线作业是否由学生本人完成。

结语

教师在初中数学大单元教学中，应充分认知人工智能技术的赋能价值，制定科学适配的实施策略。通过精准化应用释放人工智能的技术潜力，切实提升教学的系统性与实效性，助力学生逻辑推理、运算能力、数学建模等数学核心素养的深度培育。伴随人工智能技术的迭代升级与教育教学理念的深度革新，人工智能赋能初中数学大单元教学必将朝着更成熟、更精准、更具个性化的方向演进。

参考文献：

1. [1] 中国政府网.中共中央 国务院印发《教育强国建设规划纲要（2024—2035年）》2025年第4号国务院公报[EB/OL].(2025-01-19)[2025-10-25].https://www.gov.cn/gongbao/2025/issue_11846/202502/content_7002799.html
2. [2] 中华人民共和国教育部.义务教育数学课程标准(2022年版2025修订)[S].北京:人民教育出版社,2025.
3. [3] 崔允漷.学科核心素养呼唤大单元教学设计[J].上海教育科研,2019(04):1.
4. [4] 方凌燕.基于新课标的初中数学大单元教学困境及突破策略探究[J].新智慧,2024(27):64-65.
5. [5] 蔡连玉,金明飞,周跃良.教育数字化转型的本质：从技术整合到人机融合[J].华东师范大学学报(教育科学版),2023,41(03):36-44.
6. [6] 陈静怡.初中数学大单元教学的系统性设计探究——以全等三角形教学为例[J].教育观察,2025,14(02):100-103.
7. [7] (美)格兰特·威金斯, (美)杰伊·麦克泰著,盛群力等译.理解为先模式 单元教学设计指南(一)[M].福州:福建教育出版社,2018.
8. [8] (美)泰勒著,施良方译.课程与教学的基本原理[M].北京:人民教育出版社,1994.
9. [9] 王然.人工智能赋能初中数学教学的应用——以“二次函数的图像与性质”为例[J].天津教育,2025(33):32-34.
10. [10] 魏秀华.以终为始：主题单元的逆向教学设计研究[J].现代教育,2021(12):38-41.
11. [11] 张晓娇.人工智能赋能高中数学大单元教学的策略研究[J].江西教育,2025(43):22-24.
12. [12] 刘红瑶.新课标背景下初中数学大单元教学设计与实施策略[J].贵州教育,2024(11):54-56.
13. [13] 曹一鸣,陈顺洁.人工智能赋能基础教育数学教学改革[J].中学数学教学参考,2024(31):2-4+11.
14. [14] 才如曼.AI人工智能在初中数学课堂教学中的应用[J].数学大世界(下旬),2024(11):80-82.
15. [15] 叶文浩.AI赋能小学数学大单元教学的实施路径[J].甘肃教育,2025(05):147-150.
16. [16] 朱建花.信息技术赋能初中数学大单元教学评体系的探索[J].成功,2025(21):64-66.
17. [17] 李怡.生成式人工智能技术在初中数学教学中的应用——以“解直角三角形及其应用”为例[J].上海中学数学,2025(Z1):1-6+12.
18. [18] 康玥媛,张俊宏,宋春立.数智时代下国际数学教育研究的前沿热点与未来展望——基于ICME-15邀请平行报告的述评[J].数学教育学报,2024,33(05):67-73.
19. [19] 吴立宝,曹雅楠,曹一鸣.人工智能赋能课堂教学评价改革与技术实现的框架构建[J].中国电化教育,2021(05):94-101.
20. [20] 贾积有,颜泽忠,张志永,等.人工智能赋能基础教育的路径与实践[J].数字教育,2020,6(01):1-8.