小学数学教师的每日文献 1104 | 吴权威、郑铭坤《从经验走向循证:AI赋能数学“教、研、评”一体化范式重构》3

为什么今天读这篇？

第 1103 期我们读了张侨平、潘明惠那篇，数学建模的四步路径“发现真实问题——建立数学模型——跨学科协同探究——验证与优化模型”。当时我留了个尾巴：第④步“验证与优化”最容易断——因为老师根本看不见全班学生的思维，只能看见举手的几个。

再往前，第 1102 期章勤琼那篇，三重转向的第三条是“评价由结果测量转向素养测评，借助人工智能赋能表现性评价”。方向立住了，但没往下说：

AI 到底怎么赋能？数据从哪儿来？

今天这篇，把两头的缺口一起补上了。

它给的不是理念，是一整套能跑起来的东西：ICE 指标选工具、数据中台通流转、TPE 指数评教研、S-T 图与 Rt-Ch 图看课堂。

一句话概括它的价值：“转完之后，你凭什么知道自己转对了”。（循证）

如果你也感兴趣，再往按下看，文末有我看论文做的笔记照片扫描档。

一、文章主要信息

标题：　《从经验走向循证：AI赋能数学“教、研、评”一体化范式重构》 作者：　吴权威（1台湾科技领导与教学科技发展协会）、郑铭坤（2福建省晋江市高铁实验小学）

文献类型：理论建构与系统架构（含课例片段，非实证） 

关键词：“教、研、评”一体化　AI　核心素养　数据驱动　长效评估

一句话概括：针对“课堂教学注重形式、教学研讨主观臆断、学习品质评估缺乏实效”三重困境，提出依托 AI 重构数学“教、研、评”一体化范式——以 ICE 指标筛选工具、建立统一数据中台，实现教学新样态、循证教研与指向核心素养的长效评估闭环。

二、理论、研究方法和主要观点

理论框架：从《教育强国建设规划纲要（2024—2035年）》的拔尖创新人才培养，与《课标 2022 年版》的核心素养导向切入，诊断三重课堂转型困境；据此引入 AI 赋能的“教、研、评”一体化系统——以 ICE 指标选工具、以统一数据中台通流转，再分教学、教研、评估三条线展开。

研究方法：理论建构＋系统架构描述，含三个课堂片段（循环小数化分数、摸球游戏、同学生日可能性），无样本无数据。

观点 1｜开篇的三重困境，句句扎在常态课上。

“存在课堂教学注重形式、教学研讨主观臆断、学习品质评估缺乏实效等课堂转型困境。”

这三句最狠的地方在于，它们说的都不是“没做”，而是“做了但没用”。 形式有了、研讨开了、评估做了——可都没落到素养上。

观点 2｜最刺痛的一句：我们常拿 2~5 个孩子，代表全班。

“传统数学课堂的提问通常只能选取 2~5 名学生回答，并以其代表全部学生的思维。”我们以为“问了几个，他们会了，全班就会了”——其实那只是抽样，而且是有偏抽样。

观点 3｜选技术工具要看 ICE，而且顺序不能反。

C 使用便利（Convenience）：操作简单、节省时间、简化流程； 

E 展示效能（Efficiency）：减负提质、促进互动与合作、改善教学策略； I 技术智慧（Intelligence）：个性化学习支持、主动推荐适宜任务、驱动课堂转型。

C → E → I，是一个成熟度阶梯。 很多学校一上来就追“智慧”，结果老师连基本操作都嫌烦——那是把 I 当成了起点。

观点 4｜数据堆砌，是因为没有“中台”。

“教师常选择不同技术工具辅助教学，导致数据堆砌和技术应用浅层化……建立统一的数据中台，将多源数据融合到一起，可洞察教学全貌。”

“教、研、评”过程会产生许多数据，依靠人力难以整合分析——所以工具再多也没用，缺的是那根把数据串起来的线。（确实是啊，AI软件好多，就是没有穿起来的线）

观点 5｜教学新样态的三个环节：交互、合作、评价。

交互：从个别提问走向全员思维可视化（AI 归纳回答，以思维导图反馈）； 

合作：动态学情支撑的差异化、伴随式探究（为不同小组推送不同学习支架）； 

评价：人机协同、量规驱动的同伴互评生态。

观点 6｜新样态最大的改变：大班化教学趋向一对一指导。

“新样态使大班化教学趋向一对一指导下的教学。”

观点 7｜教研要循证，得有指数和图表。 

建立 TPE 指数辅助 AI 分析：

T 科技互动指数（技术能否促进即时反馈与互动）、

P 教法应用指数（能否引导学生思考提问讨论）、

E 参与度指数（学生学习投入程度）。 

AI 再把课堂数据整理成 S-T 图与 Rt-Ch 图，据此把课堂分为练习型、对话型、混合型、讲授型。

观点 8｜全文最重要的一句：是人给 AI 设限，不是 AI 给人设限。

“教师需要通过制订评价框架、评价量规等为 AI 测评设限，构建人机协同的同伴互评新样态。”“为 AI 测评设限”——这七个字，是教师不可替代性的技术版说法。

观点 9｜评估的终点不是分数，是教师成长。

“通过客观数据的正向反馈与常态化的辅助教练……将数字化转型的压力转化为驱动数学精准教学的动力。”“压力”二字很诚实——它没有假装数字化是轻松的，而是指出了转化的路径：靠客观数据的正向反馈，而不是靠号召。

学理坐标｜可引用的四处理论

余文森《以核心素养为导向：建立与义务教育新课标相适应的新型教学》→《中国教育学刊》2022(5)：17-22 用法：论证素养导向课堂的必要性，是“教、研、评”一体化的目标端依据。（本栏目 1102、1103、1104 三期都引了它，已成本栏目的常设坐标。）

鲁晓燕、刘向永《大数据赋能的校本教研：价值、模式与实施策略》→《教师教育学报》2024, 11(4)：47-57 用法：直接支撑第三部分“循证教研”，写校本教研数字化转型时最对口的一条。

中共中央 国务院《教育强国建设规划纲要（2024—2035年）》→《人民日报》2025-01-20(6) 用法：政策源头，“完善拔尖创新人才发现和培养机制”。

中华人民共和国教育部《义务教育数学课程标准（2022年版）》→ 北京师范大学出版社，2022 用法：课标原文“重视大数据、人工智能等对数学教学改革的推动作用”，是全文技术合法性的依据。

三、文章框架与好句摘录

先看骨架。 这是一篇“困境—逻辑—三新样态”结构：

引言：政策背景 → 三重困境 → 引入"教、研、评"一体化系统

一、基于 ICE 指标的数据流转逻辑（底层：怎么选工具、怎么通数据）

二、教学新样态：交互 / 合作 / 评价

三、教研新样态：TPE 指数 + S-T 图、Rt-Ch 图

四、评估新样态：评估视角 / 课程管理 / 内生动力

最值得学的是它的“三对三”。 开篇提了三个困境，后面正好给三个新样态——严格一一对应：

困境 对应新样态

课堂教学注重形式 教学新样态（交互／合作／评价）

教学研讨主观臆断 教研新样态（TPE＋循证）

学习品质评估缺乏实效 评估新样态（长效评估闭环）

先扎三针，再给三贴药，一贴对应一针。 这是论文章法里最见功力的一种，读的人会觉得“这篇很严”。

可套用的骨架与句式（写“范式重构”“系统建设”类文章时可参考）：

政策确立必要性

  → 诊断 N 个真困境（说"做了但没用"，不说"没做"）

  → 提出一个一体化系统作为解法

  → 先交代底层逻辑（选型指标 + 数据中台）

  → 再分 N 条线展开，每条线配"专属指标 + 专属图表 + 课堂片段"

  → 结尾回到"人"的成长

小标题句式可借：“[领域]新样态：从……走向……”（如“交互新样态：从个别提问走向全员思维可视化”）。

还有一招值得偷：每个环节都配“指标＋图表”。 教学配 ICE、教研配 TPE 与 S-T/Rt-Ch 图、评估配增长趋势线与常模。 指标让它可量化，图表让它可看见——两者一配，“范式重构”这种大词就落了地。

闭环自检：困境（形式／臆断／缺实效）→ 解法（一体化系统）→ 底层（ICE＋中台）→ 三新样态（教学／教研／评估）→ 回到教师专业成长。 首尾咬合：开头说“将技术变革转化为驱动教师专业成长的动力”，结尾仍落在“促进教师专业成长”——技术是手段，教师成长才是目的。

AI 赋能数学“教、研、评”一体化（据原文表述重绘）

【底层】ICE 指标选工具 + 统一数据中台

        C 使用便利 → E 展示效能 → I 技术智慧

        （多源数据融合，洞察教学全貌）

              ↓

① 教学新样态

   交互：个别提问 ──→ 全员思维可视化（思维导图）

   合作：动态学情 ──→ 差异化学习支架

   评价：人机协同 ──→ 量规驱动的同伴互评

   ※ 三大数据：教师评价 + AI 评审 + 同伴互评

              ↓

② 教研新样态　（从经验走向循证）

   TPE 指数：T 科技互动 ／ P 教法应用 ／ E 参与度

   ＋ S-T 图、Rt-Ch 图（练习型·对话型·混合型·讲授型）

              ↓

③ 评估新样态　（长效、伴随式闭环）

   评估视角：增长趋势线 · 常模参照

   课程管理：诊断报告 · 策略推广

   内生动力：正向反馈 · 辅助教练

价值：把“AI 赋能”这件最容易被写成空话的事，拆成了三个各自有工具、有数据、有图的可运行环节。 最常见的断点在最底层——工具选了一堆，各存各的数据，没有中台，最后“数据堆砌、应用浅层化”。

以下四句摘自原文，单独抄下来

①「存在课堂教学注重形式、教学研讨主观臆断、学习品质评估缺乏实效等课堂转型困境。」——三个四字短语，三记闷棍。 写文章时，把困境写成“做了但没用”，比写“尚未开展”有力十倍。

②「传统数学课堂的提问通常只能选取 2~5 名学生回答，并以其代表全部学生的思维。」

——全文最该被记住的一句。 它揭穿了我们天天在犯的错：把抽样当全样。 而“全员思维可视化”真正要解决的，就是这件事。

③「教师需要通过制订评价框架、评价量规等为 AI 测评设限。」

——“为 AI 设限”。 不是 AI 告诉我们对错，是我们先把“什么算好”写清楚，再让 AI 去跑。量规谁定，谁就是老师。

④「将数字化转型的压力转化为驱动数学精准教学的动力。」

——“压力”二字很诚实。它没有美化数字化，而是指出转化的机制：靠客观数据的正向反馈，而不是靠动员。

四、收获和启发

这篇文章最值得借鉴的，是它把“AI 赋能”这件最容易写成口号的事，拆成了三个各自带指标、带图表的可运行环节——而且开篇的三个困境，和后面的三个新样态严丝合缝地对着。

我们常讲“数字化转型”，但一到学校就变成“买设备、装系统、做培训”，原因往往不是不想转，而是不知道转完之后该看什么数据。这篇给了三样东西：选工具的 ICE 标尺、评教研的 TPE 指数、看课堂的 S-T 与 Rt-Ch 图。

实践上有三个动作可以直接用。

一是用 ICE 三级，给自己在用的技术工具做个体检。 拿你的平板、大屏、投票工具逐个问： - C 便利吗？ 操作省不省时间？（不便利，老师就不会用第二次） - E 有效能吗？ 有没有真的促进互动、改善策略？ - I 有智慧吗？ 能不能给出个性化支持、主动推荐任务？

大多数工具停在 C，少数到 E，极少数到 I。 知道自己停在哪一级，比再买一个新工具重要。

二是在自己的课上，专门设计一个“全员思维可视化”的环节。 既然传统提问只能覆盖 2~5 人，那就留一个环节，让每个孩子的想法都同时上屏——一人一终端时尤其容易做，系统把回答归纳成思维导图，老师一眼看见全班的想法的分布。 

（上一篇STEM的论文——“验证与优化”之所以常断，就是因为老师看不见全班的模型。看见，是优化的前提。）

三是每次让 AI 参与评价之前，先把量规写出来。 这是“为 AI 测评设限”的落地动作：评价标准、等级描述，由教师先定，AI 只负责按这个标准去跑、去归类、去汇聚。 顺序不能反：先有人类的尺子，才有机器的效率。

其一，说“AI 始终是辅助工具，无法替代教师的育人价值”——这篇把“不可替代”说得更具体了：不可替代的那个动作，叫“为 AI 设限”。

其二，说建模课要“验证与优化”，而这篇的 Rt-Ch 图把课堂分成练习型、对话型、混合型、讲授型—— 如果你的建模课被判成“练习型”，那第④步大概率是断的。 数据能替你看见你自己看不见的事。

还有一句想留给自己：

AI 时代，教师最不可替代的那个动作，不是比 AI 批得快，而是——给 AI 设限。 

量规谁定，谁就是老师。

强者制定规则。