一、选题依据

（一）研究背景

（二）研究价值

1.从理论层面看，当前关于AI与学科教学融合的讨论很多，但真正聚焦初中数学课堂、把技术应用和数学核心素养培养对应起来的系统研究还不够充分。已有成果多从宏观层面谈智慧教育、谈教育数字化转型，落到初中数学这个具体学段和学科上的中观研究相对偏少。本课题试图在建构主义学习理论和个性化学习理论的框架下，梳理AI技术在数学课堂各环节中的作用机制，提出一个可操作的融合教学模型，这在一定程度上能丰富信息技术与学科教学深度融合的理论讨论。

2.从实践层面看，本课题的价值更直接。参与课题的学校都是城区普通公办初中，生源结构、师资水平和硬件条件在同类学校里有代表性。课题研究过程中沉淀下来的教学设计案例、课堂实录、学生学习数据分析报告和教师操作手册，其他学校的数学教研组可以直接参考借用，不需要从零开始摸索。特别是针对初二数学分化这个老大难问题，探索用AI手段提前预警、分层干预的具体做法，对一线教师来说有比较强的现实针对性。

（三）核心概念界定

1.AI技术深度融合：本课题所说的"AI技术"，主要指当前在教育场景中已经落地或接近落地的几类工具：一是基于大语言模型的智能问答与对话生成工具，二是具备学情诊断和个性化推荐功能的智慧学习平台，三是GeoGebra、Desmos等集成了智能动态演示功能的数学教学软件。"深度融合"不是简单地把技术搬到课堂上走个过场，而是指AI工具嵌入数学教学的备课、上课、作业、评价等完整链条，在关键教学环节上承担不可替代的作用——比如实时采集学生的答题过程数据、自动识别典型错误并生成针对性讲解、根据学生反应动态调整课堂节奏等。判断"融合深度"的标准是：如果去掉AI工具，这节课的教学设计和实施会明显不同，而不是仅仅少了一个展示手段。

2.初中数学课堂教学：指七至九年级常规数学课堂内发生的教学活动，涵盖新授课、习题课、复习课和综合实践课四种基本课型。研究聚焦于课堂45分钟以内师生、生生、人机之间的互动过程，不涉及课后校外培训或纯线上自学场景。

（四）国内外相关研究动态

1.国内研究现状

国内这几年关于AI和初中数学教学结合的文章增长很快。韩雁冰（2024）较早讨论了人工智能技术对初中数学教学方式的优化路径，认为AI在分层教学、作业智能批改和错题本自动生成三个方面能切实减轻教师负担，但她同时也提醒要防止技术替代教师的情感引导作用。张娟波和刘海兰（2025）进一步探讨了初中数学与AI技术深度融合的具体策略，提出课前用AI生成多版本教学设计、课中用互动平台实时采集数据、课后用AI进行个性化辅导的三段式思路。

在教学模式探索方面，郑竣文等人（2024）设计了一套基于人工智能和大数据分析的智慧教学系统，通过对照实验发现该系统在学生学习成绩提升和学习兴趣激发上均有显著效果。朱丽娜（2025）以八年级"神奇的加密术"综合实践课为例，展示了AI作为认知工具和协同创造者在数学项目化学习中的应用，发现这种人机协同模式能显著增强学生的模型观念和问题解决能力。徐艳琼（2025）则从教师操作层面切入，总结了AI在创设沉浸式教学场景、实施分层教学、设计课堂练习和家庭作业四个方面的实践策略。

也有研究开始关注教师角色的转变问题。王喆和孔德宏（2025）指出，AI时代数学教师不能再把自己定位为知识的唯一传授者，而要转向学习活动的设计者、学情数据的解读者和学生思维的启发者，这对教师的信息素养和教学能力提出了新要求。黑廷磊和于文兵（2024）通过文献计量可视化分析发现，国内初中数学教学研究的热点正在从教学方法改革逐步转向技术赋能和核心素养导向，但关于AI深度融合课堂的实证研究数量还不多，尤其是针对具体课型和具体知识模块的行动研究偏少。

综合来看，国内研究已经意识到AI对数学教学的变革潜力，也积累了不少单点应用的案例。但现有研究存在三个比较明显的短板：一是多数文章停留在经验总结和策略建议层面，缺少严格的课堂实证数据支撑；二是对"融合深度"缺乏可操作的评价标准，容易把用了平板就叫"深度融合"；三是对教师在人机协同中的角色定位和能力发展路径讨论不够充分，很多研究默认教师会用技术，实际上一线教师的AI素养参差很大。

2.国外研究现状

国外在AI辅助数学学习方面的研究起步更早，近些年随着大模型的出现，研究重心也在快速转移。Cosentino等人（2025）在British Journal of Educational Technology上发表的一项研究很有代表性，他们让小学生在数字身体尺度数轴上学习正负数运算，一组学生接收教师反馈，另一组接收生成式AI反馈，通过眼动追踪和系统日志分析发现，虽然两组在任务完成表现上没有显著差异，但AI反馈组的认知负荷明显更低，学生的视觉信息加工策略也有所不同。这项研究说明AI在提供结构化、适应性反馈方面确实有独特优势，但"混合智能"——即人类教师和AI反馈各取所长——可能才是最优解。

另一项值得关注的研究来自Frontiers in Education（2025），研究者以巴勒斯坦纳布卢斯地区两所学校的92名八年级学生为对象，考察了AI驱动的CK-12 Flexi应用在代数课堂中对学生学业情绪的影响。混合方法分析发现，AI学习环境在提升学生学业积极情绪方面有正面作用，但也有部分学生报告了焦虑感和技术挫败感。这提醒我们，技术引入课堂不能只看成绩数据，学生的情绪体验和学习感受同样需要重视。

此外，Asian Journal of Education and Social Studies（2025）刊发的一项案例研究考察了中国某中学学生在数学问题解决中使用AI工具的行为特征，发现学生在使用AI工具时存在明显的两极分化：一部分学生能写出结构良好的提示词、把AI当作思维伙伴来追问和验证思路，另一部分学生则直接复制AI给出的答案，缺乏批判性审视。这个发现对我们设计课堂教学环节很有启发——AI工具进课堂之后，怎么引导学生正确使用、防止养成依赖，是教师必须面对的新课题。

总体来看，国外研究在AI数学教育的实证方法上比较成熟，关注的变量也更丰富（认知负荷、学业情绪、问题解决行为模式等），但他们的研究场景和学生群体与我国初中课堂有差异，很多结论不能直接照搬。把国外已有的分析框架和研究方法借鉴过来，结合国内初中数学的课程标准、教材体系和课堂文化做本土化改造，正是本课题想要做的事情。

二、研究设计

（一）研究对象

本课题以南昌市城区两所公办初中的八年级数学课堂为主要研究场域。两所学校在办学规模、生源质量和教师队伍上处于中等水平，具有较好的代表性。具体选取四个平行班作为实验班和对照班，其中两个实验班采用AI融合教学模式，两个对照班保持常规教学模式，研究周期为一个完整学年（2026年9月至2027年7月）。同时，以这四班级的数学教师和学生为深度访谈对象，纳入观察和问卷数据采集范围。选择八年级作为切入点，是因为这一阶段是初中数学学习的分化期——函数概念的引入和几何证明的系统学习对学生的抽象思维提出了更高要求，也是AI辅助教学最能发挥作用的阶段。

（二）研究目标

本课题的总目标是：探索AI技术深度融入初中数学课堂教学的实践路径，构建一套适合普通公办初中使用的"人机协同"数学教学模式，并通过行动研究验证其在提升学生数学学业表现、优化学习过程体验和促进教师专业发展方面的实际效果。

具体分解为三个子目标：第一，梳理当前初中数学课堂中AI应用的真实样态，明确"浅层次使用"和"深度融合"的区分标准；第二，构建涵盖备课、新授、练习、评价四个环节的AI融合数学课堂教学框架，并在八年级"一次函数""全等三角形""数据分析"等核心单元中形成可复用的教学设计案例；第三，通过一学年的对照实验和课堂观察，检验该模式对学生数学学业成绩、学习兴趣和问题解决能力的影响，同时总结教师在实施过程中的适应性变化。

（三）研究内容

围绕上述目标，本课题主要从以下四个方面展开研究。

1.初中数学课堂AI应用现状的调查与诊断。先对参与学校的数学教师进行问卷和半结构化访谈，了解他们目前使用AI工具的频率、主要应用环节、遇到的困难和培训需求；同时对学生进行问卷，了解他们在课后使用AI工具完成数学作业的情况和态度。在调查基础上，梳理出当前AI应用中存在的典型问题——比如技术与教学"两张皮"、教师数据解读能力不足、学生过度依赖AI等——为后续教学模式构建提供现实依据。

2.AI深度融合初中数学课堂的教学框架构建。这是本课题的核心内容。我们尝试提出一个"四环节人机协同"教学框架：课前环节，教师借助AI工具生成差异化的预习任务和前测题，系统自动批改前测并生成班级学情报告，帮助教师在上课前就知道学生哪里已经会了、哪里是真正的难点；新授环节，利用GeoGebra等智能软件动态呈现数学概念的形成过程（比如函数图象随参数变化的实时演示），同时用课堂互动平台实时收集学生的反馈和疑问，教师据此灵活调整讲解节奏；练习环节，系统根据学生前一轮答题表现自动推送不同难度的变式题，实现课堂内的分层练习；小结环节，AI自动生成每个学生的课堂掌握情况画像和个性化复习建议。这个框架不是要让AI取代教师，而是让AI承担那些重复性强、数据密集型的工作，把教师的时间和精力释放到更有创造性的教学互动上去。

3.典型课例的开发与行动研究。在八年级数学教材中选取若干关键单元——"一次函数""全等三角形""一次方程组"等——每个单元开发2至3个AI融合教学课例，经过教研组集体备课、课堂实施、课后反思、修订完善多轮循环，形成成熟的教学设计方案和课堂实录。每个课例都明确标注AI在哪个环节介入、承担什么功能、教师在这个环节做什么，确保可复制、可推广。

4.教学效果的实证检验。在对照实验框架下，比较实验班和对照班在学期前后的数学学业成绩变化、学习兴趣量表得分和问题解决能力表现，同时结合课堂观察记录和教师访谈，质性分析AI融合教学对课堂互动结构、学生参与度和教师教学行为的实际影响。

（四）重点难点

1.研究重点：一是"深度融合"教学框架的可操作性设计，不能停留在理念层面，要落实到具体的课堂操作步骤和教师指导语上；二是典型课例的打磨，特别是如何把握AI使用的"度"——哪些环节该用AI、哪些环节必须保留师生面对面的深度讨论，这个边界的把握直接决定了教学效果。

2.研究难点：首先，AI工具本身迭代很快，本课题研究周期内可能面临工具版本更新甚至更换的问题，需要在研究设计时保持一定的弹性；其次，对照实验中的无关变量控制有难度，比如两个班学生的基础差异、教师教学风格差异等，需要通过前测均分匹配和统计方法加以控制；最后，教师的接受度和执行一致性是个现实问题——不同教师对新技术的开放程度不同，如何让实验班教师真正按照框架实施而不是"穿新鞋走老路"，需要在培训和过程督导上下功夫。

三、思路方法

（一）基本思路

本课题遵循"现状调研—框架构建—课例开发—实证检验—反思修正"的行动研究思路。第一步先摸清真实情况，搞清楚现在学校里AI到底用得怎么样、问题出在哪；第二步在文献研究和现状诊断的基础上，提出初步的教学融合框架；第三步进入课堂，在真实教学场景中试用这个框架，边做边改，通过多轮行动研究循环打磨课例；第四步用定量和定性结合的方法检验效果；最后根据检验结果反思修正框架，形成最终的实践方案和研究报告。整个过程不是一次性的理论推演，而是在实践中不断试错、不断调整的迭代过程。

（二）具体研究方法

1.文献研究法。系统检索近三年国内外关于AI赋能初中数学教学的期刊论文、学位论文和政策文件，梳理已有研究的理论视角、研究方法和主要结论，为本课题提供理论参照和方法借鉴。重点关注国内外研究在研究设计上的差异，避免重复已有工作。

2.问卷调查法。自编《初中数学教师AI教学应用现状问卷》和《初中生数学学习与AI工具使用态度问卷》，在参与学校及周边同类学校发放，样本量不少于300名学生和30名数学教师。问卷经过专家效度检验和预调查修订后正式施测。

3.准实验研究法。选取两个平行班作为实验班（实施AI融合教学）、两个班作为对照班（常规教学），进行为期一学年的教学实验。以八年级入学数学成绩为前测协变量，以学期末学业成绩和学习兴趣量表得分为后测因变量，采用协方差分析比较两组差异。同时记录两个班每节课的课堂互动类型和学生参与度，作为过程性数据。

4.课堂观察法。制定课堂观察记录表，从教师讲授时间占比、学生主动提问次数、AI工具使用环节、师生互动质量等维度，对实验班和对照班各听20节课以上，课后及时记录观察笔记并编码分析。