夜雨聆风一、发现问题的过程及拟解决的问题
（一）文献综述
1. 国际研究现状
人工智能赋能数学教学是国际教育技术研究的重要方向。美国斯坦福大学人工智能实验室的Koedinger团队长期致力于认知辅导系统（Cognitive Tutor）的开发与研究，其数学认知辅导系统通过追踪学生的问题解决步骤，精准识别认知障碍并提供即时反馈，大规模随机对照实验表明该系统能显著提升学生的数学问题解决能力（Koedinger et al., 2023）。荷兰弗赖登塔尔研究所的Drijvers等（2022）系统研究了数字技术在数学教育中的整合路径，提出"工具化理论"（Instrumental Genesis），揭示学生将技术工具转化为认知工具的内在机制，为AI融入数学教学提供了重要的理论框架。英国伦敦大学学院的Hoyles和Noss团队（2023）基于"情境抽象"（Situated Abstraction）理论，探索动态几何环境中AI辅助的空间直观想象培养，发现交互式可视化工具能有效促进学生从直观感知向抽象推理的认知跃迁。以色列理工学院的Yerushalmy（2022）研究了AI驱动的动态数学建模环境对学生逻辑推理能力的影响，指出AI实时反馈能显著加速学生的推理策略优化。总体而言，国际研究已积累了丰富的技术方案和实证证据，但对"直观想象"与"逻辑推理"两大核心素养协同发展的AI赋能机制研究尚显不足。
2. 国内研究现状
国内AI赋能数学教学研究近年来成果丰硕。华东师范大学鲍建生教授团队（2023）基于PISA数学素养框架，系统分析了AI技术在数学核心素养评价中的应用前景，提出"智能化数学素养诊断"模型，为精准教学提供了评价基础。北京师范大学曹一鸣教授团队（2024）开展了"AI辅助高中数学概念教学"实验研究，发现生成式AI在帮助学生建立数学概念表象、沟通概念间逻辑关系方面具有独特优势。东北师范大学史宁中教授（2023）从数学教育哲学视角指出，数学核心素养的培养关键在于"直观想象"与"逻辑推理"的辩证统一——直观想象为逻辑推理提供感性基础，逻辑推理为直观想象赋予理性确证，二者不可偏废。西南大学宋乃庆教授团队（2024）利用AI技术构建了数学空间想象能力的自适应训练系统，实验表明该系统对提升学生的几何直观水平效果显著。然而，现有国内研究存在以下不足：一是多聚焦于单一素养维度（如逻辑推理或空间想象），缺乏对"直观想象"与"逻辑推理"协同发展机制的系统研究；二是研究方法以行动研究为主，缺乏严格的准实验设计和统计检验；三是AI工具的使用多限于辅助练习和即时反馈，缺少对AI赋能"直观—推理"认知转化过程的深度探索。
3. 现有研究的不足与本课题的切入点
综合国内外文献分析，当前研究存在三个主要缺口：第一，"直观想象"与"逻辑推理"作为高中数学核心素养的两大支柱，其协同发展的教学机制和AI赋能路径缺乏系统性研究；第二，AI在数学教学中的应用多停留在"辅助工具"层面，缺少对AI驱动的"可视化动态建模"如何促进学生从直观感知向逻辑推理认知跃迁的过程性研究；第三，数学核心素养评价工具开发不足，尤其缺乏能够同时追踪直观想象和逻辑推理发展轨迹的过程性评价方案。本课题正是从这三个缺口切入，以双重编码理论和范希尔几何思维水平理论为指导，借助AI可视化动态建模技术，探索直观想象与逻辑推理素养协同发展的教学新模式。
（二）现实问题分析
痛点1：直观想象与逻辑推理的"割裂化"教学困境。《普通高中数学课程标准（2017年版2025年修订）》明确将"直观想象"和"逻辑推理"列为六大核心素养中的两项，强调二者的内在关联与协同发展。然而在湖南省高中数学教学实践中，直观想象培养主要依托几何教学板块，逻辑推理培养则集中于代数证明和推理论证环节，两大素养的教学呈现"各自为政"的割裂状态。教师缺乏有效的教学工具和策略来搭建"直观—推理"之间的认知桥梁，导致学生在面对需要综合运用两种素养的复杂问题时（如解析几何、立体几何综合题）表现困难。
痛点2：静态教学手段难以支撑空间直观想象的发展。高中数学中的立体几何、解析几何、函数图像等内容对学生的空间想象力要求极高，但传统教学主要依赖黑板平面图形和静态课件，难以呈现三维空间关系的动态变化过程。学生在二维平面表征与三维空间想象之间存在巨大认知鸿沟，尤其在截面问题、旋转体、空间向量等内容的学习中，仅凭想象难以建立准确的空间直观，导致理解困难和推理错误频发。
痛点3：逻辑推理教学的"程式化"与"机械化"。当前逻辑推理教学过度强调规范化的证明格式和标准化的推理步骤，忽视了推理过程中直觉猜想、试错探索和启发式策略的重要作用。学生能够模仿标准证明过程，却缺乏独立发现推理路径的能力——Schoenfeld所指出的"推理策略知识"和"元认知调控能力"严重不足。教师缺乏有效工具来可视化展示推理的探索过程，学生看到的只是"完美的证明成品"，而非"真实的推理历程"。
痛点4：个体认知风格差异导致的学习分化。认知心理学研究表明，学生在"视觉-空间"与"言语-逻辑"认知风格上存在显著个体差异。偏视觉型学生善于直观想象但推理论证薄弱，偏言语型学生逻辑推理流畅但空间想象困难。传统统一化教学无法针对不同认知风格提供差异化的学习路径和支架，导致学生在非优势素养维度的发展长期滞后，"直观—推理"协同发展的目标难以实现。
痛点5：数学核心素养评价的"结果导向"与"维度缺失"。当前高中数学评价以考试成绩为核心指标，聚焦于问题解决的正确率，无法有效区分和评估"直观想象"与"逻辑推理"两大素养的发展水平及其协同程度。教师难以精准判断学生是"直观想象不足导致推理受阻"还是"推理能力薄弱导致直观验证失败"，个性化教学干预缺乏诊断依据。
（三）拟解决的核心问题
基于上述文献分析与现实问题梳理，本课题拟解决以下三个核心问题：
问题1：如何构建AI驱动的可视化动态建模环境，使其能够有效支撑学生从直观感知向逻辑推理的认知跃迁，实现"直观想象"与"逻辑推理"素养的协同发展？
问题2：如何设计AI赋能的"直观—推理"双向转化教学策略体系，使AI技术有效融入"动态建模—直觉发现—推理验证—抽象概括"的教学全流程，破解两大素养"割裂化"教学困境？
问题3：如何开发基于范希尔思维水平理论和双重编码理论的数学核心素养过程性评价工具，实现对学生直观想象与逻辑推理协同发展轨迹的动态追踪与精准诊断？
二、研究目的和意义
（一）研究目的
本课题旨在以《普通高中数学课程标准（2017年版2025年修订）》为纲，以双重编码理论、范希尔几何思维水平理论、Schoenfeld数学问题解决认知模型和具身认知理论为指导，以AI可视化动态建模为技术支撑，构建高中数学直观想象与逻辑推理素养协同发展的教学模式。具体目标包括：第一，开发AI驱动的可视化动态建模学习环境，支持学生在交互式操作中实现"直观感知—逻辑推理"的认知双向转化；第二，形成"AI动态建模探究—直觉猜想激发—推理验证深化—抽象概括迁移"四位一体的教学策略体系；第三，构建基于范希尔思维水平和双重编码理论的过程性评价体系，开发配套评价工具，为湖南省乃至全国的高中数学核心素养教学提供可推广的实践范式。
（二）研究意义
1. 理论意义
第一，将Paivio的双重编码理论与AI可视化技术进行创造性对接，建构"AI驱动的数学双重编码教学"理论模型，揭示AI可视化动态建模如何促进学生在表象系统（直观想象）与命题系统（逻辑推理）之间实现高效信息转换，拓展双重编码理论在数学教育领域的解释力。第二，融合范希尔几何思维水平理论和Schoenfeld问题解决认知模型，提出"直观—推理协同发展"的素养进阶路径模型，揭示两大核心素养在不同发展阶段的互动机制与协同规律，丰富数学核心素养的理论研究。第三，引入具身认知理论视角，探索AI交互式操作（拖拽、旋转、缩放等）如何通过身体经验促进数学空间认知的深层建构，为具身认知理论在智能教育环境中的应用提供实证支撑。
2. 实践意义
第一，为湖南省高中数学教师提供一套AI驱动的"直观—推理"协同教学方案，包括AI可视化建模工具使用指南、教学流程设计模板和典型课例集，帮助教师突破传统静态教学手段的局限，有效提升空间直观想象教学效果。第二，开发的直观想象能力发展量表、逻辑推理水平评价量规和AI认知过程追踪仪表盘等评价工具，能够精准诊断学生在两大素养维度上的发展水平和薄弱环节，为个性化教学干预提供数据支撑。第三，研究成果可直接应用于湖南省高中数学立体几何、解析几何、函数与导数等核心教学模块，为新高考背景下数学核心素养导向的教学改革提供示范引领。
三、研究的基本内容
本课题围绕"AI赋能高中数学直观想象与逻辑推理素养协同发展"这一核心命题，设计以下五个研究板块：
（一）AI可视化动态建模学习环境的功能设计与开发
本板块聚焦AI驱动的可视化动态建模学习环境的技术实现。基于双重编码理论和具身认知理论，设计学习环境的核心功能模块：（1）三维动态建模引擎——支持学生通过拖拽、旋转、截取、变形等交互操作实时构建和变换三维几何模型，直观感受空间关系的动态变化；（2）AI推理路径可视化模块——将抽象的逻辑推理过程转化为可视化的"推理树"或"推理地图"，使学生能够"看见"推理的结构和路径；（3）直观—推理双向转化引擎——AI自动识别学生的操作行为和推理步骤，在直观操作与形式化推理之间搭建动态桥梁（如学生拖拽几何体时自动生成对应的解析表达式，或学生书写推理步骤时自动生成对应的几何可视化）；（4）自适应认知风格匹配模块——根据学生的认知风格特征（视觉型/言语型），动态调整可视化呈现方式和推理支架强度。
（二）"直观—推理"协同发展教学模式的构建与实施
本板块以范希尔几何思维水平理论和Schoenfeld问题解决认知模型为指导，构建"四阶段螺旋上升"教学模式：第一阶段"AI动态建模探究"——学生在AI可视化环境中通过交互操作探索数学对象的空间特征和变化规律，积累丰富的直观经验；第二阶段"直觉猜想激发"——AI系统基于学生的操作行为和探索轨迹，引导学生从直观感知中提炼数学猜想，激发推理动机；第三阶段"推理验证深化"——AI推理路径可视化工具辅助学生将直觉猜想转化为严格的逻辑论证，可视化展示推理的探索过程和策略选择；第四阶段"抽象概括迁移"——AI引导学生从具体情境中抽象出一般性结论，并将所获得的"直观—推理"协同思维策略迁移到新的数学问题情境中。四个阶段构成"直观→猜想→推理→抽象"的完整认知螺旋。
（三）AI赋能"直观—推理"双向转化教学策略体系研究
本板块深入研究四个核心教学策略的实施细节。策略1：AI动态建模驱动的空间直观训练——研究如何利用AI三维建模环境系统训练学生的空间直观想象能力，包括截面想象、旋转体构造、空间位置判断等专项训练模块的设计与实施。策略2：AI引导的"直觉猜想—推理验证"双向转化——研究如何利用AI工具搭建从直观发现到逻辑推理的认知桥梁，包括AI自动提取直观操作中的数学规律性、引导学生将感性发现表述为精确命题、辅助构建推理路径等。策略3：AI推理过程可视化与元认知培养——研究如何利用AI推理树/推理地图工具，使推理过程"可见化"，帮助学生发展Schoenfeld所强调的"推理策略知识"和"元认知调控能力"。策略4：基于认知风格的AI自适应学习路径——研究如何根据学生的视觉-空间与言语-逻辑认知风格差异，AI动态调整教学呈现方式和支架类型，为偏视觉型学生强化逻辑推理支架、为偏言语型学生增加可视化直观支持。
加关注，留言，提供更多完整资料。
