夜雨聆风
摘要：如何将AI深度融入学科教学，是当前课堂改革的核心议题。本文聚焦小学数学，基于跨学科视角，探讨人工智能等信息技术在数学教学中的融合路径。通过分析当前⼩学数学教学面临的困境，构建了“差异化支持、情境化探究、结构化整合、过程性评价与协同化教学”的五条路径相互关联、协同作用。研究表明，信息科技的融入能够有效促进学习方式转变与课堂生态重构，为提升小学数学教学质量提供实践参考。
关键词：人工智能；跨学科教学；小学数学；教学路径
《义务教育信息科技课程标准（2025年修订版）》明确提出跨学科AI融合教学的要求，但在一线教学实践中，教师普遍面临这样一些困惑：技术工具虽多，却难以真正融入教学关键环节；课堂数据虽不断积累，却难以有效支持教学决策。因此，如何在真实课堂情境中实现信息科技与数学教学的深度融合，成为当前亟待解决的问题。基于此，本文以小学数学课堂为例，结合具体教学案例，对当前AI融合教学的应用现状进行分析，并尝试构建具有可操作性的教学实践路径以提供参考。本研究采用课堂实践与案例分析相结合的方法，以教材内容为依托，对教学路径进行设计与反思，在实践中不断优化融合策略。
AI技术融合小学数学教学的应用现状分析
当前的主要应用形态
学情分析与资源推送。
在当前教学实践中，部分学校已开始借助学习平台对学生作业和练习数据进行统计分析。系统可以根据学生答题情况，对正确率、错误类型等进行整理，从而帮助教师了解整体学习情况。例如，在单元学习结束后，教师可以通过平台查看哪些知识点错误较为集中，哪些学生存在持续性问题。在此基础上，一些平台还会提供资源推荐功能，根据学生的学习表现推送相应的练习或讲解材料。虽然这种方式在一定程度上提高了资源使用的针对性，但在实际应用中，教师仍需要结合具体学情进行判断和调整，系统推荐尚不能完全替代教学决策。
认知工具辅助理解。
针对分数、几何、应用题等抽象内容，AI赋能的认知工具正成为连接具体经验与抽象思维的桥梁。例如，动态几何软件（如GeoGebra）允许学生通过拖拽、旋转等交互操作，直观感知图形变化中的不变规律，将静态定理转化为动态发现[1]。数学游戏类APP则将计算练习融入游戏化情境，提升学习动机。AR/VR应用则尝试将立体几何概念叠加于现实环境，帮助学生构建空间观念。这些工具实质上为学生搭建了理解抽象数学知识的“认知脚手架”。
自动评阅与即时矫正。
传统教学场景中，作业批改与反馈存在显著的滞后性，学生往往在遗忘解题思路后才收到教师的评阅意见。AI技术的引入正在改变这一局面。依托图像识别与自然语言处理技术，智能批改系统已能对小学数学中常见的口算、竖式、方程乃至部分应用题进行高精度自动评阅，并即时生成包含错误定位、错因分析与订正建议的个性化反馈报告[2]。这不仅显著减轻了教师从事机械性重复劳动的负担，使其能将精力聚焦于教学设计创新与个别化辅导，更重要的是，学生能够即时矫正，有效缩短了学习闭环周期。
存在的现实问题
技术赋能停留于教学表层。
在许多课堂实践中，AI技术的应用仍停留在较浅层面，多用于课堂导入的展示或课后练习的电子化替代，扮演着“智能黑板”或“电子题库”的角色，未能深度融合到新知探究、猜想验证、协作研讨等核心教学环节。这种应用模式使得技术在支持学生深度信息加工、培养高阶思维方面的潜力未能充分发挥，技术与思维培养之间存在“断层”[3]。
学情链条断裂难以驱动决策。
虽然各类学习平台能够记录一定数量的学习数据，但这些数据在实际教学中的利用程度仍然不高。一方面，不同系统之间数据相对分散，缺乏统一整合；另一方面，教师在解读数据和转化为教学策略方面仍存在一定困难。在这种情况下，数据更多停留在“可查看”的层面，而未能真正转化为改进教学的依据，影响了其在课堂中的实际价值。
工具理性与育人目标存在偏差。
部分教学实践陷入了“为用技术而用技术”的误区，过度关注AI工具本身的功能展示，而相对忽视了对数学学科本质的挖掘与跨学科育人目标的方法。教学设计未能将技术应用与数学核心素养（如量感、运算能力、推理意识）的培育、跨学科主题学习活动进行有机统整，导致技术应用与教学主线若即若离，出现“两张皮”现象。这种“技术本位”的取向，偏离了技术服务于学生全面发展的根本宗旨[4]。
人机协同生态尚未形成。
从课堂角色分工来看，当前教学中仍以教师主导为主，技术主要承担辅助功能。教师对数据分析、资源整合等功能的使用还不够熟练，学生在学习过程中对技术的主动运用也较为有限。在实际教学中，技术尚未成为学生探究学习的常用工具，人机协同的课堂形态仍处于探索阶段。
信息科技跨学科AI融合的内涵与价值
信息科技跨学科AI融合，并非简单地将AI工具引入数学课堂，而是指以培养学生数学核心素养和跨学科问题解决能力为目标，将人工智能技术作为一种基础性的认知工具、分析工具和协同环境，深度嵌入数学教与学的全过程，并与科学、艺术、工程等学科知识有机联结，共同构建一种新型的、智能化、探究式的学习生态。其核心价值在于：
实现规模化的“因材施教”。
长久以来，受限于师生比与教师精力，“因材施教”更多停留于教育理想的层面。信息科技与AI的跨学科融合，为破解这一难题提供了现实路径。通过学习分析技术对个体学习轨迹的持续追踪与多维度建模，系统能够为每位学生绘制出动态更新、精准细致的“数字画像”，清晰呈现其认知风格、优势潜能与发展短板。基于此，教师能够从依赖模糊经验的判断，转向依托数据证据的精准决策，为不同学生定制差异化的学习目标、内容序列与干预策略，使个性化的学习支持在常态化班级教学中得以规模化落地[5]。
破解数学抽象性与学生思维具体性之间的矛盾。
小学生以具体形象思维为主，而数学具有高度抽象性。AI赋能的虚拟仿真、动态建模等技术，为化解这一根本矛盾，它们能将内隐的数学关系转化为可视化、可操作、可交互的过程，让学生“做中学”、“观中悟”，在具身体验中建立感性经验与抽象符号之间的联系，促进对数学本质的深刻理解。
拓展数学学习的广度与深度。
信息科技的融入，极大地拓宽了数学学习的边界。在广度上，AI驱动的知识图谱能清晰揭示数学内部及数学与其他学科的关联，帮助学生构建网络化知识体系。在深度上，AI可支持创设真实的跨学科项目式学习情境，引导学生在解决复杂真实问题的过程中，像数学家一样建模，像工程师一样设计，深刻体会数学的应用价值，发展综合实践与创新能力。
推动教学评价的范式变革。
AI技术驱动教学评价从静态的“结果评判”走向动态的“过程赋能”。借助多模态数据采集，评价焦点从单一分数拓展至对学生思维过程、协作能力、学习品质等的综合性、发展性刻画，能为学生提供更具诊断性的反馈，为教师优化教学提供实时依据，促进“教-学-评”一体化。
促进教师专业角色的进化。
人机协同是“增强”而非“替代”。AI接管批改、推送等程序化工作，将教师从重复劳动中解放，使其能聚焦于更具创造性与育人价值的工作[6]：设计挑战性任务、进行高阶思维引导、提供情感关怀与个性化支持、开展教学反思与研究。教师的角色从而从知识“传授者”进化为学习“设计师”、思维“引导者”和成长“陪伴者”。
信息科技跨学科融合小学数学教学实践路径
基于学习数据的教学差异化支持路径
在班级授课情境中，学生之间的学习差异普遍存在，统一进度的教学方式往往难以兼顾不同层次学生的发展需求。因此，如何更准确地了解学情，并据此调整教学，是课堂改进的重要方向。基于此，构建一个“诊断—适配—反馈”的精准教学闭环，以数据的深度挖掘与智能响应支撑教学决策。
学情智能诊断。
在开展差异化教学时，准确了解学生的学习情况是前提。AI系统能够突破纸笔测试的局限，在课前预习、课堂互动、随堂练习、课后作业等全流程中，持续采集学生的多维学习数据。这些信息不仅包括答题结果，还包含反应时长、操作路径、求助频次、讨论参与度等反映认知过程的行为指标。通过对多模态数据的融合分析与建模，系统能够生成群体学情热力图和个体学习数字画像，能直观呈现班级在特定知识点上的普遍困难与分化情况以及动态刻画每位学生的知识掌握度、思维偏好、学习投入度及潜在的能力增长点，使隐性的认知差异变得显性可读。
以“分数的基本性质”学习为例，学生在学习“分数的基本性质”时，AI学情分析系统可精准识别出不同的错误根源：部分学生在将分数进行等值变形时操作不熟练，如不能正确地将2/3转化为4/6；有的学生对“分子和分母同时变化”的规律理解不够深入，在遇到“零除外”的限制条件时容易出错；还有部分学生尚未建立分数与除法之间的内在联系，导致在解决实际问题时无法灵活调用所学知识。通过对这些差异的分析，教师可以更有针对性地进行指导，不再停留在简单的正误判断，而是进一步关注学生在理解过程中的具体困难，从而为后续教学调整提供依据。
分层任务设计。
在对学生学习情况有了一定了解之后，教师可以对教学目标进行分层处理，将学习任务划分为不同难度层次，便于学生根据自身情况逐步完成。一般可以设置为基础巩固、能力提升和拓展应用三个层次：基础部分侧重概念理解和基本技能训练，提升部分关注方法的灵活运用，而拓展部分则引导学生进行进一步的探究。在具体实施过程中，学生可以根据自己的掌握情况选择相应的学习内容，也可以在教师或系统提示下逐步完成不同层次的任务，从而在原有基础上实现逐步提升。
以 “圆的面积”教学为例。基础巩固层任务为直接应用公式计算给定半径或直径的圆的面积，如计算一个半径为5厘米的圆形花坛的面积；能力提升层任务为计算组合图形中含圆形部分的面积，如求一个正方形内切圆之外阴影部分的面积，或解决“已知圆的周长求面积”等需要逆向思维的问题；拓展挑战层任务为探究圆面积公式的推导过程——苏教版教材中呈现了将圆分割成若干等份后拼合成近似长方形的方法，AI系统可提供虚拟操作平台让学生自主尝试不同的分割份数，观察图形变化，从中体会面积公式的形成过程。AI系统实时追踪学生的任务完成表现，动态调整后续任务的难度系数与内容侧重，教师也能根据学生完成情况适当调整任务难度，使不同层次的学生都能在原有基础上得到发展。
个性化资源支持。
基于动态学情画像，AI系统能够实现学习资源的精准推送，教师可以有针对性地为学生提供不同的学习资源，对于在某些知识点上掌握不够扎实的学生，可以安排相应的讲解材料或基础练习，帮助其进一步巩固；而对于理解较快、学习能力较强的学生，则可以提供一些拓展性的学习内容，如综合性问题或探究性任务。在实际教学中，这种根据学生差异进行资源调整的方式，有助于不同层次的学生都能参与到学习中来。一方面，可以帮助学习有困难的学生逐步跟上进度；另一方面，也为学有余力的学生提供了进一步发展的空间，从而在一定程度上改善传统课堂中进度统一带来的问题。
与具身认知的情境化探究学习路径
数学内容本身较为抽象，而小学生更习惯通过具体事物进行理解，这在教学中往往会带来一定困难。因此，在课堂中借助信息技术创设情境、提供操作机会，有助于学生更好地理解相关知识。通过将原本较为抽象的内容转化为可以观察和操作的学习活动，学生能够在体验中逐步形成对概念的认识。
情境创设与学习体验的结合。
AI技术能够将教材中静态的、脱离语境的知识点，转化为贴近学生生活经验的、可交互的虚拟情境。教师可结合生活实际或跨学科内容，利用图像、动画、VR/AR等多模态资源，将数学问题嵌入具体情境之中，使学生在解决问题的过程中感知数学的实用价值。例如 “小数乘法和除法”单元教学。教材中编排了“妈妈去超市购物”的生活情境，教师可借助AI模拟“班级采购”的虚拟交互场景。学生需要根据采购清单计算总价：苹果每千克8.6元，买2.5千克需要多少钱？牛奶每箱45.5元，买3箱需要多少钱？系统不仅评判计算结果的正确性，更在学生出现小数点定位错误时，通过“人民币的元角分”这一熟悉的概念框架进行提示——“45.5元就是45元5角，3箱就是45元5角的3倍，结果应该是136.5元而非1365元。”这种将抽象的小数运算锚定在具体货币概念上的做法，使学生在认知冲突中自主发现并修正错误，而非被动接受教师的标准答案。
动态建模与可视化探究。
在几何与图形领域的教学中，AI赋能的动态建模工具为学生提供了操作抽象概念的可能。教师引导学生通过拖拽、旋转、缩放、拼接等操作活动，在不断尝试中，学生可以逐渐发现图形之间的差异，如对边是否平行等，从而理解不同图形的特点。以“三角形、平行四边形和梯形”单元教学为例。教材编排了“认识平行四边形和梯形”的内容，要求学生通过观察、测量等活动探索图形的特征。AI动态几何工具可设计这样的探究活动：屏幕上呈现一个可以自由拖拽顶点的四边形，学生通过拉动顶点改变图形形状，系统实时计算并显示两组对边的长度和是否平行等数据。学生在反复操作中逐步发现：当且仅当两组对边分别平行时，这个四边形就是平行四边形；当只有一组对边平行时，图形变成了梯形。与直接讲解相比，这种通过操作获得的认识更加直观，也更容易被学生接受。学生在“观察—尝试—总结”的过程中形成对概念的理解，而不是单纯记忆结论，正是强调这种通过实践操作建构几何概念的路径，AI技术使这一理念的实施更加便捷高效。
融入游戏元素的学习方式。
在基础技能练习中，可以适当加入游戏形式，借助AI驱动生成动态关卡和即时反馈，能有效激发学生的学习兴趣。例如，在“两、三位数乘一位数”的口算练习中， AI可设计“数字城堡闯关”游戏：学生需要快速计算诸如200×4、300×6等题目，每答对一题前进一关。游戏的精妙之处在于反馈设计——当学生计算错误时，系统并非简单告知答案，而是通过动画将乘法转化为加法进行演示：200×4就是4个200相加，帮助学生从乘法的意义出发理解算法。这种将口算练习转化为闯关挑战的方式，有效降低了重复训练带来的枯燥感，使学生在沉浸式体验中形成稳固的计算能力。
跨学科知识结构化整合的教学路径
在以往的数学学习中，知识往往以单一内容呈现，学生更多是按知识点进行学习，缺乏整体联系，容易形成零散认识。借助信息技术，可以在一定程度上加强不同知识之间的联系，帮助学生从整体上理解学习内容。在教学中，可以尝试将数学学习与其他学科内容相结合，通过主题任务或综合活动，引导学生在具体情境中运用所学知识，从而逐步形成较为系统的认识。
知识图谱技术支撑。
长久以来，跨学科融合多停留在教师个人的教学智慧层面，难以被其他教师直接借鉴和复制。AI知识图谱技术为打破这一困境提供了新思路。它通过对课标要求和教材内容的语义解构，能够自动梳理并生成一张“数学+X”的知识关系网。这张网不仅清晰地标明了整数到小数、长度到面积等数学内部概念的发展层级，帮助学生沿着知识生长的自然逻辑去理解数学；更重要的是，它把数学与科学实验、技术应用、工程设计、艺术创作等领域之间那些若隐若现的连接点，用可视化的线条明确标注了出来。这样一来，原本只存在于少数优秀教师脑海中的跨学科思路，就变成了一张人人可读、随时可用的教学导航图。
以“统计表和条形统计图”单元教学为例。教材编排了“简单的统计表和条形统计图”内容，要求学生经历收集、整理、描述和分析数据的过程。AI知识图谱可识别出多个跨学科衔接点：科学课的“天气观测”项目需要记录和呈现每日气温变化，条形统计图恰是最佳的可视化工具；综合实践课的“零花钱使用调查”需要收集、整理和分析数据；语文课的习作教学同样需要数据支撑观点来说明问题；道德与法治课中关于“合理消费”的讨论也需要统计数据作为依据。这份图谱有助于教师在教学设计中建立联系，也有助于学生在不同学习情境中反复使用同一知识，从而加深理解。
项目式学习中的技术赋能。
跨学科项目式学习的价值，在于让学生在解决真实问题的过程中，自然而然地调用多学科知识，可以将AI作为辅助工具，支持学生完成探究任务。支撑整个探究过程。以“多边形的面积”学习为基础，可以设计“校园绿化规划”这一综合性任务，引导学生在实际情境中运用所学知识。苏教版教材在编排本单元时，依次呈现了平行四边形、三角形、梯形和组合图形的面积计算方法，强调将不规则图形转化为已学过的规则图形进行求解的转化思想。项目的核心任务可设定为：为学校新规划的小花园设计绿化方案，计算所需草坪、花卉的种植面积，并编制预算方案。
项目的具体任务是：学校计划开辟一块小花园，需要学生团队提交一份包含种植方案、面积测算和经费预估的完整设计。在这个过程中，学生首先要面对一个形状并不规整的园地，需要运用单元所学，将其切割为若干块可计算的标准图形，分别求积再汇总。与此同时，他们需要打开AI测距工具，在校园平面图上获取各区域的真实尺寸；需要查阅不同花卉的种植间距和生长习性，确保设计方案在植物学上是可行的；还需要考虑平面图的视觉呈现，在色彩和布局上体现基本的审美判断。面积数据的汇总和预算的核算，则可以交给电子表格来处理。
AI平台在项目全程提供关键支持：帮助校验数据的合理性，减少人为误差；设计阶段提供在线协作白板，协作时，在线白板让小组讨论的草图可以即时共享和修改，计算阶段自动校验面积结果的合理性，成果阶段支持多种形式的方案呈现，平台支持以图文报告、三维漫游或数据表格等多种方式展示成果。在此过程中，学生不再是分科知识的被动接受者，而是综合运用多学科视角与方法解决真实问题的主动建构者，跨学科思维在真实、完整的实践体验中逐步内化。
基于学习分析的过程性评价与教学优化循环
在以往教学中，评价多以结果为主，主要依据作业和测试成绩来判断学生学习情况，但这种方式难以全面反映学生的学习过程。借助信息技术，可以在一定程度上记录学生的学习情况，使评价更加具体，并为后续教学调整提供参考。
全过程数据记录。
评价要想触及过程，首先需要让过程变得可见。学生在数字环境中留下的操作记录，远比一份答卷所承载的信息丰富得多——探究任务中的点击序列、协作讨论时的发言密度与观点类型、面对障碍时是选择求助还是反复试错、解决同一问题时偏好直观图示还是符号推演。这些看似琐碎的行为碎片，被AI系统持续采集、汇聚之后，便能拼合出一条相对完整的思维轨迹。
以 “分数除法”单元教学为例，在解决相关问题时，学生在理解题意、列式和计算过程中可能出现不同情况。如“量杯里有9/10升果汁，把它们倒入容量是3/10升的小杯里，可以倒满几杯”，引导学生理解分数除法的计算方法。AI系统不仅记录学生解答的最终答案，更追踪解题全程：学生是否先画了示意图辅助理解？列式时是正确地写成了9/10÷3/10，还是错误地写成3/10÷9/10？计算时是否正确地转化为乘除数的倒数？在哪一步出现了犹豫或反复修改？这些过程性数据汇聚起来，使教师能够清晰看到学生的思维轨迹。当系统发现某生在连续几道“已知部分求整体”的分数应用题中均出现同类型错误时，便可判定其困难不在于分数除法计算本身，而在于未能正确识别“单位1”的量——这一诊断的精准度远超传统测试所能提供的信息，为教师实施针对性辅导提供了明确方向。
多维评估与即时反馈
当过程性数据积累到一定程度，评价的维度便有了拓展的可能。AI系统可以从知识掌握的牢固程度、思考问题的条理性、动手实践的熟练度、团队协作的参与度等多个角度，为学生生成一份综合性的分析报告。报告不仅给出评分结果，更重要的是提供反馈和改进建议。例如，在“折线统计图”学习中，AI评价系统不仅评判学生绘制统计图的规范性（横轴纵轴标注是否正确、数据点定位是否准确、连线是否完整），系统还会进一步分析：学生在解读图表时，能否从线条的陡峭或平缓中读出变化趋势的快慢？在陈述自己的判断时，是凭感觉下结论，还是能有意识地引用图中的具体数据作为依据？当看到同一组数据被用不同刻度范围的图表呈现时，他能否察觉到这种处理方式对读者视觉印象的影响？这些维度的评估结果，最终以雷达图等可视化方式呈现出来。学生一眼就能看到自己在“绘图规范”上已经做得不错，但在“依据数据推理”上还有提升空间——这种具体的、可行动的反馈。
从数据中发现教学改进的线索。
AI汇总的班级整体学情分析、共性错误聚类、项目完成度报告等，为教师对班级整体情况进行分析，从而发现共性问题，并据此调整教学方式。以“运算律”单元教学为例，首轮教学后AI数据显示：学生在“识别运算律”环节正确率高达90%以上，但在“简便计算”环节却有近半数学生仍然沿用常规计算顺序，未能主动调用运算律进行优化。这说明什么？学生并非不知道运算律的名称和形式，而是内心并没有真正接纳它的价值，更未形成主动调用简算策略的思维习惯。基于此诊断，教师调整教学策略，设计了“对比体验”活动：同样计算25×44，让部分学生用竖式笔算，部分学生用“25×4×11”的拆分简算，然后比较两种方法的用时与正确率。当学生亲身体验到简便算法带来的效率优势后，二次授课时AI数据显示主动使用运算律的比例从不足50%跃升至80%以上。经过这样的调整，学生在后续学习中更愿意尝试简便计算，学习效果也有所改善。
人机协同化教学下教师的定位转换与能力重塑
随着信息技术在课堂中的不断应用，小学数学教学方式也在发生变化。在这一过程中，教师与技术之间逐渐形成分工与配合的关系。如何合理使用技术，同时发挥教师在教学中的主导作用，是当前需要关注的问题。
合理分工：明确人机协同的基本边界。
AI与教师各有所长，合理分工是协同增效的前提。AI能够高效、精准地承担大量程序化、重复性的工作，如客观题自动批改、初步的学情统计分析、个性化资源的智能推送等。这并非替代教师，而是将其从繁重的机械劳动中解放出来。
以 “多边形的面积”单元中“三角形的面积”教学为例。在这一教学中，AI可承担的工作包括：推送三角形面积公式推导的微课视频供学生课前预习，记录学生预习中的疑问与困惑点，提供在线画板工具供学生进行图形的剪拼操作实验，自动批改基础计算题的练习。教师则将精力聚焦于更具育人价值的工作：根据AI反馈的预习数据，识别出学生在“为什么要除以2”这一问题上普遍存在认知模糊，据此设计课堂核心探究任务；在学生分组操作时巡视观察各组的拼合策略差异，适时介入点拨；在全班交流环节，引导学生在“拼成平行四边形”和“割补成长方形”等不同推导方法之间建立联系，感悟“等积变形”的数学思想。这样的人机分工，使教师将最宝贵的时间与精力精准投放在最能体现教育价值的关键环节。
角色转型：从知识传授者走向成长引领者。
从重复性劳动中解放后，教师的角色得以向更具创造性、情感性和艺术性的方向深度转型。其一，从“知识传授者”走向“学习设计师”，将更多精力投入课程内容的跨学科整合与学习体验的创意构思。其二，从“课堂主宰者”走向“思维引导者”，在关键节点以启发性问题撬动学生的深度思考。其三，从“结果评判者”走向“成长陪伴者”，借助AI提供的学情数据，敏锐捕捉学生的认知困惑与情绪波动，提供及时的个性化支持与情感激励。
以“年、月、日”单元教学为例。通过观察年历、记忆大小月等活动帮助学生建立时间单位的概念。在AI赋能的教学中，教师不是按部就班地讲解大小月规律，而是设计“制作2026年专属年历”的项目任务。学生在查阅电子日历、发现月份天数规律、处理平年闰年特殊日期的过程中，自主建构起时间单位之间关系的认知网络。教师的角色不再是知识的灌输者，而是学习体验的设计者与探究过程的同行者——在学生发现“为什么2月天数和其他月份不一样”时，教师不是直接给出“这是历史规定”的答案，而是引导学生查阅资料、探究历法演变的历史，将数学学习与文化理解融为一体。
专业发展：在技术赋能中实现能力跃迁。
面对AI带来的教学变革，教师的专业发展需要系统性的能力升级。一方面，教师需提升与AI协同工作的技术素养，掌握学情数据分析、智能资源整合等核心技能，完成善用AI技术赋能教学的能力跨越。另一方面，教师更需锤炼技术难以替代的核心教育能力——跨学科课程设计能力、高阶思维引导能力、学习动机激发能力、情感沟通与价值引领能力。
在学校层面，可以通过技术培训、教研活动和交流学习的方式，帮助教师积累经验。技术培训采取“微培训+课堂试用”的模式，每次聚焦一个具体工具的一个具体功能，在真实场景中边用边学；教研活动采取“主题研习+课例打磨”的模式，围绕“如何设计驱动性问题”、“如何进行启发式追问”等核心教学能力开展深度研修。只有当技术赋能与教育智慧同步发展，教师才能在人机协同的新生态中从容立足、持续成长，最终实现技术服务于人、而非人受制于技术的教育本真追求。
结语
信息科技跨学科AI融合小学数学教学，本质上是一场以技术为杠杆、以素养为导向的课堂生态重构。 本研究从现状审视入手，厘清了融合的内涵与价值，进而构建了“数据驱动的差异化支持、情境化与具身认知的探究学习、跨学科知识网络的结构化建构、基于学习分析的过程性评价与教学优化、人机协同生态下的教师角色转型”五位一体的实践路径体系。需要指出的是，五条路径并非彼此孤立的操作策略，而是在教学实践中相互渗透、协同发力的有机整体——差异化支持为情境探究提供了认知起点，过程性评价为跨学科项目提供了优化依据，而教师的角色转型则是所有路径落地生效的根本保障。
技术的价值终究在于服务于人的发展。 在积极推进AI与教学融合的过程中，教育者需始终保持清醒：AI是手段，育人是目的。唯有坚守这一基本立场，才能在技术赋能与教育本真之间找到平衡，让信息科技真正成为启迪智慧、滋养生命的鲜活力量。
参考文献：
王娇娇.AI赋能下小学数学“图形与几何”直观性教学的策略研究[J].学苑教育,2026,(05):160-162.
王卷生.“AI+教育”视域下小学数学错题资源的利用[J].甘肃教育研究,2026,(03):29-31.
杨盼.AI赋能小学数学传统文化教学的育人价值研究[J].中华活页文选(传统文化教学与研究),2026,(05):37-39.
黄贵秀.AI技术与小学数学课堂教学深度融合的实践路径[J]. 中国基础教育资源库(小学版)，2026：1-7.
杨引兄.基于AI学情分析的小学数学“精准教学”模式构建——以“分数运算”单元为例[J]. 2026：1-2.
许亚.角色重塑、方式变革与品质提升：AI赋能视角下小学数学教师专业发展的路径重构[J].教书育人,2025,(29):66-68.
