摘要：随着人工智能技术的快速发展，生成式 AI 为小学数学教育创新提供了新的可能性。本文基于建构主义学习理论和认知负荷理论，系统探讨生成式AI 在小学数学问题情境创设与解题指导中的应用路径。研究通过分析生成式AI 的技术特性，提出情境创设的 " 三维动态模型 "，包括生活关联度、认知适配度和趣味互动性指标，并设计了" 四阶解题指导框架 "（问题解构 - 策略生成 - 过程可视化 - 反思优化）。实践案例表明，该应用模式能显著提升学生的数学学习兴趣和问题解决能力，教师角色从知识传授者转变为学习设计师。研究同时指出了当前应用中存在的技术伦理、认知依赖等挑战，并提出了相应的优化建议，为智能时代小学数学教学改革提供参考。

关键词：生成式AI；小学数学；问题情境

一、引言

随着信息技术与教育教学的深度融合，人工智能正逐步重塑教育生态，尤其在学科教学的个性化与智能化转型中展现出巨大潜力。小学数学作为培养学生逻辑思维、创新能力的基础学科，其教学模式的革新一直是教育研究的重点。传统数学教学中，问题情境创设往往依赖教师经验，存在情境单一、与学生生活联系不足等局限；解题指导则多采用“一刀切”模式，难以满足不同认知水平学生的个性化需求。生成式 AI 凭借其强大的自然语言处理、内容生成与智能交互能力，为突破上述瓶颈提供了全新思路。它不仅能够根据教学目标和学生特点动态生成多样化的问题情境，还能通过实时分析学生的解题过程，提供精准化的指导反馈，从而有效激发学生的学习主动性，提升数学教学的质量与效率。在此背景下，深入探究生成式 AI 在小学数学问题情境创设与解题指导中的应用路径、实施框架及实践效果，对于推动小学数学教育的数字化转型具有重要的理论价值与实践意义。

二、生成式AI 应用于数学教育的理论基础

（一）建构主义学习理论

该理论强调学习是学习者主动建构知识意义的过程，而非被动接受信息的灌输。生成式 AI 在小学数学教学中的应用，正是通过创设富有挑战性的问题情境，引导学生在与情境的互动中主动探索、分析和解决问题，从而构建起对数学概念和原理的理解。例如，在“认识图形”单元中，AI 可以生成不同生活场景下的立体图形组合情境，让学生通过观察、操作虚拟模型，自主发现不同图形的特征与关系，实现从具体感知到抽象认知的建构过程。这种以学生为中心的学习模式，使学生不再是知识的被动接受者，而是知识的主动建构者，有效促进了其高阶思维能力的发展。

（二）认知负荷理论

该理论认为，学习者在信息加工过程中所能承受的认知资源是有限的，当外部信息输入所产生的认知负荷超过个体的认知容量时，学习效果会受到负面影响。生成式 AI 在小学数学教学中的应用，能够通过智能优化信息呈现方式来调控认知负荷。例如，在创设问题情境时，AI 可以根据学生的年龄特点和认知水平，自动调整情境中无关信息的数量和复杂度，避免冗余信息造成的外部认知负荷；在解题指导过程中，AI 能够将复杂的数学问题分解为若干个递进式的子问题，引导学生逐步深入思考，降低内在认知负荷。同时，AI 还可以通过提供可视化的解题步骤、动态演示数学原理等方式，帮助学生建立知识间的联系，增强认知结构的组织性，从而提高认知资源的利用效率，确保学生在学习过程中始终处于适宜的认知负荷状态，促进对数学知识的有效理解和长期记忆。

（三）具身认知理论

该理论主张认知过程不仅依赖于大脑的运作，还与身体的感知、动作以及所处的物理环境紧密相关，强调身体体验在认知发展中的基础性作用。生成式 AI 在小学数学教学中，能够通过构建沉浸式的虚拟情境，为学生提供丰富的具身化学习体验。例如，在“长度单位”的教学中，AI 可以生成模拟测量教室、操场等真实场景的互动情境，学生通过虚拟操作“尺子”对不同物体进行测量，在动手“比划”“移动”的过程中，将抽象的长度概念与身体的动作感知相结合，加深对厘米、米等单位实际意义的理解。这种将身体感知与认知活动相融合的方式，打破了传统数学学习中单纯依赖符号和抽象思维的局限，使学生能够在“做中学”“用中学”，通过身体的参与和体验来建构数学知识，提升学习的直观性和深刻性，进而促进数学认知的全面发展。

三、生成式 AI 在问题情境创设中的应用路径

（一）情境类型的多元化生成

生成式AI 能够突破传统教学中情境资源单一、固化的限制，依据不同的数学知识点和教学目标，动态生成多样化的情境类型。例如，针对“加减运算”，可生成贴近学生生活的购物找零情境，让学生在模拟选购商品、计算总价与找零的过程中理解运算意义；对于“图形认识”，则能创设虚拟的建筑搭建情境，引导学生通过组合不同平面图形构建三维模型，感知图形特征与空间关系。此外，还可生成故事情境，如以“森林运动会”为主题，将数学问题融入动物比赛的情节中，激发学生的学习兴趣；或是生成游戏化情境，设计闯关答题、数学谜题等互动环节，让学生在趣味挑战中运用数学知识解决问题。这种多元化的情境生成不仅丰富了教学内容的呈现形式，还能满足不同学习风格学生的需求，使数学学习更具灵活性和适应性。

（二）情境创设的" 三维动态模型"

该模型以数学教学目标为核心，运用生成式AI 技术动态调节生活关联度、认知适配度和趣味互动性三个维度参数。生活关联度方面，将数学问题与学生日常生活经验相联，如“百分数”教学中生成超市折扣、家庭收支等情境，让学生感受数学实用价值；认知适配度则根据学生认知水平和知识储备，调整情境复杂度与抽象程度，为低年级学生设计实物分配情境，为高年级学生创设数据分析情境；趣味互动性通过融入游戏、故事和反馈机制，增强情境吸引力与参与感，如设置虚拟角色对话、根据回答推进情节、用奖励激励探索。三个维度通过 AI 算法动态平衡与协同优化，学生理解困难时，AI降低认知适配度参数，增加生活关联度和趣味互动性比重；学生应对自如时，AI 提升认知挑战，引导向更高层次思维发展。此动态调节机制使问题情境与学习状态适配，最大化情境对数学学习的促进作用。

（三）情境呈现的多模态融合

生成式 AI 能够整合文本、图像、音频、视频、动画等多种模态信息，为小学数学问题情境创设提供丰富的呈现形式。例如，在“时间的认识”教学中，AI 可以生成动态的钟表图像，指针随时间变化而转动，同时配合音频播报时间读数，学生通过视觉观察和听觉感知，直观理解时、分、秒的概念；在“统计与概率”单元，AI 能够将抽象的数据以柱状图、折线图等可视化图表形式呈现，并通过动画效果展示数据的变化趋势，帮助学生快速把握数据特征；对于“位置与方向”的学习，AI 可创设三维虚拟场景，学生通过拖拽、旋转等交互操作，在虚拟空间中辨别方向、描述位置，实现从平面认知到空间认知的过渡。此外，多模态融合还体现在情境的互动性上，如学生可以通过语音指令与虚拟情境中的角色进行对话，提出问题或表达想法，AI 根据学生的语音输入实时调整情境内容，形成“输入 - 反馈 - 调整”的闭环互动。这种多模态融合的呈现方式，打破了传统单一文本或静态图像的局限，充分调动学生的视觉、听觉、动觉等多种感官参与，使数学问题情境更加生动形象、直观易懂，有效降低学生的认知门槛，提升学习体验的沉浸感和交互性。

四、生成式AI 在解题指导中的实施框架

（一）四阶解题指导框架设计

该框架以学生为中心，遵循问题解决认知规律，借助生成式 AI技术赋能，实现从问题理解到能力内化的递进式指导。第一阶段是问题解构，AI 对数学题目进行语义分析，识别关键信息并可视化呈现，帮助学生明确问题核心；对复杂题目，进一步拆解为子问题以降低难度。第二阶段为策略生成，基于学生认知水平和问题类型，AI 提供多样化解题思路建议，对比适用场景引导学生自主选择或组合策略，同时根据学生行为动态调整推荐详略。第三阶段是过程可视化，学生在AI 引导下输入解题步骤，AI 将思维过程动态演示，对计算错误不直接给答案，而是引导自查自纠。第四阶段是反思优化，解题完成后，AI 生成个性化分析报告，推荐同类变式题，鼓励学生描述思路，助其梳理知识体系，深化对原理的理解。

（二）个性化指导的实现方式

生成式 AI 通过多维度数据采集与智能分析构建动态学生认知画像，实现解题指导精准化与个性化。首先，系统实时追踪学生解题行为数据，结合历史学习记录，形成涵盖认知水平、学习风格和解题习惯的立体画像。例如，针对不同思维偏好的学生提供不同策略建议。其次，基于认知画像实施分层指导，为不同能力水平的学生设置差异化指导路径，如对基础薄弱学生提供细致步骤提示和概念回顾，对能力较强学生减少干预并激发深度思考。此外，AI 能根据学生实时反馈动态调整指导节奏，学生连续出现同类错误时暂停解题流程，生成针对性微课或练习；学生表现出较高熟练度时加快进度，引入更具挑战性问题。这种以学生认知画像为核心的个性化指导方式实现“因材施教”，提升学生问题解决能力。

（三）典型应用案例

以小学五年级“分数混合运算”单元解题指导为例，小学数学智能教学系统依托生成式 AI 构建个性化解题指导场景。系统先分析学生前期作业数据，识别出学生在“分数乘除混合运算顺序”和“简便算法适用条件”方面的薄弱点。当学生解答“某工程队计划修2400 米的公路，第一天修了全长的 ，第二天修的是第一天的 ，求两天一共修了多少米？”的问题时，AI 先引导学生解构问题，用思维导图呈现关键信息并标注解题思路。在策略生成阶段，AI 根据学生过往偏好分步计算的特点，优先推荐常规思路，同时提供简便算法作为补充选项，并对比两种方法的适用场景。当学生计算第二天修的长度出现错误时，AI 不直接指出，而是动态演示第一天的计算过程，再高亮提示关键信息，引导学生自主纠错。解题完成后，系统生成个性化报告，指出学生混淆单位“1”的问题，推送 3 道同类变式题，还提供语音交互功能，鼓励学生复述解题思路，AI 通过自然语言处理技术分析其表达逻辑，强化学生对运算顺序和数量关系的理解。该案例中，生成式 AI 通过精准识别薄弱点、动态适配指导策略、引导自主纠错和开展个性化巩固练习，有效提升了学生对分数混合运算的掌握程度，大幅提升班级该知识点正确率。

五、应用效果与挑战分析

在应用效果方面，生成式 AI 不仅显著提升了学生的数学学习兴趣和参与度，使课堂互动氛围更为活跃，还通过个性化的学习路径规划，让不同层次的学生都能获得适配的学习支持，进而促进整体学业成绩的提升。从教师角度看，AI 辅助教学减轻了教师在批改作业、个性化辅导等方面的工作负担，使其能有更多精力聚焦于教学设计和学情分析。然而，在实践过程中也面临一些挑战。首先是技术层面，AI 对复杂数学问题的深层逻辑理解仍存在局限，有时难以准确捕捉学生非常规解题思路中的合理成分，可能导致指导不够精准。其次是数据安全与隐私保护问题，学生的学习数据包含大量个人信息，如何确保数据在收集、存储和使用过程中的安全性，避免信息泄露，是必须重视的问题。另外，过度依赖 AI 可能会削弱学生独立思考和自主解决问题的能力，部分学生可能会形成对 AI 的依赖心理，缺乏主动探索的意识。同时，教师对生成式 AI 的使用能力也存在差异，部分教师对 AI 技术的掌握不足，难以充分发挥其在教学中的辅助作用，需要加强相关的培训和指导。

六、结束语

生成式 AI 为小学数学教育带来发展机遇，其在问题情境创设与解题指导中的应用，丰富教学手段、优化学习体验，支撑个性化教育和教学质量提升。随着技术迭代与教育理念融合，未来其在小学数学领域应用将更成熟。但推进应用时，要以学生发展为本，平衡技术与教育本质的关系，发挥教师主导作用，引导学生合理使用 AI，培养自主学习和创新思维。此外，要关注技术伦理、数据安全等问题，多方协作构建健康可持续的 AI 教育生态，让其成为助力小学数学教育变革发展的有效工具，为培养创新型人才奠基。

参考文献

[1] 乔嘉凝 .AI 技术在小学数学大单元教学中的应用探讨 [J]. 智力 ,2025,(34):66-68.

[2] 王敏 .AI 技术驱动的小学数学课堂精准教学模式探究 [J]. 求知导刊 ,2025,(33):98-100.

[3] 陆颂豪 . 小学数学 AI 教学新实践路径 [J]. 文理导航 ( 下旬 ),2025,(11):4-6.

[4] 田晓雯 .AI 赋能：开启小学数学个性化课堂的宝库 [J]. 数学大世界 ( 下旬 ),2025,(11):45-47.