AI人工智能技术在高职数学教育中的实践案例研究

摘要：高职数学是高职高专院校大一理工类专业的基础课程，其教学质量影响着后续专业课的学习。当下的高职数学教学里，学生基础差距大，抽象知识理解难，评价反馈不精准等现象明显，这限制了教学效能的提高。本文以《高等数学》(理工类)上册教学为依托,围绕高职大一数学教学面临的三个主要问题，针对 AI 人工智能技术的特性，给出与之相匹配的教学对策，每个对策都建立在一定的教育理论基础之上，且都是以教师为主体进行设计具体实践案例，目的在于给AI技术赋能高职数学教学探索出可行的实践路径，进而优化教学过程和提高学生学习数学的效果。

关键词：AI人工智能技术；高职数学教育；教学问题；教学策略

引言：高职教育要培养技术技能型人才《高等数学（理工类）上册是大一理工类专业的必修基础课，它不仅要负责培养学生的逻辑思维、定量分析的能力，还要为后面的《工程力学》、《电工电子技术》等专业课提供必需的数学工具。随着人工智能技术在教育领域中的深入使用，它具有的个性化的诊断、情境化的交互以及精确的回馈等特点可以给解决高职数学教学难点提供一种新方法。本文在《高等数学》（理工类）上册教学的基础上，先分析目前教学中存在的主要问题，再根据存在的每个问题提出相应的“理论+案例”AI应用策略，为高职院校数学教学改革提供一定的借鉴。

一、高职大一《高等数学》(理工类) 上册教学中的核心问题

（一）学生数学基础差异化显著

高职大一学生数学基础存在“分层特征”：一部分是中职院校毕业升入高职的学生，他们具备基本的代数运算能力，但是对《高等数学》（理工类）上册开篇的“函数、极限与连续”等前置知识掌握不够系统；另一部分是从普通高中考入高职的学生，虽然学过一些高等数学入门知识，但是也存在着“知其然不知其所以然”的问题。

（二）抽象知识教学欠缺直观交互性

《高等数学（理工类）上册的核心知识点比较抽象》，以往的教学大多采用“教师讲公式+黑板画静态图”的方式，学生很难直观地感受到知识是如何形成的。这种没有交流的教学方式，学生只能死记硬背公式，不能理解知识的本质，影响到后面导数的应用学习[1]。

（三）教学评价方式单一

当前，高职数学教学多采用“平时作业+期末考试”的评价模式，存在着明显的弊端：一是教师批改作业工作量大，一个班的作业要花1-2天才能全部批改完，反馈慢，学生不知道自己哪里错了；二是教师批改时大多只是打个对/错，并不能针对每一个学生的错误原因给出反馈。

二、AI人工智能技术在高职数学教学中的应用策略

（一）AI驱动的个性化诊断与分层教学策略

布鲁姆掌握学习理论提出，只要给学生足够的时间与适合的支持，大多数学生都可以学会自己所学的知识。该理论是“精准诊断学生的起点水平”，然后根据诊断结果提供个性化学习任务。AI技术通过大数据分析可以很快完成学生基础的诊断，为教师开展分层教学提供客观依据，正好满足布鲁姆掌握学习理论的要求，解决“学生基础差异大、统一进度不合适”的问题。

以《高等数学》(理工类)上册第一章“函数、极限与连续”的教学为例，教师作为执行主体，利用“高职数学AI诊断平台”开展分层教学流程。即在该章节的教学开始前1周时间，由教师借助“高职数学AI诊断平台”面向全体大一学生发布“前置知识诊断测试”，其测试内容包括求解函数定义域、求解复合函数的内函数及外函数、求极限的四则运算、使用等价无穷小替换等与本章知识密切相关的基础题型，题型包含选择题、填空题、简单的计算题，共30题，限时40分钟，结束后“高职数学AI诊断平台”会在1小时之内生成两份报告：一份是全班同学的整体诊断报告，另一份则是每个学生的个人诊断报告。随后，教师根据AI报告把学生分成三类：基础层、提高层、拔尖层，然后设计分层教学任务：给基础层布置“函数基础巩固包”，要学生通过AI平台提交作业，AI平台会立即批改并给出错误提示；针对提高层设计“复合函数与极限综合练习”，重点放在知识点的联系运用上；给拔尖层提供“极限的复杂题型拓展训练”。

（二）AI情境交互与知识具象化

建构主义的学习理论认为，学习是学生在一定的环境里主动地构建知识的意义，而不是被动地接收信息。高等数学的抽象知识要借助生动的、能互动的情境来使学生建立“具体的感知—抽象的概括”这条认知链路[2]。AI技术可生成动态化、 可以设置一个可操作的教学情景，让学生通过互动来学习抽象的知识，并且解决“抽象知识理解困难，缺少互动”的问题。

对于《高等数学》（理工类）上册第二章的“导数与微分”中的“导数的几何意义”这一抽象的知识点，教师可以借助于“Ai数学互动工具”来开展相应的教学活动，在课前导入部分通过PPT给出导数定义式的表达式，并提出一个问题：“这个极限值在图像上表示了什么意思呢？”。然后，教师可以带领学生使用交互式AI工具，输入不同的函数之后，AI立刻会给出对应的图像并且标出可以拖动的切点，在学生把切点拖到函数曲线上移动时，AI即时给出经过该点的切线并显示斜率值。接下来教师让学生分组讨论“切点往右动的时候，切线斜率怎么变？它和函数的单调性有怎样的关系？”每组要使用AI工具验证一个猜想。

（三） AI驱动的过程性评价与精准反馈机制

形成性评价理论认为，评价的主要目的就是“促进学习”，而不是“判定成绩”。需要对学习过程不断跟进，发现问题及时反馈[3]。AI技术可以做到作业批改的自动化，错误分析的精确化，教师就可以很快找出学生的漏洞，减少反馈时间，改变“评教单一，反馈延迟，缺乏具体针对性”的现象。

《高等数学》（理工类）上册第三章“不定积分”教学时，采用“高职数学AI作业分析平台”进行过程性评价：首先由老师根据每周的教学进度安排1次不定积分专项作业，并且学生把作业以电子版形式提交至平台上。随后，由AI平台在学生提交后20分钟内完成自动批阅，不仅能打对、错，而且还会产生“错误类型分析报告”，班级层面上面会有高频错误点的显示，个人层面则会在答题纸上标注出错的原因。随后，教师根据AI报告上课，对于班级高频错误点，老师在课堂上出示AI筛选出的3个典型错题并由全班讨论错因然后重新推导正确做法；对个人的错误，教师通过平台给学生推送“个性化纠错包”。

结束语：AI人工智能技术给解决高职大一《高等数学（理工类）上册教学中基础差异》、抽象知识认知、评价反馈等难题给出了新路径。而本文提出得三个策略都是以教育理论作为基础、教师为实践者，把AI技术与教学内容结合的更紧密，既考虑了AI的技术性也尊重高职数学的教学规律。经由AI个性化诊断、情境化交互、过程性评价，能有效适应学生的基础差别，加深抽象知识的认识，改进反馈的精确度，从而改善高职数学的教学效果。

参考文献：

[1]常大全. AI大模型赋能高职教育数字化转型路径探究——以高职数学课程教学和育人实践为例[J].教育教学论坛,2025,(25):53-56.

[2]张梅. 高职数学教育教学质量评价体系构建与应用[J].中国多媒体与网络教学学报(中旬刊),2025,(04):156-160.

[3]黄冠霖. 数学建模思想和高职数学教育的深度融合探究[J].教育观察,2024,13(28):36-38+42.

作者简介：肖宇（1995.10-），女，汉族，四川广安人，广东交通职业技术学院基础教学部，硕士 ，研究方向：应用数学。