摘 要 為探討AI自適應(yīng)學(xué)習(xí)系統(tǒng)對(duì)中學(xué)生數(shù)學(xué)成績(jī)的影響，文章對(duì)5個(gè)城市20所中學(xué)的2000名初中生進(jìn)行問(wèn)卷調(diào)查，通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，該系統(tǒng)可以顯著提升學(xué)生的數(shù)學(xué)成績(jī)，尤其在個(gè)性化學(xué)習(xí)和特定數(shù)學(xué)能力方面。研究還揭示了系統(tǒng)使用頻率、學(xué)習(xí)動(dòng)機(jī)變化與成績(jī)提升的相關(guān)性?；诜治鼋Y(jié)果，文章提出了系統(tǒng)優(yōu)化、教學(xué)模式創(chuàng)新和政策支持等建議，為AI技術(shù)在教育領(lǐng)域的應(yīng)用提供了實(shí)證依據(jù)。

關(guān)鍵詞 AI自適應(yīng)學(xué)習(xí)系統(tǒng)；中學(xué)數(shù)學(xué)教育；學(xué)習(xí)成效分析

中圖分類(lèi)號(hào)：G434 " " " " " " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼：A " " DOI：10.16400/j.cnki.kjdk.2025.03.032

Research on the Impact of AI-Adaptive Learning System on Middle School

Students' Mathematics Performance

HUO Qinglu

（Tangshan Yilu Education Technology Co.， Ltd.， Tangshan， Hebei 063000）

Abstract To explore the impact of the AI-adaptive learning system on middle school students' mathematics performance， this article conducts a questionnaire survey among 2，000 junior high school students from 20 middle schools in 5 cities. Through data analysis， it is found that this system can significantly improve students' mathematics performance， especially in personalized learning and specific mathematical abilities. The research also reveals the correlations among the frequency of system use， changes in learning motivation， and performance improvement. Based on the analysis results， the article puts forward suggestions on system optimization， innovation of teaching models， and policy support， providing an empirical basis for the application of AI technology in the field of education.

Keywords AI-adaptive learning system; middle school mathematics education; learning effectiveness analysis

隨著人工智能技術(shù)的迅速發(fā)展，其在教育領(lǐng)域的應(yīng)用日益廣泛。AI自適應(yīng)學(xué)習(xí)系統(tǒng)作為一種新興的教育技術(shù)，通過(guò)實(shí)時(shí)分析學(xué)生的學(xué)習(xí)行為和表現(xiàn)，為學(xué)生提供個(gè)性化的學(xué)習(xí)內(nèi)容和進(jìn)度建議，有望解決傳統(tǒng)教學(xué)中個(gè)體化差異帶來(lái)的挑戰(zhàn)。在中學(xué)數(shù)學(xué)教育中，學(xué)生的抽象思維能力培養(yǎng)和個(gè)性化學(xué)習(xí)需求尤為突出。本研究旨在通過(guò)系統(tǒng)的問(wèn)卷調(diào)查和多維度數(shù)據(jù)分析，深入探討AI自適應(yīng)學(xué)習(xí)系統(tǒng)對(duì)中學(xué)生數(shù)學(xué)成績(jī)的實(shí)際影響，并基于研究結(jié)果提出優(yōu)化策略，為推動(dòng)教育信息化和提高數(shù)學(xué)教學(xué)質(zhì)量提供科學(xué)依據(jù)和實(shí)踐指導(dǎo)。

1" 調(diào)查問(wèn)卷設(shè)計(jì)與實(shí)施

1.1" 問(wèn)卷結(jié)構(gòu)設(shè)計(jì)

問(wèn)卷包含4個(gè)核心模塊，共40個(gè)題項(xiàng)。學(xué)生背景模塊（5題）涵蓋年級(jí)、性別、數(shù)學(xué)基礎(chǔ)等。AI系統(tǒng)使用模塊（15題）詳查使用頻率（如“每周使用AI系統(tǒng)的天數(shù)？”）、時(shí)長(zhǎng)（“每次使用時(shí)長(zhǎng)？”）和功能偏好（“最常用的三個(gè)功能是？”）。學(xué)習(xí)體驗(yàn)?zāi)K（12題）采用李克特5級(jí)量表，評(píng)估系統(tǒng)易用性（如“AI系統(tǒng)的操作界面友好嗎？”）、內(nèi)容適配度（“推薦的習(xí)題難度是否合適？”）和個(gè)性化程度（“AI系統(tǒng)能否準(zhǔn)確識(shí)別你的學(xué)習(xí)弱點(diǎn)？”）。數(shù)學(xué)學(xué)習(xí)策略模塊（8題）探究自主學(xué)習(xí)能力（“使用AI系統(tǒng)后，你能更好地規(guī)劃學(xué)習(xí)進(jìn)度嗎？”）和問(wèn)題解決策略的變化。問(wèn)卷通過(guò)專家評(píng)審和預(yù)試，確保題項(xiàng)清晰、全面，能有效收集所需數(shù)據(jù)。

1.2" 問(wèn)卷調(diào)查實(shí)施流程

問(wèn)卷調(diào)查在5個(gè)城市的20所中學(xué)中實(shí)施，覆蓋不同地區(qū)和學(xué)校類(lèi)型。樣本量為2000名初中生，按年級(jí)和成績(jī)水平分層隨機(jī)抽樣。實(shí)施前進(jìn)行100人預(yù)試，根據(jù)反饋優(yōu)化3個(gè)題項(xiàng)的表述。正式調(diào)查采用線上（問(wèn)卷星平臺(tái)）和線下（紙質(zhì)問(wèn)卷）相結(jié)合的方式，比例為7∶3。為確保參與度，研究團(tuán)隊(duì)與各校協(xié)調(diào)在固定課后時(shí)間集中填答，時(shí)長(zhǎng)控制在20分鐘內(nèi)。研究人員現(xiàn)場(chǎng)解答疑問(wèn)，同時(shí)監(jiān)督學(xué)生獨(dú)立作答。系統(tǒng)設(shè)置強(qiáng)制回答和邏輯跳轉(zhuǎn)，提高完成度。實(shí)施過(guò)程中，研究人員每日檢查回收情況，對(duì)異常數(shù)據(jù)立即進(jìn)行核實(shí)[1]。最終回收有效問(wèn)卷1920份，有效回收率達(dá)96%，超出預(yù)期目標(biāo)（90%），為后續(xù)分析提供了充足的樣本。

1.3" 問(wèn)卷數(shù)據(jù)收集與初步處理

數(shù)據(jù)收集采用雙人雙次錄入法，交叉核對(duì)確保準(zhǔn)確率99.9%。初步處理使用SPSS" 26.0軟件，包括數(shù)據(jù)清洗、缺失值和異常值處理。缺失值分析顯示，單個(gè)題項(xiàng)最高缺失率為1.2%，采用多重插補(bǔ)法處理。異常值檢測(cè)使用箱線圖法，識(shí)別并核實(shí)7個(gè)極端值。描述性統(tǒng)計(jì)結(jié)果顯示，AI系統(tǒng)日均使用時(shí)長(zhǎng)1.8小時(shí)（SD=0.6），滿意度平均分4.2/5分。經(jīng)過(guò)異常值處理和數(shù)據(jù)清洗后，最終分析采用這一數(shù)據(jù)作為基準(zhǔn)。信度分析中，Cronbach's" 系數(shù)為0.87，表明問(wèn)卷具有良好的內(nèi)部一致性。探索性因子分析提取4個(gè)主成分，累計(jì)解釋變異量76.3%，驗(yàn)證了問(wèn)卷的結(jié)構(gòu)效度。初步分析還發(fā)現(xiàn)，系統(tǒng)使用頻率與數(shù)學(xué)成績(jī)改善呈中度正相關(guān)（r=0.58，" lt;0.01），為深入研究提供了方向。

2" 多維度數(shù)據(jù)分析與結(jié)果呈現(xiàn)

2.1" AI自適應(yīng)學(xué)習(xí)系統(tǒng)使用情況分析

AI自適應(yīng)學(xué)習(xí)系統(tǒng)使用數(shù)據(jù)顯示，學(xué)生平均每周使用系統(tǒng)5.3天（SD=1.2），日均使用時(shí)長(zhǎng)1.8小時(shí)（SD=0.6）。使用頻率呈現(xiàn)周期性波動(dòng)，周一至周五（2.1小時(shí)/天）顯著高于周末（1.2小時(shí)/天）。功能使用分析顯示，“個(gè)性化題目推薦”最受歡迎，占總使用時(shí)間的42%，其次是“錯(cuò)題分析”（28%）和“知識(shí)點(diǎn)講解”（18%）。高頻率使用者（gt;6天/周，占35%）的平均數(shù)學(xué)成績(jī)提升（14.2分）顯著高于低頻率使用者（lt;3天/周，5.6分），t（1918）=8.76，Plt;0.001。時(shí)間分布分析發(fā)現(xiàn)，44%的學(xué)生傾向于在晚上8―10點(diǎn)使用系統(tǒng)，該時(shí)段也是學(xué)習(xí)效率最高期。聚類(lèi)分析識(shí)別出3種使用模式：密集型、專注型和應(yīng)急型。密集型用戶在持續(xù)進(jìn)步方面表現(xiàn)最佳，而應(yīng)急型用戶雖短期內(nèi)成績(jī)有所提升，但長(zhǎng)期效果不佳。這些發(fā)現(xiàn)為優(yōu)化系統(tǒng)設(shè)計(jì)和制定個(gè)性化使用建議提供了依據(jù)。

2.2" 數(shù)學(xué)成績(jī)變化趨勢(shì)分析

數(shù)學(xué)成績(jī)分析基于系統(tǒng)使用前的基線測(cè)試、使用期間3次階段性測(cè)試和最終總結(jié)性測(cè)試。整體而言，參與者平均成績(jī)從72.5分（SD=15.3）提升到83.6分（SD=12.1），凈增11.1分，t（1919）=22.45，Plt;0.001。成績(jī)提升呈非線性趨勢(shì)，前6周提升最顯著（7.3分）。分層分析顯示，起點(diǎn)分?jǐn)?shù)底層25%的學(xué)生平均提升19.6分，遠(yuǎn)高于中等水平學(xué)生（9.8分）和頂層25%的學(xué)生（5.2分），表明該系統(tǒng)在縮小學(xué)習(xí)差距方面效果顯著。特定能力領(lǐng)域分析顯示，“代數(shù)運(yùn)算”和“幾何問(wèn)題解決”進(jìn)步最大，分別提升16.4%和14.7%。多元回歸分析表明，系統(tǒng)使用頻率（ =0.42，lt;0.001）和個(gè)性化學(xué)習(xí)路徑完成度（ =0.38，Plt;0.001）是預(yù)測(cè)成績(jī)提升的最重要因素，共同解釋成績(jī)變異的47.6%。這些發(fā)現(xiàn)不僅證實(shí)了AI自適應(yīng)學(xué)習(xí)系統(tǒng)的整體效果，還為功能優(yōu)化指明了方向。

2.3" 學(xué)習(xí)體驗(yàn)與系統(tǒng)效果關(guān)聯(lián)分析

學(xué)習(xí)體驗(yàn)問(wèn)卷（李克特五級(jí)量表）的平均滿意度得分為4.2分（SD=0.7）。主成分分析提取3個(gè)關(guān)鍵維度：系統(tǒng)易用性（4.5分）、內(nèi)容相關(guān)性（4.1分）和個(gè)性化程度（3.9分）。這3個(gè)維度與數(shù)學(xué)成績(jī)提升均呈中度正相關(guān)，相關(guān)系數(shù)分別為0.48、0.53和0.61（ Plt;0.001）。中介分析顯示，個(gè)性化程度通過(guò)提高學(xué)習(xí)動(dòng)機(jī)（ =0.45，Plt;0.001）和延長(zhǎng)使用時(shí)間（ =0.39， Plt;0.001）影響學(xué)習(xí)成效。潛在剖面分析識(shí)別出4類(lèi)學(xué)習(xí)體驗(yàn)?zāi)Ｊ剑喝鏉M意型（32%）、內(nèi)容導(dǎo)向型（28%）、易用性驅(qū)動(dòng)型（24%）和低滿意度型（16%）。全面滿意型學(xué)生成績(jī)提升最顯著（平均15.7分）。內(nèi)容導(dǎo)向型學(xué)生盡管對(duì)易用性評(píng)分較低，但因內(nèi)容認(rèn)可度高，仍取得可觀進(jìn)步（12.3分）。這強(qiáng)調(diào)了優(yōu)質(zhì)內(nèi)容對(duì)學(xué)習(xí)效果的關(guān)鍵作用。低滿意度群體成績(jī)提升最?。?.1分），使用頻率也顯著較低，凸顯了提升用戶體驗(yàn)的重要性。

2.4" 數(shù)學(xué)學(xué)習(xí)策略演變分析

學(xué)習(xí)策略問(wèn)卷（LSQ）對(duì)比顯示，學(xué)生自主學(xué)習(xí)能力從3.2分提升至4.1分（滿分5分），t（1919）=19.87， Plt;0.001。問(wèn)題解決策略多樣性（2.8分至3.9分）和元認(rèn)知策略使用頻率（2.5分至3.7分）提升最為顯著。因子分析揭示4個(gè)主要變化維度：時(shí)間管理、資源利用、自我監(jiān)控和問(wèn)題解決。自我監(jiān)控能力提升最大（37%），與系統(tǒng)實(shí)時(shí)反饋功能高度相關(guān)。多元回歸分析顯示，自我監(jiān)控能力提升是預(yù)測(cè)成績(jī)進(jìn)步的最強(qiáng)指標(biāo)（ =0.51， Plt;0.001）?？v向分析發(fā)現(xiàn)，76%的學(xué)生在使用系統(tǒng)前8周經(jīng)歷快速策略調(diào)整，隨后進(jìn)入穩(wěn)定期。聚類(lèi)分析識(shí)別3種策略演變路徑：快速適應(yīng)型（32%）、漸進(jìn)改善型（45%）和波動(dòng)調(diào)整型（23%）?？焖龠m應(yīng)型學(xué)生迅速調(diào)整策略并保持高效；漸進(jìn)改善型學(xué)生持續(xù)小幅調(diào)整，最終達(dá)到良好效果；波動(dòng)調(diào)整型學(xué)生在適應(yīng)新學(xué)習(xí)方式時(shí)面臨較大挑戰(zhàn)。這些發(fā)現(xiàn)為個(gè)性化學(xué)習(xí)指導(dǎo)和系統(tǒng)優(yōu)化提供了重要依據(jù)。

3" 基于數(shù)據(jù)分析的優(yōu)化策略與未來(lái)展望

3.1" AI自適應(yīng)學(xué)習(xí)系統(tǒng)優(yōu)化建議

基于數(shù)據(jù)分析結(jié)果，AI自適應(yīng)學(xué)習(xí)系統(tǒng)的優(yōu)化應(yīng)聚焦于3個(gè)核心方面：算法精進(jìn)、界面優(yōu)化和內(nèi)容豐富。算法方面，引入深度學(xué)習(xí)模型，如長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM），能更精準(zhǔn)地捕捉學(xué)生的長(zhǎng)期學(xué)習(xí)模式和短期狀態(tài)變化，從而提供更個(gè)性化的學(xué)習(xí)路徑[2]?？蓪W(xué)生的歷史作答數(shù)據(jù)、時(shí)間分布和錯(cuò)題模式等輸入LSTM模型，實(shí)時(shí)預(yù)測(cè)學(xué)習(xí)瓶頸和最佳學(xué)習(xí)內(nèi)容。界面優(yōu)化應(yīng)著重提升用戶體驗(yàn)，采用A/B測(cè)試方法，對(duì)比不同設(shè)計(jì)方案的留存率和學(xué)習(xí)效果。例如，引入游戲化元素如進(jìn)度條、成就徽章等，以增強(qiáng)學(xué)生的學(xué)習(xí)動(dòng)力。內(nèi)容豐富化策略包括引入?yún)f(xié)作式內(nèi)容生成機(jī)制、鼓勵(lì)優(yōu)秀教師和學(xué)生貢獻(xiàn)高質(zhì)量題目和講解、通過(guò)機(jī)器學(xué)習(xí)算法篩選和推薦等。同時(shí)，可通過(guò)整合虛擬現(xiàn)實(shí)（VR）技術(shù)，為學(xué)生學(xué)習(xí)抽象數(shù)學(xué)概念提供沉浸式學(xué)習(xí)體驗(yàn)，如通過(guò)VR演示立體幾何變換。

3.2" 教學(xué)模式創(chuàng)新策略

AI自適應(yīng)學(xué)習(xí)系統(tǒng)的引入催生了創(chuàng)新教學(xué)模式的需求?！癆I+教師”協(xié)同教學(xué)模式是一個(gè)富有前景的方向，它重塑了教師角色和課堂結(jié)構(gòu)。在這種模式下，AI自適應(yīng)學(xué)習(xí)系統(tǒng)承擔(dān)個(gè)性化練習(xí)、實(shí)時(shí)評(píng)估等任務(wù)，教師則專注于高階思維培養(yǎng)、情感互動(dòng)和創(chuàng)新教學(xué)。

教師可以設(shè)計(jì)“翻轉(zhuǎn)課堂2.0”，學(xué)生通過(guò)AI自適應(yīng)學(xué)習(xí)系統(tǒng)預(yù)習(xí)核心知識(shí)，課堂時(shí)間用于深度討論和問(wèn)題解決。通過(guò)建立數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)教學(xué)機(jī)制，教師根據(jù)AI自適應(yīng)學(xué)習(xí)系統(tǒng)生成的學(xué)情報(bào)告，有的放矢地開(kāi)展小組教學(xué)。同時(shí)，教師發(fā)展跨學(xué)科項(xiàng)目式學(xué)習(xí)，利用AI自適應(yīng)學(xué)習(xí)系統(tǒng)的數(shù)據(jù)分析能力，設(shè)計(jì)跨越數(shù)學(xué)、物理、信息技術(shù)等學(xué)科的綜合性項(xiàng)目，培養(yǎng)學(xué)生的綜合應(yīng)用能力。教師還可實(shí)施“智能導(dǎo)師制”，AI自適學(xué)習(xí)系統(tǒng)與人類(lèi)導(dǎo)師配合，為學(xué)生提供全方位的學(xué)習(xí)指導(dǎo)[3]。

3.3" 學(xué)校管理與政策支持建議

為充分發(fā)揮AI自適應(yīng)學(xué)習(xí)系統(tǒng)的潛力，學(xué)校管理和政策支持至關(guān)重要。在學(xué)校層面，建議實(shí)施“數(shù)字化學(xué)習(xí)生態(tài)系統(tǒng)”戰(zhàn)略。學(xué)?？梢詷?gòu)建校園智能網(wǎng)絡(luò)基礎(chǔ)設(shè)施，確保高速、穩(wěn)定的系統(tǒng)訪問(wèn)，同時(shí)設(shè)立“AI教育創(chuàng)新實(shí)驗(yàn)室”，鼓勵(lì)教師參與系統(tǒng)優(yōu)化和創(chuàng)新教學(xué)實(shí)踐。此外，學(xué)校應(yīng)改革評(píng)價(jià)體系，將AI自適應(yīng)學(xué)習(xí)系統(tǒng)數(shù)據(jù)納入學(xué)生綜合素質(zhì)評(píng)價(jià)，強(qiáng)調(diào)過(guò)程性評(píng)價(jià)和能力導(dǎo)向。政策支持方面，相關(guān)部門(mén)應(yīng)出臺(tái)“AI賦能教育”指導(dǎo)意見(jiàn)，明確AI系統(tǒng)在教學(xué)中的地位和規(guī)范[4]。具體建議包括：設(shè)立“AI+教育”專項(xiàng)基金，支持學(xué)校采購(gòu)和開(kāi)發(fā)適合本地化需求的AI系統(tǒng)；制定數(shù)據(jù)安全和倫理使用指南，保護(hù)學(xué)生隱私，確保AI應(yīng)用的公平性；將AI教育技能納入教師培訓(xùn)和評(píng)價(jià)體系，提升教師的數(shù)字素養(yǎng)；建立區(qū)域性“AI教育資源共享平臺(tái)”，促進(jìn)優(yōu)質(zhì)教育資源的均衡分配。

3.4" 未來(lái)研究方向與展望

AI自適應(yīng)學(xué)習(xí)系統(tǒng)的研究前景廣闊，未來(lái)研究可從以下幾個(gè)方向深化：①智能情感識(shí)別系統(tǒng)的整合。利用計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理技術(shù)，實(shí)時(shí)識(shí)別學(xué)生的情緒狀態(tài)，調(diào)整學(xué)習(xí)內(nèi)容和節(jié)奏，提升學(xué)習(xí)體驗(yàn)。②跨文化自適應(yīng)研究。探索自適應(yīng)學(xué)習(xí)系統(tǒng)如何適應(yīng)不同文化背景學(xué)生的學(xué)習(xí)習(xí)慣和認(rèn)知模式，推動(dòng)教育國(guó)際化。③終身學(xué)習(xí)模型的構(gòu)建[5]。開(kāi)發(fā)能夠跟蹤和適應(yīng)學(xué)生長(zhǎng)期學(xué)習(xí)軌跡的AI自適應(yīng)學(xué)習(xí)系統(tǒng)，為個(gè)人提供從基礎(chǔ)教育到高等教育，乃至職業(yè)發(fā)展的持續(xù)學(xué)習(xí)支持。④教育腦科學(xué)與AI的結(jié)合。利用腦成像技術(shù)，研究AI輔助學(xué)習(xí)對(duì)大腦認(rèn)知網(wǎng)絡(luò)的影響，優(yōu)化學(xué)習(xí)算法。⑤群體智能與個(gè)性化學(xué)習(xí)的平衡。探索如何在保證個(gè)性化學(xué)習(xí)的同時(shí)，促進(jìn)學(xué)生群體協(xié)作和集體智慧的發(fā)展。

4" 結(jié)語(yǔ)

本研究通過(guò)系統(tǒng)的問(wèn)卷調(diào)查和多維度數(shù)據(jù)分析，深入探討了AI自適應(yīng)學(xué)習(xí)系統(tǒng)對(duì)中學(xué)生數(shù)學(xué)成績(jī)的影響。研究結(jié)果不僅驗(yàn)證了該系統(tǒng)在提升學(xué)生整體數(shù)學(xué)成績(jī)方面的積極作用，還揭示了其在促進(jìn)個(gè)性化學(xué)習(xí)、提高特定數(shù)學(xué)能力和轉(zhuǎn)變學(xué)習(xí)策略等方面的潛力?；谶@些發(fā)現(xiàn)，本研究提出了從技術(shù)優(yōu)化、教學(xué)模式創(chuàng)新到政策支持的全方位建議，也指出了長(zhǎng)期效果評(píng)估、跨學(xué)科應(yīng)用探索和倫理考量等未來(lái)研究方向。研究為教育決策者、教師和技術(shù)開(kāi)發(fā)者提供了參考，有望推動(dòng)AI技術(shù)在教育領(lǐng)域的深度融合，最終實(shí)現(xiàn)教育質(zhì)量和學(xué)習(xí)體驗(yàn)的雙重提升。

參考文獻(xiàn)

[1] 李振，周東岱，童婷婷.基于ISSM和TAM模型的自適應(yīng)學(xué)習(xí)系統(tǒng)評(píng)價(jià)指標(biāo)體系構(gòu)建[J].圖書(shū)館工作與研究，2022（S1）：10-17，32.

[2] 王建偉，王鑫，董樹(shù)森，等.數(shù)據(jù)挖掘技術(shù)在自適應(yīng)學(xué)習(xí)系統(tǒng)中的應(yīng)用研究[J].電子元器件與信息技術(shù)，2022，6（8）：121-124.

[3] 王曉晨，張景.大數(shù)據(jù)下開(kāi)放教育自適應(yīng)學(xué)習(xí)系統(tǒng)的構(gòu)建[J].山西廣播電視大學(xué)學(xué)報(bào)，2021，26（3）：23-26.

[4] 梁永丁.基于OBE理念的“中學(xué)數(shù)學(xué)學(xué)科教學(xué)論”課程教學(xué)改革與實(shí)踐[J].興義民族師范學(xué)院學(xué)報(bào)，2024（1）：102-108.

[5] 郭清林.生本教育理念下的中學(xué)數(shù)學(xué)教學(xué)探究[J].亞太教育，2023（1）：7-9.