“数据不会骗人，但数据会说话吗？”——一位小学数学教研员的盛夏追问

七月的江南，暑热裹着蝉鸣从窗外涌进来。王老师坐在实验小学三年级教室最后一排，手里拿着的不是传统听课本，而是一台连接了教师端大屏的平板。屏幕上，李敏老师那节《小数加减法》的课堂数据正在实时流动——每一位学生的作答正确率、每道题的错因分布、每个知识点的掌握热力图，像溪水一样淌过屏幕。

王老师在区里做了十四年小学数学教研员，听过上千节课。但此刻，他盯着平板上的数据面板，却生出了一种奇异的感觉：“我看到了每一道题谁对了谁错了，看到了每一个孩子在哪一步卡住了，但我不知道，我该怎么用这些数据，去回答那个最朴素的问题——这节课，学生到底学会了没有？”

这个暑假，王老师带着这个问题，走过了四间教室、翻遍了七所学校的学情报告，也第一次认认真真地坐在了AI数智教研员的数据面板前。他说，他想弄清楚三件事。

第一问：抽象的概念，凭什么让小学生“摸得着”？

小学数学老师最怕什么？王老师的答案是：怕学生点头说“懂了”，其实脑子里装的还是原来那套。

三年级的“分数”概念，四年级的“小数”意义，五年级的“百分数”应用——这些抽象的数概念，看不见摸不着。传统课堂上，教师靠分苹果、切蛋糕、画线段图来帮助学生理解。效果怎么样？翻翻全区近三年的期末数据就知道了：“分数意义”章节的得分率，连续三年卡在65%上下，雷打不动。

“问题不在老师讲没讲清楚，在于学生没有亲身经历那个‘建构’的过程。”王老师说。

李敏老师那节展示课给了他一个突破口。课上一个男孩在平板上拖拽分数条——把一条长度相等的线段平均分成10份，涂色部分从1份拖到7份，对应的分数从十分之一变成十分之七。男孩拖到第五遍时突然抬头说：“哦，所以分数不是那个数字，是‘份数’的意思。 ”——这句话，比任何教学阐释都精准。“以前用PPT放动画，学生只能看；现在用手指拖一拖，学生是在‘做’。”王老师回忆道。

但王老师更在意的，是这种“亲手操作”的机会，能不能从展示课走进日常课堂。

“展示课可以用优良的设备，回到常规教学，老师有没有时间每一节都设置这样的互动？”他坦承这是技术落地必须面对的现实难题。于是他在教研例会上提了一个“笨办法”：不追求每节课都用动态模型，而是要求每单元至少设计一次“可视化操作” ——哪怕只是一个简单的分数条拖拽程序，也要让学生亲手“动一动”，亲眼看到变化。更重要的是，把这个环节纳入AI课堂分析维度。系统自动记录每个学生在可视化操作中的时长、修改次数和最终理解自评，课后生成一份“概念建构指数”，帮助教师判断“谁真的想通了，谁只是在模仿操作”。

这个“笨办法”推行了一个月后，王老师打开系统后台，调出了参与实验的四个班级的数据对比——操作时长超过4分钟的学生，单元测试中概念理解类题目的正确率，比操作不足2分钟的学生高出18个百分点。“数据让我确认了一件事：抽象概念的教学，缺的不是讲解，是让学生‘动手经历’的时间。 ”

第二问：数据堆成山，哪一座值得爬？

活动现场，区域学情数据平台展示了全区50多所小学近200万份学情数据。王老师的第一反应是兴奋，第二反应是警惕。

“兴奋的是，我们终于有了大规模的教学数据；警惕的是，如果数据只是用来排个名、比个分，那它和过去的手工统计没有本质区别。”

他给我看了一份对比。实验小学四年级的一次小数单元测试，系统记录了一组数字：小数的读写正确率89%，小数的比较大小正确率72%，小数加减法正确率54%。“如果只看平均分，你会觉得这个班‘还不错’；但看到小数加减法只有54%，你就知道问题出在哪了——数据颗粒度不够，再多的数据也是噪声。 ”

王老师把这个逻辑带进了AI数智教研员的日常使用中。他要求各校教研组在每次单元测试后，不是只看“平均分”和“及格率”，而是用系统自动生成的“知识图谱热力图”做三件事：

第一，找出本班“红得发紫”的知识点（正确率低于45%）——那是下周必须回头补的；

第二，找出全区“普遍发红”的知识点——那是区域教研必须集体攻关的；

第三，找出每个学生“独有”的薄弱点——那是分层作业和个别辅导的依据。

“有一次，系统显示某个班‘小数进退位加减法’的正确率只有32%，但教师的教案里完全没有安排相关练习。教研员看到数据后，第一时间和教师一起调整了教学计划。”王老师说，“数据较大的价值，不是告诉老师‘你教得不好’，而是告诉老师‘你以为是这个问题，其实是那个问题’。 ”

第三问：AI能诊断，那教师还能做什么？

活动中，一位资深校长的话让王老师记了很久： “系统会告诉学生哪里薄弱、该补什么，不再是盲目刷题。”

这句话的潜台词是：当AI接管了“诊断”和“推送”，教师的核心价值在哪里？

王老师的回答是：在设计“好的学习体验”上。

“AI可以精准推送练习，但它判断不了：这道题值不值得学生花10分钟去思考？这个操作活动能不能激发学生的好奇心？这节课除了讲知识，有没有传递数学思维和数学态度？这些是AI暂时做不到的，也是教师永远不可替代的。”

实验小学的“数智教研组”让王老师看到了另一种可能：教师把AI当成“灵感放大器”——输入一个教学难点，系统生成多种不同的教学设计思路，教师从中挑选、改编、创新。“AI不是方案的决定者，而是方案的激发者。”

王老师把这个理念嵌入了AI数智教研员的日常使用中。每次教研活动，他要求教师先看系统生成的“教学问题诊断报告”，然后围绕报告中的三个“最”展开讨论——最意外的数据、最想追问的学生、最想调整的环节。“不是让数据替老师做决定，而是让数据帮老师提出更好的问题。”

有一次，系统报告显示某节数学课“学生主动提问数量为0”。授课教师第一反应是：“是不是系统没录到？”王老师反问： “有没有一种可能，学生真的没问题？如果一节课下来学生一个问号都没有，那这节课到底有没有真正发生过思考？” ——这个问题，比任何评课意见都更有穿透力。

写在最后：数据背后，站着的是人

活动结束那天下午，王老师没有急着回家。他留在教室后排，打开复盘面板，一帧一帧地回看李敏老师那节课的数据切片——哪些时刻学生的注意力最集中，哪些环节的应答迟疑时间最长，哪些学生的参与轨迹几乎是一条直线。

“我以前评课，靠的是经验和直觉。现在多了数据，但数据不能替代经验和直觉——它只是让我的经验和直觉，有了可以对话的对象。 ”

他合上平板，在教研笔记的最后一页写下这样一段话：

技术不会改变教育，但使用技术的人会。数据不会骗人，但数据会不会说话，取决于读数据的人有没有想问的问题。

这个暑假，王老师给自己定了一个小目标：下学期开学前，把每一份课堂报告都认真读完——不是为了完成“数据分析”的任务，而是为了在每一个数据背后，找到那个真实的、具体的、正在努力理解这个世界的孩子。

（本文基于某区小学数学教研真实场景创作，人物为化名）