在人工智能技术迅猛发展的今天,“智能化”已经渗透进人类生产生活的方方面面。但在教育领域,数学教育的智能化脚步相较于其它学科明显缓慢。原因在于,虽然数学教育的智能化一直都是很有意义和价值的研究内容,但是它涉及多个跨学科领域的研究内容,且学习者参与数学思考时思维模式复杂多变,不利于计算机进行智能化辅助。为了能更好地实现数学教育的智能化,本文选取已有较多相关研究的分层抽样题为研究对象,通过认知心理学、教育学、计算机学等多学科角度与方法对数学教育智能化进行探究,最终以分层抽样数学题意理解为例,设计与实现了一套用于计算机辅助题意理解的思维可视化工具。本文所取得的成果主要有以下3点。1)本文通过认知心理学和教育学,探究了学习者数学能力的提升条件,同时基于“问题解决”概念和认知心理学理论对数学学习者思维过程进行了深度剖析,最后结合现代认知心理学“问题解决”的基克模型对分层抽样题解题过程的思维可视化进行了模型框架的设计。2)本文将计算机辅助题意理解这一过程拆分为了多个计算机可以进行单独处理的子任务。同时,基于现有研究中分层抽样题尚未解决的问题与题型识别子任务的情况,研究采用TextRank算法提取类别关键词,降低特征维度,并结合决策树算法,实现了分层抽样题的题型识别与问题识别,二者在现有数据集上识别效果均达到了 97%以上的准确率。为了实现分层抽样题的自动解题,本文还提出了一种解题要素矩阵模型,在广度优先搜索算法的作用下,实现了分层抽样题的最优解题路径。3)本文基于相关可视化设计工具,并结合上述研究成果,设计与实现了一套可作用于分层抽样题的计算机辅助题意理解思维可视化工具。经过测试,该工具能很好地完成计算机辅助下的分层抽样题的思维可视化工作。本文主要的创新点主要有以下4点。1)本文通过认知心理学中的“问题解决”理论,设计了分层抽样题解题过程的思维可视化模型框架。2)本文提出了“TexRank+决策树”的模型来进行分层抽样数学题的题型识别与问题识别。3)本文提出了一种解题要素矩阵模型用于分层抽样题的自动解题。4)本文以分层抽样题为例,设计与实现了一套计算机辅助题意理解思维可视化工具。