Home » 热门资讯 » 导师专访 » Details

从多大到港大，她坚持用“理解本质”帮孩子找回数学的乐趣！

Category: 导师专访 Date: 2026年8月25日上午10:15

“数学不是套公式的机械劳动，而是一场理解世界运行规律的思维游戏。”

常老师的数学课堂，始终在践行这一理念。

这位拥有多伦多大学本科、香港大学硕士背景的老师，总能用最朴实的方式，带学生看见符号背后的逻辑。

今天，就跟着小林一起来走进翰林常老师的数理世界~

翰林数学常老师

香港大学精算与统计学硕士

多伦多大学统计与经济双专业学士

专业背景

◾ 硕士毕业项目获全院唯一“杰出项目”荣誉，具备八年海外学习与工作经历，本科期间担任组合数学课程助教，并在海外教育机构承担微积分课程授课任务。

◾ 具备五年国际理科教育经验，熟悉北美及港澳地区主流课程体系与标准化考试，对各类数学竞赛，IB、AP、A-Level等国际课程有深入研究。

◾ 具备扎实的理工科理论基础与丰富的实战教学经验。教学过程中，注重将统计学、经济学等跨学科思维融入数学教学，以生活化案例激发学生兴趣，帮助其建立清晰的逻辑框架与问题分析能力。根据学生基础与目标定制个性化学习方案，课堂节奏张弛有度，互动性强，深受学生信任与喜爱。

授课体系及科目：AMC、AP微积分、AP统计学、IB数学、A‑Level数学、IG数学等课程

一场跨越两种体系的求学路

常老师的数学之路，起点很纯粹——就是喜欢。

高中的国际课程经历让她早早接触了北美的教育逻辑，也让她决定把这份喜欢延续到大学专业的选择上。“纯数学理论太多，我更希望把数学思维带到具体领域里。”于是，多伦多大学的统计与经济双专业成了一个自然的结果——既能保持对数学的热爱，又能用数据和模型去解释真实世界的经济现象和社会问题。

本科期间，她因为成绩突出，收到了学校的助教邀请。15到20人的小班课堂上，她第一次以“老师”的身份面对学生，也第一次体会到：把一道题讲明白，有时比自己做出来更有成就感。

本科毕业后，她没有继续留在北美，而是选择了一个截然不同的教育环境——香港大学精算与统计学硕士。从北美到香港，这不仅是地理上的切换，更是一次教育重心的转移。北美的本科教育强调知识面的广度与通识素养，而港硕则更注重专业深度和实际应用，这种切换让她对两种模式的优劣有了切身的体会。

从助教到主讲

用耐心等待每一次“顿悟”大三那年的助教经历，是常老师教学生涯的起点。

回忆往事，她至今印象深刻，班上有一个很内向的学生，每次都坐在第一排，却从不主动提问。好几次她察觉到学生面露疑惑，却始终不敢开口。直到学期中段的一次课间，学生才鼓起勇气上前，询问公式的适用条件。常老师没有简单给出答案，而是花了半小时，结合生活实例与典型例题，带着他逐层拆解推导，帮他吃透内在逻辑。从那以后，这个学生开始频繁提问，整个人在课堂上的状态完全不一样了。

这件事让她意识到：很多学生缺的不是能力，而是一个被鼓励开口的契机。作为老师，除了输出知识，更要营造一个让学生愿意暴露自己“不懂什么”的安全氛围。

后来几年的教学经历，常老师接触了各种类型的学生：有基础薄弱、对数学毫无信心的，也有校内成绩不错、但一碰到竞赛题就发怵的。她慢慢摸索出一套自己的方法——不强求学生背公式，而是用生活化的案例帮他们建立“数学直觉”。比如讲到函数变换，她不会让学生死记“左加右减、上加下减”，而是引导学生思考：“如果把一根线弯折，它围出来的面积会怎么变？”学生一旦在脑子里建立起这个图像，很多抽象的性质就不再需要死记硬背了。

教学特色

跨学科思维与“理解本质”的课堂

针对不同课程体系的难点，常老师有着清晰的梳理：

IG阶段的学生常卡在函数图像变换上，数形结合思想不够熟练；

A-Level阶段则集中在实际问题的建模，如力学和向量应用，许多学生公式背得滚瓜烂熟，却不会将文字转化成方程；

而竞赛类（如AMC）的难度不在于知识点本身，而在于问题转化与创造性思维。

在教学特色上，常老师反对死记硬背公式，更注重让学生理解公式背后的“为什么”。

比如讲解微积分时，她会把一根线看作函数图像，通过弯曲、折叠等方式帮助学生理解积分和变换的本质。这种用直观感受替代机械记忆的方式，让抽象的数学概念变得可触可感。

跨学科教学也是她的一大特色。她曾用统计里的“样本”和“总体”概念去类比雅思口语题——“你家里人都喜欢去博物馆”是样本，“新闻说今年参观人数激增”就是总体。这种思维迁移不仅帮助学生真正理解了概念，也让课堂变得更加生动有趣。

——常老师授课日常

在教学工具方面，她经常使用Geogebra这款免费软件，让学生直观地观察函数图像随参数变化的过程，效果远超在黑板上反复画图。

竞赛不只是刷题

更是思维与心态的双重修炼

当被问及如何判断一名校内成绩不错但零竞赛基础的学生是否适合开始尝试竞赛时，常老师提出了两个维度的考量：能力和心态。

给学生一套AMC的前15题（难度适中），计时一小时，如果能完成一大半以上，说明逻辑思维和转化能力在线，适合继续往下走。但更关键的在于抗压能力——她会观察学生面对一道难题二十分钟后的状态，是焦虑放弃，还是能平静地尝试其他思路。在她看来，竞赛到最后，拼的往往是心理素质。

——常老师竞赛讲解笔记

从AMC8到AMC10，很多学生突然感到吃力，常老师认为最根本的原因在于，AMC8还可以靠公式记忆和计算熟练度拿分，但AMC10对数学直觉和信息转化能力的要求明显更高。它不再只是考查“你会不会这个知识点”，而是考查“你能否从一大段文字中识别出这个知识点”。她的应对策略是，把历年AMC10真题中的关键条件句挑出来，训练学生一看到某种表述就能立刻联想到对应的解题策略，而不是拿到题就盲目尝试。

在竞赛教学经历中，有一道题是常老师每轮课程都必讲的——利用韦达定理解决对称式问题的经典题目。这道题的题干写了一大堆限制条件，看上去复杂无比，但如果能看出它的本质就是反复运用韦达定理做变形，三行就能解出来。这道题极好地传递了一个理念：竞赛考的不是你见没见过，而是你会不会“转化”。

谈及竞赛的价值，常老师认为，优异的竞赛成绩固然能为大学申请增添亮点，但竞赛本身对逻辑思维、转化能力和抗压能力的锻炼，才是更长远的收获。这些能力一旦具备，回过头来学习校内课程也会变得轻松许多。

导师寄语与展望：

AI时代，数学创造规则

采访的最后，我们聊到了人工智能对统计与精算行业的冲击，以及数据科学就业市场的变化。常老师对此有自己的思考：

"数学的本质是创造规则，而AI做的是执行和优化的工作。真正厉害的人，不是跑模型最快的人，而是理解问题、设计合理假设、并把结果转化为决策依据的人。因为很多未知的事情没有现成的解决方案，你只有先假设出问题是什么，才能去解决它。如果连问题本身都没有定义清楚，那就无从下手。"

常老师认为，AI确实能替代很多重复性的计算工作，但模型本身的设计、因果分析、商业判断这些需要人类思考的部分，是AI难以替代的。

对于想在数学、统计、量化领域长期发展的学生，她给出了三点建议：

AI是工具而非对手，未来真正稀缺的能力，是设计合理的假设、解读模型输出、并将结果转化为商业决策的能力。

早点学好Python、R等编程语言，但更重要的是理解它们背后的底层逻辑——只有这样，才能判断AI生成的代码是否正确，输出是否合理。

学会“问问题”。很多未知的问题，难点恰恰在于定义问题本身。如果连问题都提不出来，AI也帮不了你。真正稀缺的能力，是定义问题、设计路径、并做出独立判断的能力。

在了解了常老师的学习与教学经历后，