定义 将实际情境中的文字、图形信息转化为数学符号、变量及方程或不等式组的过程。
从哪来 本知识点建立在3.2 组合数（用于处理离散选择与计数模型）与5.1 独立事件的定义（用于构建概率统计模型）之上，是连接具体情境与抽象数学结构的桥梁。
为什么 现实世界的问题通常以自然语言描述，充满冗余信息和模糊边界，而数学工具（如函数、方程、概率公式）只能处理精确的量化关系。建模的本质是“翻译”与“简化”：通过识别核心变量（自变量/因变量）、约束条件（定义域/边界）以及变量间的逻辑关系（线性/非线性/概率依赖），剔除无关干扰，将复杂现实映射为可计算的数学结构。没有这一步，数学公式只是空洞的符号，无法解决具体问题。
情境代入法
适合
形象思维强、抽象思维弱的学生。
选取一个学生熟悉的场景（如“奶茶店促销”或“手机套餐选择”），不直接给公式，而是让学生先列出“已知什么”、“求什么”、“有什么限制”。引导他们把“买3杯送1杯”翻译成数学语言（如 $y = \frac{3}{4}x$ 或分段函数），强调“把故事变成算式”的过程，降低对符号的恐惧感。
变量剥离法
适合
逻辑严密、喜欢结构化分析的学生。
提供一段较长的应用题文本，要求学生执行“三步剥离”：1. 圈出所有数字和单位；2. 用字母标记未知量（$x, y, z...$）；3. 画出变量间的关系图（箭头表示因果或依赖）。重点训练如何从文字中提取“等量关系”或“不等式约束”，强调建模的严谨性和完整性，避免遗漏条件。
逆向拆解法
适合
基础薄弱、容易混淆概念的学生。
给出一个标准的数学模型（如 $P(A \cap B) = P(A)P(B)$ 或 $C_n^k$），然后问：“这个公式能解决什么现实问题？”让学生反向构造一个符合该模型的情境。通过“从公式到故事”的逆向训练，帮助学生理解模型背后的假设条件（如“独立”意味着什么，“组合”意味着什么），从而在正向建模时能准确识别何时该用哪个模型。