4.4 初识大数据（教案）-《信息技术基础模块(下册)》（高教版2023修订版） 《上好课》

《信息技术基础模块(下册)》 (高等教育出版社)教案 课 题 4.4 初识大数据 课 型 理论 课 时 2 授课班级 授课时间 授课教师 教材分析 本节为《用数据说话 —— 数据处理》单元的拓展章节，聚焦 “大数据基础认知与应用” 主题，系统讲解大数据的核心特征（体量大 / 类型多 / 速度快 / 价值密度低）、处理流程（采集→存储→挖掘→呈现）及典型应用（金融风控 / 医疗健康 / 零售优化等）。教材采用 “概念→技术→应用” 递进式结构，通过 “实时公交查询”“超市购物篮分析” 等生活案例，结合 “数据处理流程图”“商品关联统计表” 等图示，强化理论与实践结合。作为数据处理的高阶内容，衔接 “结构化数据加工分析” 的基础技能，为后续 “大数据挖掘与应用” 课程提供理论支撑，是培养学生数据思维、数字素养的关键环节。 学情分析 学生已掌握结构化数据的采集、加工与分析基础（如公式计算、筛选分类），但对大数据的 “海量性、多样性、高速性、低价值密度” 等特征及非结构化数据处理技术（如 NoSQL 存储、数据挖掘）认知较浅。部分学生能识别生活中的数据现象（如实时公交查询），但对大数据处理流程（采集→存储→挖掘→呈现）的技术逻辑（如数据清洗、关联规则分析）理解不足；实践中可能对 “购物篮分析” 等关联规则的提取与统计（如商品关联记录表的构建）操作陌生。学习难点集中在 “大数据特征的具象化理解”“数据挖掘方法的应用场景匹配” 及 “复杂数据关联分析的逻辑构建”。需结合 “实时公交信息”“超市商品摆放优化” 等案例，通过 “概念讲解→技术拆解→实践操作” 强化认知，提升大数据分析意识与应用能力。 学习目标 知识目标： 1. 了解大数据的基础知识 技能目标： 1. 了解大数据采集与分析的相关技术 2. 了解大数据的应用场景 情感目标： 提升职场竞争力与可持续发展能力，通过持续学习保持专业优势与行业竞争力。 学习重难点 重点： 1. 大数据的特征。 2. 大数据处理流程 难点： 1. 理解大数据采集与分析的相关技术 2. 运用大数据处理流程解决实际问题 教学方法 案例分析、讲授法、小组讨论法 课前准备 1.查找相应网站资料，课堂演示使用。 2.学生课前预习。 教学媒体 电子课件、多媒体视频 教学过程 教学环节 教师活动设计 学生活动设计 设计意图 活动一： 创设情境 生成问题 【课程导入】 在日常工作、生活中，数据伴随着每一个人。本单元前面介绍了结构化数据的采集、加工和分析，而大数据与其相比，不仅在规模上不同，在采集方式，特别是分析方法上有着明显的差别。 【新知识传授】 · 大数据的基础知识 · 从技术的角度看，大数据指的是传统数据处理应用软件不足以处理的大或复杂的数据集。 · 从资源的角度看，大数据指的是海量、高速增长和多样化的信息资产。 · 大数据具有数据体量大、数据类型多、数据产生的速度快、数据价值密度低等特征。 · 大数据采集与分析技术 (1) 特征 · 数据体量大，指存储的数据能达 TB (1 TB = 1024 GB)、PB (1 PB = 1024 TB)、EB (1 EB = 1024 PB)、ZB (1 ZB = 1024 EB) 级，未来会更大，目前全球每年总的数据量已达 ZB 级。 · 数据类型多，指存储的数据包含结构化数据、半结构化数据及非结构化数据等形式。 · 数据产生的速度快，指大数据通过多维度的自动采集和记录，积累速度快，并具有一定的流动性，如交通视频监控数据。 · 数据价值密度低，指大数据蕴含着大价值，但这种价值需要通过专业的技术手段加以处理才能发现，如同现实世界中只有通过专业的技术手段才能探明矿藏一样 (2) 大数据处理流程 大数据处理流程一般包括四大步骤：数据采集与预处理、数据存储、数据挖掘及数据呈现。 1　 数据采集 数据采集，指从传感器或其他采集设备中获取数据。采集的数据包括实时数据和非实时数据，如道路监控、环境温度监测、网页浏览、在线支付、股票交易、外卖订购、出行租车等过程中产生的数据均可以被审慎、客观地采集并记录到文件、数据库或数据仓库中。 2　 数据预处理 数据预处理的内容很多，此处主要指数据清洗，即消除在数据采集的过程中由于人为疏忽、设备异常或采样方法不合理等因素造成的数据误差、数据遗失、数据重复等不同类型的问题数据，提高数据质量和完整性。 3　 数据存储 大数据的存储需要分布式文件系统和分布式数据库的支持。传统的关系数据库不能有效地满足大数据中半结构化及非结构化数据的存储与索引处理。 NoSQL (Not Only SQL) 泛指非关系型数据库，是大数据存储中常用的数据库。NoSQL 数据库主要有三类：面向高性能读写的数据库、面向文档的数据库及面向分布式计算机的数据库。 4　 数据挖掘 通过数据挖掘可以发掘先前未知且潜在有用的信息模型或规则，进而产生有价值的信息和知识，帮助决策者做出适当的决策。数据挖掘所处理的问题类型大致可以分为分类、预测、聚类及关联规则四种。数据挖掘所处理的问题类型大致可以分为分类、预测、聚类及关联规则四种。 5　 数据呈现 也称数据展示或数据可视化，是指大数据的可视化技术，能够帮助人们有效理解数据，最终真正利用好大数据。从数据展示的角度来看，可视化技术可以分为数据的结构可视化、功能可视化、关联关系可视化和发展趋势可视化。 2.引导学生带着问题去课本寻找答案，明确本节课的学习内容。 3.展示本讲学习目标。 1. 接收并查看本节课堂任务书。 2. 了解学习目标，带着目标进行学习。 3. 观察生活中常见的多媒体信息形式，思考其背后的技术支撑。 4. 针对教师给出的问题，初步发表个人见解。 5. 目标明确：跟随教师引导，明确本节课学习目标。 1.以提问的方式导入课程，让学生带着问题有针对性的进行学习。 2.通过任务实施，调动学生积极性。 活动二： 调动思维 探究新知 【新知识传授】 · 大数据与其他技术关系 (1) 大数据应用 物联网数据本身就是一种大数据，是通过大量传感器收集的。数据的分析、处理必须跟上物联网的节奏，所以，物联网推动了大数据的发展。 · 大数据在金融服务领域可以用于风险分析和管理、客户忠诚度分析、交易监管等； · 在公共领域可以用于网络安全、能耗管理等； · 在医疗健康领域可以用于药品发现和开发分析、患者护理质量分析、健康保险、医疗设备供应链管理等； · 在零售领域可以用于市场和用户分析、预测销售等； · 在环保领域可以用于空气质量监测、排污管理等。 (2) 实践体验——超市商品位置摆放优化 通过超市的购物篮分析，可以找出潜在有用的商品间的关联规则。下面体验一下如何根据销售记录来分析商品之间的关联性。 2. 教师操作演示 3. 引导学生带着问题去课本寻找答案，明确本节课的学习内容。 1. 阅读探究：阅读课本相关内容，探究多媒体技术的产生背景。 2. 概念理解：理解多媒体、多媒体技术和多媒体系统的定义，并尝试用自己的话复述。 3. 要点记录：记录多媒体技术强调的要点，加深理解。 1. 了解学生现有知识储备。 2. 巩固练习。 活动三： 调动思维 探究新知 【新知识传授】 · 探究与合作 (1) 复杂网络分析软件 如果要在列车信息表中，找出任意两个站点之间的所有乘车方案，用电子表格软件手工处理会非常困难。此时通常需要通过专用的程序来分析解决，在 12306 网站搜索车票信息时，平台底层就需要这一功能。 (2) 大数据安全与隐私保护 在大数据时代，数据安全和隐私保护至关重要。由于大数据涉及大量个人和敏感信息，一旦泄露可能会带来严重的后果。因此，需要采取一系列措施来保障大数据的安全，如数据加密、访问控制、匿名化处理等。同时，相关法律法规也在不断完善，以规范大数据的收集、使用和共享。 (3) 发展趋势展望 随着技术的不断进步，大数据的发展前景十分广阔。未来，大数据处理技术将更加高效、智能，能够处理更加复杂和海量的数据。同时，大数据与人工智能、物联网等技术的融合将更加深入，创造出更多的应用场景和商业价值。我们要紧跟大数据发展的趋势，不断学习和掌握新的知识和技能，为未来的职业发展和社会进步做好准备。 2. 教师操作演示 3. 引导学生带着问题去课本寻找答案，明确本节课的学习内容。 1. 应用列举 2. 影响分析 3. 创新思考 1. 引导学生主动思考，发散思维，参与课堂。 2. 培养学生发现问题，解决问题的能力。 3. 了解相关知识。 4. 辩论形式让学生参与并归纳总结。 活动四： 巩固练习 素质提升 【随堂检测】 1　 大数据具有哪些特征？ 2　 大数据处理流程包括哪几个步骤？ 3　 数据挖掘所处理的问题类型有哪些？ 4　 大数据与物联网有什么关系？ 【分组讨论】 请分组讨论，在我们的日常生活中，还有哪些场景可以应用大数据技术？如何利用大数据技术解决这些场景中的问题？在应用大数据技术时，可能会遇到哪些挑战和问题？ 1. 答案交流 2. 话题讨论 3. 效率分析 4. 挑战探讨 5. 总结汇报 知识检测与巩固 课堂小结 作业布置 课堂小结 作业布置 复习本节课内容，预习下节课内容。 板书设计 1. 大数据采集与分析技术 2. 大数据与其他技术关系 3. 探究与合作 教学反思 原创精品资源学科网独家享有版权，侵权必究！ 学科网（北京）股份有限公司 $$