项目三 经历数据处理的一般过程第三课时说课课件-2025-2026学年沪科版高一信息技术必修一

《经历数据处理的一般过程》 3.加工、分析和可视化数据 目录 01 为何学 02 学什么 03 怎么学 教材分析 学情分析 教学目标 教学重难点 教学方法 教学过程 教学反思 01 为何学 教学方法 教学重难点 教学过程 教材分析 说地位： 1 学情分析 教学目标 教学反思 2 说联系： 本节课题选自沪教版普通高中信息技术必修一第二单元项目三《经历数据处理的一般过程》第三节。课标要求：“通过典型实例，了解数据分析和可视化表达的基本方法” “加工、分析和可视化数据”小节引导学生使用在线调查平台上的便利的数据加工、数据分析和数据可视化工具，使学生了解数据分析、数可视化的概念与基本方法。该小节的重点是数据分析，着重对学生数据分析意识与思维的培养，体现了课标要求，以及根据任务需求，选用恰当的软件工具或平台处理数据。 教学方法 教学重难点 教学过程 教材分析 学情分析 教学目标 学生状况 高一年级学生对数据的概念已经有一定的了解，并且掌握数据采集的方式，但对采集之后的数据并不清楚如何处理。 为了提高教学的针对性和有效性，课前会组织学生填写“学生情况调查表”了解学生对于数据加工分析了解的基本情况。 教学反思 对策 02 学什么 教学方法 教学重难点 教学过程 教材分析 学情分析 教学目标 学会数据加工的方法；掌握数据分析的基本方式。 计算 思维 掌握通过excel表格、程序进行数据处理的方法 数字化学习与创新 通过数字化学习活动，逐步适应数字化学习环境，能够根据需要选用恰当的数字化工具和资源开展学习 信息意识 信息社会责任 通过身边的案例，感受数据加工在学习、生活及社会中的重要作用和价值，培养信息意识及信息社会责任感。 教学反思 教学方法 教学过程 教材分析 学情分析 教学目标 教学重难点 教学重点 运用excel处理数据；Python程序生成图表数据。 教学难点 使用Python对数据生成图表。 突出重点 突出难点 通过生活实例讲解，促进学生对知识点的理解 解决问题 解决问题 教学反思 03 怎么学 教学过程 教材分析 学情分析 教学目标 教学重难点 教学方法 以问题求解为导向的启发式教学法 让学生具备敏感的信息意识，能够根据解决问题的需要，主动寻求恰当的方式处理信息。 讲授法 自主探究法 教学反思 教材分析 学情分析 教学目标 教学重难点 教学方法 教学过程 导入新课 2分钟 新课讲解 15分钟 小组探究 8分钟 巩固知识 10分钟 小结及作业 5分钟 教学反思 1 3 5 2 4 课堂导入 设计意图 观看有关温度变化的可视化视频，吸引学生兴趣 如此生动表述让我们一目了然，背后是有怎么的过程呢？ 课堂导入 思考： 调查问卷被收回意味着数据采集工作结束，那么我们将要如何处理这些问卷和数据？ 提出问题 明确目标 数据采集 数据加工 数据分析 数据可视化 报告撰写 课堂回顾 数据处理的一般过程 加工、分析和可视化数据 设计意图 回顾数据处理的一般过程，让学生对整个数据处理流程有一个清晰的总体认识，把握各环节之间的逻辑关系，明确本节课所学内容在数据处理流程中的位置，增强学生对知识体系的理解和把握。 数据加工 数据加工定义：指通过数据编码、数据清洗、数据重组等一系列过程，使采集的数据符合数据分析的需求。 新课讲解 设计意图 通过明确数据加工的定义与具体过程，帮助学生理解 数据分析 指用适当的分析方法与工具，对采集的数据进行分类整理，提取与发现其中有价值的信息，以形成结论的过程。 新课讲解 设计意图 通过清晰定义数据分析的概念与作用，帮助学生理解数据分析在数据处理中的价值 数据分析方法 同一时间不同总体指标的对比。 不同时间同一总体指标的对比。 对比分析法：通过将两个或者两个以上的数据进行对比 新课讲解 设计意图 介绍常用的数据分析方法，如对比分析法、平均分析法和交叉分析法，帮助学生掌握数据分析的基本技巧。 交叉分析法：立体分析法，它从横向和纵向两个方向来计两个或者多个有联系的变量在交叉点的统计值 数据可视化 将数据分析结果通过表格、图表、图形等形式显示出来 新课讲解 设计意图 介绍数据可视化的概念，能够更清晰、有效的发现数据之间的关系，强调其在数据展示中的重要性。 新课讲解 导出数据 19 https://ks.wjx.top/vm/Q9pRRem.aspx 导出调查问卷 设计意图 根据刚刚所学的操作，将数据导出，对数据进行加工处理 活动一：体验数据加工——excel 创设情境：某问卷现有9个单选题，每个问题有4个答案选项，收回问卷385份，现要统计每个问题4个答案选项所占比例，并用图表形式呈现各问题的百分比。 新课讲解 设计意图 通过创设真实情境，激发学生运用Excel进行数据加工与可视化的兴趣，培养学生解决实际问题的能力。 活动一：体验数据加工——excel （１）在统计结果工作表的B3单元格插入函数COUNTIF( ) 新课讲解 设计意图 通过逐步演示Excel中COUNTIF函数的使用方法，降低学生对复杂函数的畏难情绪，帮助学生掌握数据统计的基本技能。 活动一：体验数据加工——excel （２）给COUNTIF( )函数的参数赋值 新课讲解 设计意图 这里需要计算问卷结果工作表中问题１这一列（即Ａ列）单元格数值为“Ａ”的数量，所以Ａ选项数量统计公式为 COUNTIF( )函数用于计算满足给定条件的单元格的数目，所以Ａ选项数量统计 公式为＝COUNTIF( )（问卷结果！A：A，“A”） 活动一：体验数据加工——excel （３）将Ａ选项数量统计公式修改为计算百分比公式 新课讲解 设计意图 引导学生修改公式，把“数量→百分比”的公式转换单独成页，突出“除以总样本385”这一关键一步，让学生体会“比例”在数据分析中的核心作用 计算A选项的百分比公式为 =COUNTIF（问卷结果！Ａ：Ａ，＂ Ａ＂）/385 活动一：体验数据加工——excel （4）将计算结果用百分比形式显示 新课讲解 设计意图 选中Ｂ３单元格后单击鼠标右键，在弹出的快捷菜单中选择“单元格格式”，然后在“设置单元格格式”对话框中选择“数字”选项卡中的“百分比”，并将小数位数设置为２ 活动一：体验数据加工——excel （５）复制公式，修改公式中的参数，计算BCD选项的百分比 新课讲解 设计意图 列出清晰的步骤，给学生演示填充柄如何使用，以及注意公式的修改 ① 将鼠标指针移动到B3单元格右下角，当鼠标指针变为黑色十字时，按住鼠标左键向下拖曳鼠标至B6单元格 ②依次修改B4、B5、B6单元格公式中的条件为“Ｂ”“Ｃ”“Ｄ” 活动一：体验数据加工——excel （６）复制公式到其他几个问题所对应的单元格 新课讲解 设计意图 选中Ｂ３、Ｂ４、Ｂ５、Ｂ６四个单元格，将鼠标指针移动到Ｂ６ 单元格右下角，当鼠标指针变为黑色十字时，按住鼠标左键向右拖曳鼠标至Ｊ６单元格，松开鼠标，完成自动填充。 活动一：体验数据加工——excel （７）制作全部9个问题的各选项的可视化表达图 新课讲解 设计意图 最后一步将数据生成图表实现数据可视化 活动一：体验数据加工——excel 新课讲解 设计意图 数据可视化的常用图表类型较多，一般选择便于观察的图表类型。例如本例中也可以选择三维簇状柱形图和条形图，提醒学生“图表类型需服务于阅读目的” 活动一：体验数据加工——excel 新课讲解 设计意图 将整段 Excel 操作流程录屏并分享二维码/链接，实现“课上教师示范—学生反复回看”的翻转支撑。兼顾不同基础学生的差异化需求，体现个性化教学理念，确保“看得见的公平” 操作视频 Python程序可以实现绘制图表 知识拓展 设计意图 进行知识拓展，介绍 Python 程序可以实现绘制图表，拓宽学生对数据可视化工具的认识和视野，为学生后续深入学习数据可视化技术提供更多选择和可能性 实例讲解： 绘制y=x2的线形图 知识拓展 设计意图 通过实例讲解用 Python 绘制 y=x² 的线形图的具体代码实现，介绍函数，让学生初步了解 Python 编程在数据可视化中的应用方法和基本操作 实例讲解： 绘制y=x2的线形图 import matplotlib.pyplot as plt x=[1,2,3,4] y=[1,4,9,16] plt.plot(x,y,label=”x2”) #绘制线形图 plt.show() #显示图像 知识拓展 设计意图 进一步展示对绘制的线形图进行参数设置的代码示例，让学生了解如何通过代码对图表的外观进行个性化定制，使学生理解Python 数据可视化编程的技巧，提高学生对代码的理解和应用能力 实例讲解： 绘制y=x2的线形图 import matplotlib.pyplot as plt x=[1,2,3,4] y=[1,4,9,16] plt.plot(x,y,label=”x2”，color=”pink”,linewidth=10) #绘制线形图 plt.show() #显示图像 plot()：绘制线形图 格式： plot(x,y,参数) x,y轴数据 包括图例、颜色、线条样式等 知识拓展 小组讨论：运用哪些函数可以对图像升级？ 学生任务二：y=x2的线形图添砖加瓦 知识拓展 设计意图 布置学生任务二，通过小组讨论运用哪些函数可以对图像升级，让学生在任务驱动下主动思考和探索 Python 数据可视化编程中的更多函数和功能，培养学生的团队协作能力和问题解决能力 学生任务二： y=x2的线形图添砖加瓦 import matplotlib.pyplot as plt x=[1,2,3,4] y=[1,4,9,16] #创建绘图对象，修改宽高为8,5 _______________________________ #设置x轴取值范围：-1,6 _______________________________ #设置y轴取值范围：-1,20 ______________________________ #设置x轴标签：“x” ______________________________ #设置y轴标签：“x2” ______________________________ plt.plot(x,y,label=”x2”,color=”blue”,linewidth=10) __________________________ #设置图表标题：“y=x2” ______________ #显示图例 plt.show() #显示所有图表 plt.figure(figsize(8,5)) plt.xlim(-1,6) plt.ylim(-1,20) plt.xlabel(“x”) plt.ylabel(“x2”) plt.title(“y=x2”) plt.legend() title图表标题 图例 设计意图 给出具体代码示例，让学生对照参考，检验自己的学习成果和任务完成情况，同时也为学生提供了一个完整的代码范例，方便学生学习和借鉴代码的编写规范和逻辑结构，进一步巩固学生对 Python 数据可视化编程知识的掌握。 import matplotlib.pyplot as plt import numpy as np #产生1个50个数据的等差数列 x=np.linspace(0,1,50) y1=x**2 y2=np.sqrt(x) y3=x**5 plt.figure() ____________("Mathematical function") #设置图表标题 ________________________________ #绘制y1函数线形图 plt.scatter(x,y2,label="y2=np.sqrt(x)") ________________________________ #绘制y3函数散点图 ________________ #显示图例 plt.show() plt.title plt.plot(x,y1,lable=”y1=x**2”) plt.scatter(x,y3,lable=”y3=x**5”) plt.legend() 强化练习 课堂导入 新知讲解 01 02 课堂检测与评价 点击完成课堂练习 点开链接， 完成课堂检测和活动评价。 在线小组自评、互评 展示课堂检测结果、分析活动评价结果 设计意图 通过检测、评价可即时反馈、了解学生的课堂学习情况。 课堂检测 活动评价 课堂导入 新知讲解 各小组代表谈谈本课的主要学习内容或收获； 老师补充展示本课所学内容的思维导图: 设计意图 通过师生共同总结整理本节课的学习脉络，使学生对所学知识有系统的把握。对课堂内容进行总结，通过师问生答的方式，帮助学生梳理所学知识，强化记忆，加深对数据加工、分析和可视化要点的理解 课堂检测与评价 课堂总结 课堂导入 新知讲解 设计意图 课堂检测与评价 课堂总结 课后作业 作业1： 根据文件“成绩处理表”按照要求对数据进行处理和可视化 作业2： 预习下节课内容 板书设计 §3.3 加工、分析和可视化数据 1.数据加工：对数据编码重组的过程 2.数据分析：用适当的分析方法与工具，对采集的数据分类整理 3.数据可视化 excel生成图表 Python程序绘制图表 04 教学反思 1 2 优点 01 紧扣本节重难点，知识点衔接连贯自然，教学活动有趣，课堂活跃。 1 2 缺点 02 知识点较多，对学生接受新知的能力要求较高。 教材分析 学情分析 教学目标 教学重难点 教学方法 教学过程 教学反思 感谢各位评委老师的聆听 $$