5.3数据的分析教学设计-2025-2026学年粤教版高中信息技术必修一

该高中信息技术教学设计聚焦数据分析的聚类分析与数据分类，通过抖音推荐视频情境导入激发兴趣，结合思维导图回顾上节课内容，构建知识连贯性，为新课学习搭建支架。 特色在于“站队游戏”直观化抽象概念，分组运行Python程序实践聚类与分类分析，培养计算思维与数字化学习能力，拓展作业二选一兼顾应用与工具研究，提升信息意识，活动设计具体可操作，助力学生理论联系实际，方便教师开展教学。

5.3 数据的分析 ——第二课时 桐城市第八中学 吕凤冲 教材分析： 《5.3 数据的分析》这一节将带领学生初步了解数据分析的特征探索、关联分析、聚类分析、数据分类等数据分析的方法，数据分析是第五章的重点更是难点，通过知识的学习和程序的实践，进一步培养学生的数据处理方面的能力，奠定后续学习的基础。 学情分析： 学生在第四章已经体验了利用程序去解决问题。了解了Python程序设计语言的基础知识，掌握了程序的顺序结构、选择结构和循环结构，学会了使用程序设计语言实现简单算法，体验了程序设计基本流程，掌握了程序调试与运行的方法。 教学目标: 1.了解数据分析的作用和数据分析常用的四种方法。（信息意识） 2.能够体验多种数据分析技术的案例分析。（信息社会责任、计算思维） 3.能够学会选用恰当的工具和技术分析数据。（信息意识、计算思维） 4.学会总结和归纳数据分析的方法和步骤。（计算思维、数字化学习与创新） 教学重难点： 重点： 1.体验多种数据分析技术，理解数据分析的方法。 2.能够学会选用恰当的工具和技术分析数据。 3.学会总结和归纳数据分析的方法和步骤。 难点： 1.理解数据分析的方法。 2.如何根据实际问题选择恰当的数据分析方法。 教学方法: 游戏导入法、探究学习法、讲授法、演示法、实践练习法。 教学过程： 教学环节 过程与内容 学生活动 设计意图 （一） 情境导入 与学生一起观看视频,思考问题：抖音是如何识别用户的兴趣和喜好的？并带着这个问题进入本节课的学习。 观看视频并思考 通过观看短视频并引导学生思考问题，来激发学生的学习兴趣，更加专注本节课内容的学习。 （二） 知识回顾 结合思维导图回顾上节课学习的内容，并引入新课内容。 学生聆听 帮助学生巩固和复习他们在课堂上学习的知识，保持知识体系的连贯性。 （三） 新课讲解 （三） 新课讲解 （三） 新课讲解 游戏一：“站队游戏”（聚类分析） 游戏规则：随机选出两位学生把自己的姓名贴贴在黑板上，随后依次随机走出一位同学，后面走出的同学可以根据自己的意愿，把自己的姓名贴在任何一位同学的姓名贴旁边，直到游戏结束。 积极参与游戏活动 激发学生探究的好奇心和兴趣，让学生在轻松的氛围中学习。 项目范例展示：村庄姓氏的分布 学生活动一：完成分组活动探究，按照老师提供的基本操作指引进行操作。导入5.2节采集的数据，并运行聚类分析Python程序代码。在观察程序对数据进行聚类分析的结果时，填写活动记录表。 新课讲解：（聚类分析） 特点： 不需要先给定分类标准 能够自动进行分类 达到“物以类聚、人以群分”的效果 聚类分析：是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。 经典算法：K-Means算法 中文名：K-平均算法 特点：自下而上的聚类分析方法 PPT动画展示K-Means算法分类过程 游戏二：“站队游戏”（数据分类） 游戏规则为：已有两个队伍，例如队伍的相关特征分别是： 预测新成员的类别（当新成员不完全符合条件时，根据特征的相似度来选择。学生可以根据自己的判断，选择类别。） 项目范例展示：姓氏的预测 学生活动二：完成分组活动探究，按照老师提供的基本操作指引进行操作。并运行数据分类Python程序代码。对实验数据的类别进行预测。阅读教材117页拓展内容，思考贝叶斯分类技术原理。 一小组实验数据： 二小组实验数据： 特征A：182.8 特征A：128.8 特征B：58.9 特征B：158 特征C：26 特征C：4.7 (消费客户预测) (商品种类预测) 并填写活动记录表。 新课讲解：（数据分类） 思路：训练构建分类函数或者分类模型，从而实现对未知数据进行预测。 常用的方法：贝叶斯分类技术 积极参与活动，实践探究，观察程序结果，总结学习内容 积极参与活动，实践探究，观察程序结果，总结学习内容 明确学习目标 培养学生的计算思维及数字化学习与创新能力 培养学生的计算思维及数字化学习与创新能力 （四） 拓展延伸 二选一： **作业1：数据分析案例分析** 描述问题或主题：根据自己选择的主题，例如体育、健康、社交媒体、环境等，并描述为什么选择这个主题。解释问题的背景和重要性。 收集相关数据：学生可以选择从公开数据集中获取相关数据，如政府公开数据、学术研究数据等。如果没有相应的公开数据集，他们可以自己创建一个小型数据集，可以通过问卷调查、观察实验、网络数据收集等方式获得数据。 运用数据分析方法：学生应运用所学的数据分析方法，包括特征探索、关联分析、聚类分析和数据分类等，以解决或回答问题。他们可以使用工具如Excel、Python等进行数据处理和分析。 提供数据分析结果和结论：学生应呈现他们的数据分析结果，并从中得出结论。他们可以使用图表、可视化工具和描述性统计等来展示分析结果，并解释结论的意义。 总结分析方法和步骤：学生需总结所选择的分析方法和步骤，并解释为什么选择了这些特定的方法。他们可以讨论这些方法的优势、适用性和局限性。 **作业2：数据分析工具研究** 选择一个工具或库进行深入研究：学生可以选择Python中的Pandas、Matplotlib或Scikit-Learn等数据分析工具之一进行研究。解释为什么选择了这个工具，介绍其背景和应用领域。 了解该工具的主要功能和用途：学生需要详细了解所选择工具的主要功能和应用领域。说明该工具在数据分析中的优势和特点。 提供实际应用案例：学生可以列举一些使用该工具的实际应用案例。例如，使用Pandas进行数据清洗和处理、使用Matplotlib进行数据可视化、使用Scikit-Learn进行机器学习等。 撰写简短的教程或报告：学生应按照简洁易懂的方式，撰写一份教程或报告，向同学们介绍如何使用所选择的工具进行数据分析。说明该工具的基本使用方法，给出示例代码，并解释每个步骤的目的和作用。 通过课后探究进一步加深对理解数据分析的方法 通过课后探究进一步加深对理解数据分析的方法 学生信息意识、计算思维及数字化学习与创新能力培养 学生信息意识、计算思维及数字化学习与创新能力培养 （五） 课堂小结 结合思维导图软件对本节课所学内容进行总结归纳。 知识梳理 巩固本节课所学知识 教学反思： 我选择了以学生为中心的教学方法，提供了学生所需的学习资源，通过使用Jupyter Notebook和相关的聚类分析和数据分类程序，让学生通过自主实践来掌握聚类分析和数据分类的方法。在本次教学中，我鼓励学生积极参与课堂活动，并提供了合作学习的机会。这次教学对于学生理解聚类分析和数据分类的过程和应用起到了一定的作用。然而，我也发现了自己在教学过程中的一些不足之处。例如尽管大多数学生积极参与，任有少部分学生需要更多的鼓励和引导；资源的选择可能需要更多的多样性和深度来满足不同学生的学习需求；在课堂中设定更充分的指导环节，确保每位学生都能够充分理解和应用所学知识。通过反思和总结，我将努力改进教学策略和方法，以提高教学效果，更好地满足学生的学习需求。 附件：项目学习活动记录表 《5.3 数据的分析（2）》 项目学习活动记录表 班级 小组编号 学生活动一：聚类分析 完成分组活动探究，请按照老师提供的聚类分析的基本操作指引进行操作。首先，导入5.2节采集的数据，并运行聚类分析Python程序代码。在观察程序对数据进行聚类分析的结果时，填写活动记录表。祝你顺利完成活动！ 知识技能 聚类分析主要观察以下几个方面： 1.数据点的分布和形状：观察散点图，看看有多少组数据，可以通过颜色或符号来区分不同组的数据点。 2.组的大小、紧密度和分离度：观察每个组中有多少个数据点。紧密聚集意味着这些数据点的相似度高。 3.边界区域是否清晰：注意观察不同组之间的边界是否能够清楚地分辨出来。 4.是否有异常点：留意是否有与其他数据点相比较异常的数据点存在。 聚类分析结果分析： 学生活动二：数据分类 完成分组活动探究，请按照老师提供的基本操作指引进行操作。并运行数据分类Python程序代码。对实验数据的类别进行预测。并阅读教材117页拓展内容，思考贝叶斯分类技术原理。祝你顺利完成活动！ 一小组实验数据： 二小组实验数据： 特征A：182.8 特征A：128.8 特征B：58.9 特征B：158 特征C：26 特征C：4.7 (消费客户预测) (商品种类预测) 并填写活动记录表。 知识技能 数据分类结果分析： 贝叶斯分类技术原理： 1 学科网（北京）股份有限公司 $