4.1.1数据分析及其发展教学设计-2025-2026学年浙教版高中信息技术选修三

该高中信息技术教学设计聚焦数据分析基础，涵盖定义、用途及统计分析、数据挖掘、大数据分析要点。通过央视纪录片《大数据时代》导入，结合沃尔玛啤酒尿布等生活案例，以任务驱动（列举实例、总结定义）构建从生活感知到概念理解的学习支架。 特色在于情境导入激发信息意识，任务探究（身高与成绩关系建模、数据挖掘案例分析）培养计算思维，大数据分析可视化与情景感知案例提升数字化学习能力。实例贴近生活突破难点，助力学生形成数据价值判断力，教师教学环节清晰易操作。

教学设计 课程基本信息 学科 信息技术 年级 高中 学期 春季 课题 数据分析基础 教科书 书 名：《数据管理与分析》 出版社：浙江教育出版社 出版日期：2022年11月 教学目标 1. 知道数据分析的定义和用途，了解统计分析、数据挖掘和大数据分析。 2. 能从日常生活中发现数据归纳的例子，学习类比、归纳的思考方式。 3. 体会信息技术蕴藏的文化内涵，体会信息对社会的价值。 教学内容 教学重点： 1. 知道什么是数据分析。 2. 知道数据分析的用途。 3. 了解统计分析、数据挖掘和大数据分析。 教学难点： 了解统计分析、数据挖掘和大数据分析。 教学过程 1、 引入 观看央视纪录片《大数据时代》。 2、 授新课 任务一：请同学们结合视频并思考我们为什么要进行数据分析？ 总结大数据分析的目的：数据分析的目的是从一大堆数据中提炼出信息，探索数据对象的内在规律。 讲解生活中大数据分析的具体案例：全球零售业巨头沃尔玛在对消费者购物行为分析时发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。 任务二：请同学们根据案例列举生活中关于数据分析的例子，并思考总结什么是数据分析？ 任何对数据进行计算、处理从而得出一些有意义的结论的过程，都属于数据分析。 介绍数据分析的用处：现状分析、原因分析、预测分析等，以及这三个分析的作用。现状分析：对当前某一现状进行合理解释，从多个指标揭示整体情况，或从内部构成指标的发展及变动进行深入剖析。原因分析：揭示某一状态为什么发生。通过原因分析有助于策略的调整与优化。预测分析：估算未来结果或趋势，帮助用户评估和权衡潜在决策。 随着数据量的急剧增长，数据分析的方法、工具和技术也在不断的发展。从数据分析发展的角度，数据分析可以分为统计分析、数据挖掘、大数据分析等。 1、统计分析： 任务三：证明身高和成绩是有关系的。 举例证明方法：搜集身高和成绩的样本数据，首先算出数据之间的相关系数，来表明两者的相关程度。来验证假设是否成立，从而得出相应的结论。 进行统计分析时，一般先用描述性统计的方法计算出数据的集中趋势、离中趋势和相关系数等指标，然后在此基础上，以样本信息推断总体情况，并分析和推测总体的特征和规律。 常用的统计分析方法有平均分析、对比分析、分组分析、相关分析、回归分析等。 统计分析有明确的目标和思路，先做假设或判断，采用已知模型，通过数据统计、数值计算来验证假设是否成立，从而得到相应的结论。 统计分析就是通过统计学方法对数据进行处理，提取有用信息，形成结论的过程。 统计分析的作用是将繁杂的数据进行简化和抽象，以便抓住事物的本质和特征。分析者通过分析报告表达观点和立场，为决策提供支持。 讲解注意点：我们这节课所讲的数据分析和心理等学科的数据分析是不一样的，我们先有数据，再利用统计学方法对数据进行分析处理，得出结果；关注的是对数据的处理方法和技术。 深入学习统计分析网站：http://www.stats.gov.cn 2、数据挖掘： 数据挖掘是为了改进传统分析方法的不足，针对大规模数据的分析处理而产生的。 生活中数据挖掘举例：通过挖掘顾客购物车中商品之间的关联，分析顾客的购物习惯，帮助零售商制定营销策略。 关联分析定义：是找出描述数据项之间存在的关联关系，即发现隐藏在数据间的关联或相关关系。例子：购物车分析、找出相关功能的基因组等。 生活中数据挖掘举例：根据文章出现词的相似性，对文章进行分组。 聚类分析定义：是把一组数据按照相似性和差异性分为几个类别，使同一类中的成员彼此相似，而与其他类别的成员不同。例子：相关顾客分组、压缩数据、识别模式、处理图像等。 数据挖掘基于数据库、统计学、模式识别、机器学习、人工智能、可视化等技术，从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、未知的、潜在有用的信息和知识。 数据挖掘的目标：发现隐藏于数据背后的规律或数据间的关系。 数据挖掘的常见任务：主要有预测建模、关联分析、聚类分析、异常检测等 数据挖掘一开始就是面向应用的，随着数据挖掘技术的日趋完善，它广泛应用于科学研究、商业应用、金融投资、互联网应用等领域。 任务四： 3、 大数据分析： 对已有的统计分析和数据挖掘算法加以改进，迁移到这些分布式计算系统上，就能实现大数据分析。 大数据分析需要解决的难题是海量数据在多台机器上的存储以及如何对存储在多台机器上的数据进行计算分析。 大数据的分析方法是基于常规统计分析或数据挖掘算法，很多分析方法都是对原有算法的改进，将原来单机实现的算法改成多台机器的分布式计算。 大数据分析重要手段：可视化。 可视化将计算机自动处理和可视分析紧密结合起来，通过对数据结果和数据模型的交互可视化，让人脑介入大数据的分析过程。 大数据分析重要应用：情景感知。 它根据收集到的数据对行为进行细致的“猜测”，帮助用户完成日常工作。 3、 总结 本节课讲解的内容是数据分析基础及发展。我们首先讲解了数据发展，在围绕着数据发展讲解了统计分析、数据挖掘和大数据分析。 学科网（北京）股份有限公司 $