第五单元+人工智能的实现方式—设计一款无人驾驶智能车 +探索2 预测与分类（第一课时）+教学设计2025-2026学年苏科版初中信息科技九年级全一册

课时编号 004 备课时间 上课时间 课　　题 第五单元 探索2 预测与分类（第一课时） 教学目标 信息意识 1.理解线性回归是 AI 预测的核心技术，感知其在图书价格估算、人口增长预测、无人驾驶路况预测、销量分析等场景的广泛应用，增强对 AI 预测技术落地能力的认知。 2.能区分 “数据特征” 与 “预测结果” 的关联，提升对 AI 数据分析技术的敏感度与信息甄别能力。 计算思维 1.掌握线性回归算法的核心逻辑（分析历史数据→拟合线性关系→预测未来值），能拆解 “图书价格估算” 的预测流程。 2.能分析散点图的分布规律，理解 “线性假设” 的本质，培养数据可视化、趋势抽象与算法建模的计算思维。 数字化学习与创新 1.完成 “图书价格估算” 的数据分析实践，利用图表工具标记数据点并拟合直线，提升数字化数据处理与分析能力。 2.结合无人驾驶场景，设计简易的线性回归预测方案（如车速预测、路况预判），培养算法思维的创新应用与系统设计能力。 信息社会责任 1.认识预测算法对智慧生活、科学决策的推动作用，理解数据驱动决策对社会效率的提升意义。 2.理性看待预测算法的局限性（如受数据质量、特征选择影响），培养科学、严谨、辩证的技术观。 教学重点 1.线性回归算法的核心概念与基本原理。 2.利用历史数据拟合线性关系，进行预测的流程。 教学难点 1.理解 “线性关系” 与 “拟合” 的抽象概念。 2.分析线性回归算法的准确性影响因素（数据质量、特征选择、问题复杂性）。 教学方法 1.教法：情境教学法、实验探究法、案例分析法、小组合作指导法 2.学法：实操体验法、数据梳理法、迁移应用法、讨论探究法 教学准备 硬件：多媒体教室、计算机、投影设备 软件：PPT 课件、Excel / 在线图表工具（用于数据绘图）、线性回归算法演示动画、无人驾驶预测案例视频 素材：图书价格数据表（表 5-1）、散点图模板、线性回归公式卡片、无人驾驶路况预测案例、人口增长趋势图、生活电商价格估算截图 分组：4 人一组，设数据员、绘图员、分析员、发言人 教　学　过　程 教学环节 教师活动 学生活动 设计意图 一、情境导入，聚焦预测（5 分钟） 1.播放无人驾驶智能车路况预测短视频（如根据前车速度预测自身加速度、根据路况预测拥堵），提问：“无人驾驶智能车如何提前预判路况？它为什么能估算未来的人口增长、图书价格？” 2.展示表5-1 图书价格估算案例， 引出任务：“300 页的教材，价格是多少？如何从历史数据中找规律？”3.引出课题：“今天我们探究人工智能的预测方式 —— 线性回归算法，用数据规律预测未来。” 1.观看视频，感知预测技术在无人驾驶中的核心作用。 2.观察图书价格数据表，思考数据规律，进入探究状态。 3.明确本节课核心任务：理解线性回归原理，完成价格估算。 1.用无人驾驶真实场景导入，激发兴趣，落实信息意识。 2.以图书价格为抓手，建立 “数据→规律→预测” 的思维起点。 二、新知探究 1：数据可视化与规律发现（10 分钟） 1.展示表 5-1 数据：总页码 / 页数（自变量）与图书价格（因变量）。 2. 布置小组任务： 任务 1：将数据标记在图 5-3 坐标系中（散点图），观察分布规律。 任务 2：思考：数据点呈现什么趋势？是否存在线性关系？ 3.巡视指导，引导学生观察：页码越大，价格越高，数据点大致呈一条直线趋势。 4.讲解：这就是线性关系，是线性回归算法的基础。 1.小组合作，在坐标系中标记数据点，生成散点图。 2.观察数据分布，讨论趋势规律，判断是否为线性关系。 3.明确线性关系的特征：呈直线趋势，正相关 / 负相关。 1.核心实践环节：通过数据绘图，直观感知线性关系，落实计算思维中的数据抽象能力。 2.培养数字化数据处理能力，为算法原理理解铺垫。 三、新知探究 2：线性回归算法原理（12 分钟） 1.讲解线性回归算法概念：通过分析历史数据，在满足线性假设的条件下，拟合变量之间的线性关系，从而预测目标变量的变化趋势。 2.结合散点图，讲解 “拟合”： 绘制一条直线，尽可能贴近所有数据点（即 “拟合直线”）。 公式：y=kx+b（x= 页码，y= 价格，k= 斜率，b= 截距）。 3. 演示算法流程：输入历史数据 → 算法计算 k 和 b → 得到拟合直线 → 代入新 x 预测 y。 4.补充新案例： 生活案例：电商平台根据历史销量预测商品热度、根据用户浏览记录预测购买意向。 无人驾驶案例：根据车辆历史速度数据，预测加速 / 减速趋势。 1.理解线性回归的核心公式与算法流程。 2.结合散点图，理解 “拟合” 的概念，建立算法模型思维。 3.结合生活与无人驾驶案例，感知算法的广泛应用。 1. 从具象数据到抽象算法，搭建理论框架，落实计算思维。 2. 补充多领域案例，让学生理解算法的普适性，拓展视野。 四、实践探究：图书价格估算与算法验证（13 分钟） 1.布置小组任务： 任务 1：根据散点图，手绘拟合直线，估算 k（斜率）和 b（截距）。 任务 2：代入公式 y=kx+b，计算 300页教材的价格。 任务 3：讨论：为什么不同小组的估算结果不同？算法的准确性受什么影响？ 2.巡视指导，重点引导学生理解 “拟合误差” 的概念，以及数据质量、特征选择对结果的影响。 3.拓展思考：如果数据点分布杂乱，线性回归还准确吗？（引出非线性回归的必要性）。 1.小组合作，手绘拟合直线，计算预测价格。 2.对比不同小组的估算结果，分析差异原因。 3.讨论算法准确性的影响因素，总结线性回归的适用条件。 4.思考算法局限，为后续拓展铺垫。 1.核心实践环节：用算法解决实际问题，落实数字化学习与创新。 2.培养数据分析与协作能力，突破 “算法准确性” 的教学难点。 五、总结与作业（5 分钟） 1. 梳理本节课核心： 线性回归：通过历史数据拟合线性关系，预测未来值。 公式：y=kx+b，核心是找 k 和 b。 关键：数据质量、特征选择、线性假设。 2.布置分层作业： 基础作业：完成图书价格估算报告，绘制散点图并拟合直线，写出计算过程。 提升作业：结合无人驾驶智能车，设计一个基于线性回归的预测方案（如预测行驶速度、预判路况拥堵），说明流程。 拓展作业：查找线性回归在人口预测、气象预报中的应用案例，分析其数据特征。 3.总结：预测算法是 AI 的重要能力，它能帮助无人驾驶与智慧生活做出科学决策。 1.跟随教师梳理知识点，构建知识体系。 2.记录分层作业，明确课后学习要求。 3.深化对预测算法社会价值的认知。 1.梳理知识，强化记忆，落实核心素养。 2.分层作业满足不同学生需求，延伸应用能力。 教学反思 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 学科网（北京）股份有限公司 $