第4单元 用数据说话——数据处理教学设计 2025—2026学年中职信息技术高教版基础模块（下册）

该中职信息技术单元复习资料采用大单元设计，系统梳理数据处理全流程，涵盖数据采集、清洗、计算、整理、可视化、多维分析及大数据认知，通过“数据处理流程口诀”和“数据分析思维导图”构建知识网络，体现从基础操作到进阶思维的逻辑脉络。 其亮点在于以真实职业情境导入，结合“数据侦探”任务和专业数据分析项目实践，融入WPS AI智能工具，通过自评互评教师评价的多维体系培养计算思维和数字化学习与创新能力，助力学生巩固技能，教师精准把握学情提升复习效率。

第4单元 用数据说话——数据处理 教学设计 【教学内容分析】 本单元”用数据说话——数据处理”是中等职业学校信息技术课程基础模块上册的核心技能单元，承接第一单元”探索信息技术——信息技术应用基础”中对信息系统与信息设备的认知、第二单元”神奇的e空间——网络应用”中对网络资源的获取与协作工具的运用，以及第三单元”文档创意与制作——图文编辑”中对文档处理技能的掌握，进一步将学习重心聚焦于数据处理这一关键的信息技术应用能力。本单元内容涵盖数据采集、数据加工、数据分析、大数据认知四大模块，构成了从”获取数据”到”清洗加工”再到”分析洞察”最终”理解趋势”的完整数据能力链条，是学生未来从事各类职业岗位必备的核心技能。 从知识结构来看，本单元可分为两个逻辑层次：第一层次为”数据基础操作与加工”，包括采集数据（输入数据、导入数据、格式化数据）、加工数据（使用公式和函数、使用排序、使用筛选、使用分类汇总），侧重于培养学生规范、高效的数据处理基础技能；第二层次为”数据分析与洞察创新”，包括分析数据（使用图表、使用数据透视表和透视图）、初识大数据（了解大数据概念、特征与应用场景），侧重于培养学生的数据可视化表达能力、多维分析能力和对数据驱动决策的初步认知。两个层次由浅入深、由操作到思维，体现了”技能奠基—能力拓展—素养提升”的职教理念。 从学科核心素养培育角度分析，本单元是落实信息意识、计算思维、数字化学习与创新、信息社会责任四个核心素养的关键载体。通过对不同数据源的比较与选择，学生能够建立数据质量意识和信息甄别能力，形成敏锐的信息意识；通过对公式函数、排序筛选、分类汇总等数据加工方法的学习，学生能够运用分解、抽象、模式识别、算法设计等计算思维方法，将复杂的数据处理任务转化为可执行的步骤序列；通过对图表选择、数据透视表构建、可视化呈现等分析技能的掌握，学生能够体验数据驱动决策的科学方法，培养数字化学习与创新能力；通过对数据隐私、数据安全、数据伦理等知识的学习，学生能够树立正确的数据使用准则，增强信息社会责任担当。 从学情特点来看，中职一年级学生在义务教育阶段已接触过电子表格软件（如WPS表格或Microsoft Excel），具备基本的数据输入、简单计算等操作经验。然而，这种经验多停留在”计算器”层面，存在诸多问题：数据输入不规范，如日期格式混乱、文本数字混用、空行空列随意插入等；函数应用能力薄弱，仅会使用SUM等最简单函数，对IF、VLOOKUP、COUNTIF等常用函数望而生畏；数据分析意识缺失，面对大量数据无从下手，缺乏”用数据说话”的思维习惯；对大数据、人工智能等前沿技术认知模糊，难以与专业学习和未来职业建立关联。同时，中职学生动手能力强、对直观结果敏感，喜欢”看得见”的操作反馈，但理论学习耐心不足，对抽象的概念和复杂的公式容易产生畏难情绪。因此，本单元教学应充分利用学生已有的操作经验作为”脚手架”，在”纠错”中”规范”，在”模仿”中”理解”，在”应用”中”创新”，实现从”数据录入员”向”数据分析师”的身份转变。 从时代发展需求来看，当前数据处理技术正处于智能化、自动化、云端化的深刻变革期。2025年，WPS Office智能表格已深度融合AI技术，实现了AI写公式、智能数据清洗、AI洞察分析、自动化图表生成、自然语言交互等创新功能；数据透视表功能进一步优化，支持切片器交互式筛选和多维度动态分析；大数据技术持续演进，从概念普及走向行业深度融合，数据驱动决策已成为企业标配。教学中应融入这些最新发展动态，帮助学生建立与时俱进的数据处理认知，理解数据分析在职业场景中的价值，为其专业学习和职业发展提供支撑。 【课时安排】 本单元教学设计分为两个课时： 第一课时：数据加工基础——采集数据与加工数据 第二课时：数据分析进阶——可视化分析与大数据认知 两个课时内容相互衔接，第一课时侧重于数据处理的基础技能与规范意识的培养，第二课时侧重于数据的可视化表达、多维分析能力和数据思维的培养，共同构成完整的单元教学体系。 【教学目标】 依据《中等职业学校信息技术课程标准》，本单元教学目标从信息意识、计算思维、数字化学习与创新、信息社会责任四个学科核心素养维度进行设计。 第一课时教学目标： 信息意识： 1. 能够描述数据采集的主要途径（手动输入、导入外部数据、网络抓取等），理解不同数据源的质量差异和适用场景。 2. 能够识别常见的数据格式问题（如日期格式不统一、数字存储为文本、多余空格、重复数据等），建立数据质量意识。 3. 能够理解公式和函数在数据加工中的核心价值，认识到自动化计算相较于手动计算在效率和准确性方面的优势。 计算思维： 1. 能够运用分解思维，将复杂的数据加工任务拆解为输入、计算、输出等子任务，逐一实现。 2. 能够运用抽象思维，理解函数的本质——将重复的计算逻辑封装为可复用的模块，提高计算效率。 3. 能够运用模式识别方法，归纳总结不同数据处理场景（如求和、计数、查找、判断）对应的函数类型，建立”问题—函数”的对应认知框架。 4. 能够运用算法思维，理解排序、筛选、分类汇总背后的逻辑流程，掌握”先排序后分类汇总”等组合操作技巧。 数字化学习与创新： 1. 能够熟练运用WPS Office 2025或Microsoft Excel 2024等最新版软件，完成数据的输入、编辑、格式化、保存等基础操作。 2. 能够运用常用函数（SUM、AVERAGE、MAX、MIN、COUNT、IF、VLOOKUP等）进行数据计算和逻辑判断。 3. 能够运用排序、筛选、分类汇总等工具，对数据进行快速整理和初步分析。 4. 能够利用WPS AI的智能公式生成、数据清洗等功能，体验智能化数据处理的高效与便捷。 信息社会责任： 1. 能够尊重数据隐私，理解个人信息、商业数据、公共数据的保护边界，在数据采集和处理中遵守法律法规。 2. 能够树立数据安全意识，掌握工作簿加密、工作表保护、单元格锁定等数据保护方法。 3. 能够理解数据真实性的重要性，在数据处理中拒绝篡改数据、伪造数据等不诚信行为。 第二课时教学目标： 信息意识： 1. 能够区分不同类型的数据可视化工具（如柱状图、折线图、饼图、散点图、雷达图等），根据数据特征和表达目的选择合适的图表类型。 2. 能够描述数据透视表的核心功能（多维度汇总、动态筛选、交叉分析），理解其在海量数据分析中的价值。 3. 能够描述大数据的基本概念（Volume、Velocity、Variety、Value、Veracity）和典型应用场景，感知大数据技术对产业升级和社会变革的深刻影响。 计算思维： 1. 能够运用系统思维，将数据分析视为”数据采集—清洗加工—可视化呈现—洞察决策”的完整流程，统筹规划各环节。 2. 能够运用抽象思维，理解数据透视表的底层逻辑——基于行、列、值、筛选四个维度的数据立方体切片。 3. 能够运用比较分析法，评估不同图表类型、不同分析维度对信息传达效果的影响，优化数据呈现方案。 4. 能够运用迭代思维，通过”分析—呈现—反馈—优化”的循环过程，不断提升数据分析的精准度和说服力。 数字化学习与创新： 1. 能够熟练运用图表工具，根据数据特征创建美观、准确、易懂的数据可视化作品。 2. 能够运用数据透视表和切片器，对复杂数据集进行多维度动态分析，发现数据背后的规律和趋势。 3. 能够运用WPS AI的AI洞察分析、智能图表推荐等功能，快速生成数据分析报告和可视化图表。 4. 能够结合所学专业，设计制作具有专业特色的数据分析作品（如销售分析报表、成绩分析看板、库存管理报表等）。 信息社会责任： 1. 能够尊重数据知识产权，理解数据集、统计报告、分析结论的引用规范，避免数据侵权和学术不端。 2. 能够树立数据伦理意识，认识数据偏见、算法歧视、隐私泄露等潜在风险，形成理性的数据使用态度。 3. 能够践行数据透明原则，在数据分析报告中注明数据来源、分析方法和局限性，避免误导性结论。 【教学重难点】 第一课时： 教学重点： 1. 数据输入的规范性，包括数据类型识别（文本型、数值型、日期型、逻辑型）、日期格式统一（YYYY-MM-DD或YYYY/MM/DD）、数字格式设置（千位分隔符、小数位数、百分比、货币符号）、文本格式处理（自动换行、合并单元格慎用、数据验证设置）。 2. 外部数据的导入方法，包括从文本文件（CSV、TXT）导入时的分隔符选择（逗号、制表符、分号）和编码设置（UTF-8、GBK），从数据库导入时的连接配置，从网页导入时的表格识别。 3. 常用函数的理解与应用，包括数学函数（SUM、AVERAGE、MAX、MIN、ROUND）、统计函数（COUNT、COUNTA、COUNTIF、SUMIF）、逻辑函数（IF、AND、OR、NOT）、查找函数（VLOOKUP、HLOOKUP、INDEX、MATCH）的语法结构和参数含义。 4. 排序、筛选、分类汇总的组合应用，特别是”自定义排序”（多关键字排序）、“高级筛选”（多条件筛选、条件区域设置）、“多级分类汇总”（嵌套分类汇总）的操作技巧。 教学难点： 1. 理解函数的嵌套使用，特别是IF函数的嵌套（多条件判断）和VLOOKUP函数的近似匹配（区间查找），能够根据实际需求构建复杂的函数公式。 2. 理解绝对引用、相对引用、混合引用的区别及其在公式复制过程中的行为差异，能够正确选择引用类型以确保公式在批量复制时的准确性。 3. 理解分类汇总的底层逻辑——“先按分类字段排序，再执行分类汇总”，以及分类汇总结果的层级显示（123级按钮）和删除方法。 4. 掌握数据验证的设置方法，能够创建下拉列表、限制输入范围、设置输入提示和错误警告，从源头保障数据质量。 第二课时： 教学重点： 1. 图表类型的选择原则，包括柱状图（比较不同类别的数值）、折线图（显示趋势变化）、饼图（展示构成比例）、散点图（分析变量关系）、雷达图（多维度评估）等常见图表的适用场景和禁忌。 2. 图表的美化与规范，包括图表标题、坐标轴标题、数据标签、图例、网格线的设置，颜色搭配的专业性（避免默认配色的随意性），以及”图表junk”（无意义的装饰元素）的清除。 3. 数据透视表的创建与配置，包括数据源的选择、行字段/列字段/值字段/筛选字段的拖拽放置、值字段的汇总方式（求和、计数、平均值、最大值、最小值、标准差等）、数据透视表的刷新和格式设置。 4. 切片器的插入与联动，包括单切片器的筛选操作、多切片器的组合筛选、切片器的样式美化，以及切片器与数据透视表的实时联动机制。 教学难点： 1. 理解数据透视表的”数据立方体”概念，即通过行、列、值、筛选四个维度对数据进行切片和聚合，能够从多维视角审视数据。 2. 掌握数据透视表中”计算字段”和”计算项”的创建方法，能够在现有数据基础上进行自定义计算（如利润率、增长率、完成率等派生指标）。 3. 理解大数据的”5V”特征（Volume大量、Velocity高速、Variety多样、Value价值、Veracity真实性）及其对传统数据处理方式的挑战，建立大数据思维。 4. 将数据分析技能与所学专业进行创造性结合，从”数据操作者”视角转向”数据洞察者”视角，设计具有专业价值的数据分析方案。 【教学过程】 第一课时：数据加工基础——采集数据与加工数据 一、情境导入 【教学环节】 创设情境，唤醒经验 【教师活动】 教师以”数据侦探”角色引入：“同学们，假设你是一名刚入职的电商公司数据专员，老板给你一份混乱的原始销售数据，要求你整理出’各区域各品类的月度销售额汇总表’。你打开文件，发现数据是这样的——日期格式混乱（有的写’2024/3/5’，有的写’2024-03-05’，有的写’3月5日’），产品名称不统一（有的写’iPhone 15’，有的写’苹果15’，有的写’IPHONE15’），数值列里混着文本（有的单元格左上角有绿色小三角），还有空行和重复记录。你该怎么办？” 教师展示这份”混乱数据”的截图（提前准备），让学生直观感受数据质量问题的严重性。随后提出问题：“在真实工作中，原始数据往往’脏乱差’。据统计，数据分析师80%的时间花在数据清洗上，只有20%的时间用于真正的分析。今天，我们将学习如何从’脏乱差’的原始数据出发，通过规范输入、智能导入、函数计算、排序筛选，最终得到’干净整齐’的可用数据。” 【学生活动】 学生观察混乱数据，纷纷指出问题：“日期格式不统一”“产品名称有的写中文有的写英文”“数字怎么变成文本了”“有空行和重复”。有学生说：“如果让我手动改，几百行数据得改一天。”有学生问：“有没有什么快速的方法？” 学生的反应表明，他们已意识到数据清洗的必要性，并对高效方法产生强烈需求。这一认知为后续教学奠定了动机基础。 【设计意图】 通过真实工作场景的模拟，让学生直观感受到数据质量问题的普遍性和严重性。“80/20法则”的引入，让学生理解数据清洗在数据分析流程中的基础性地位，产生学习数据规范处理方法的内在动力。学生的自发提问”有没有什么快速的方法”，表明他们已准备好接受新知识的输入。 二、数据采集与格式化 【教学环节】 规范引领，质量为先 【教师活动】 教师以”数据质量是分析的生命线”为核心观点，讲解数据采集与格式化的规范。 模块一：规范输入数据 教师演示数据输入的最佳实践：数据类型识别：文本型（左对齐，如姓名、地址）、数值型（右对齐，如数量、金额）、日期型（右对齐，如2024-03-15）、逻辑型（居中，如TRUE/FALSE）。教师强调：“输入数据时，应让软件’认识’数据的类型，而不是只让眼睛’看见’。”日期格式统一：使用”设置单元格格式”统一为”YYYY-MM-DD”或”YYYY/MM/DD”格式，避免”3月5日”“3/5”等模糊表达。教师解释：“日期本质上是数字（从1900年1月1日起的天数），统一格式后才能进行日期计算（如计算间隔天数）。”数字格式设置：千位分隔符（1,000,000）、小数位数（保留两位）、百分比（85.5%）、货币符号（¥1,250.00）。教师演示”会计专用格式”的设置，强调对齐方式（小数点对齐）对财务数据阅读的重要性。文本格式处理：自动换行（Alt+Enter手动换行）、合并单元格（慎用，会影响排序筛选和数据透视）、数据验证（创建下拉列表限制输入内容）。教师特别强调：“合并单元格是数据分析的’隐形杀手’，非必要不使用。” 模块二：导入外部数据 教师演示外部数据导入的方法：从文本文件导入：CSV文件（逗号分隔）、TXT文件（制表符分隔）。教师演示”数据→导入数据”向导，重点讲解分隔符选择（逗号、制表符、分号、空格、其他）和文本识别符号（双引号）的设置。教师提供一份编码错误的CSV文件（UTF-8编码被GBK打开导致乱码），演示如何通过”文件原始格式”选项（选择UTF-8）解决乱码问题。从网页导入：演示”数据→导入网络数据”功能，输入国家统计局数据页面的URL，WPS自动识别页面中的表格，用户选择需要的表格导入。教师强调：“网页导入的数据是动态的，刷新即可更新，适合需要定期获取最新数据的场景。”从数据库导入：简要演示ODBC连接配置（因复杂度较高，以演示为主，不要求学生操作），说明企业级应用中数据库是主要数据源。 模块三：数据格式化与清洗 教师演示数据清洗的核心操作：分列功能：将一列中的复合数据拆分为多列。例如，将”姓名-电话-地址”混合列按分隔符”-“拆分为三列。教师演示”数据→分列”向导，选择”分隔符号”或”固定宽度”。删除重复项：使用”数据→删除重复项”功能，选择判断重复的列（如按”姓名+电话”组合判断是否重复）。教师强调：“删除前应先备份原始数据，避免误删。”文本转数字：对于左上角带绿色小三角的”文本型数字”，使用”数据→分列→完成”一键转换，或使用VALUE函数转换。教师解释：“文本型数字无法参与计算，SUM函数会忽略它们，导致计算结果错误。”删除空行空列：使用定位功能（Ctrl+G→定位条件→空值）选中所有空单元格，批量删除。教师演示”Ctrl+G”快捷键的高效用法。 教师发布实操任务：“请将提供的’混乱销售数据’进行清洗，要求：统一日期格式为YYYY-MM-DD，统一产品名称（使用数据验证创建下拉列表），将文本型数字转换为数值型，删除重复记录和空行，最终得到一份’干净数据’。” 【学生活动】 学生在数据类型识别环节，首次关注到”对齐方式”与”数据类型”的关联。有学生恍然大悟：“原来左对齐的是文本，右对齐的是数字，这是软件在告诉我数据的性质！” 在日期格式统一环节，学生体验到”设置单元格格式”的强大。有学生说：“我输入’2024-03-15’，设置格式后显示’2024年3月15日’，原来同一个数字可以穿不同的’衣服’。” 在导入外部数据环节，学生对网页导入功能表现出浓厚兴趣。有学生尝试导入自己感兴趣的网页数据（如体育比赛成绩），成功后的兴奋感溢于言表。 在数据清洗实操中，学生遇到具体问题：分列时因分隔符选择错误导致拆分失败，删除重复项时因选择列不当误删了有效数据。在教师指导下，学生学会了”先预览再确认”“先备份再操作”的安全工作习惯。 【设计意图】 数据质量是数据分析的前提。通过”问题呈现—方法讲解—实操训练”的三段式教学，学生从”随意输入”走向”规范录入”，从”手动修改”走向”批量清洗”。分列、删除重复项、文本转数字等操作，是真实工作中最高频的数据清洗技能。实操任务的设计，让学生在”解决真实问题”中建构技能，体验数据清洗从”脏乱差”到”干净整齐”的成就感。 三、公式与函数精讲 【教学环节】 逻辑建构，计算自动化 【教师活动】 教师以”函数是Excel的灵魂”为核心观点，系统讲解常用函数。 模块一：函数基础认知 教师解释函数的本质：“函数是预定义的公式，是软件开发者为我们封装的’计算工具箱’。使用函数，就像请了一位数学专家，你只需要告诉他’算什么’，他会自动完成’怎么算’。” 教师讲解函数的语法结构：函数名(参数1, 参数2, …)。以SUM函数为例：=SUM(A1:A10)，函数名是SUM，参数是A1:A10（一个单元格区域）。教师强调：“等号=是公式的标志，告诉软件’接下来要计算了’。” 模块二：数学与统计函数 教师演示并让学生跟随操作：SUM：求和。=SUM(B2:B100)计算B2到B100的总和。教师演示”自动求和”按钮（Σ）的高效用法。AVERAGE：平均值。=AVERAGE(C2:C50)计算平均分。教师解释：“平均值对极端值敏感，必要时可配合MEDIAN（中位数）使用。”MAX/MIN：最大值/最小值。=MAX(D2:D20)找出最高销售额。COUNT/COUNTA：计数。COUNT只统计数字单元格，COUNTA统计非空单元格。教师用”考勤统计”案例说明两者的区别。COUNTIF/SUMIF：条件计数/条件求和。=COUNTIF(E2:E100,“男”)统计男生人数；=SUMIF(F2:F100,“>60”,G2:G100)统计及格学生的总分。教师强调：“条件要用英文引号括起来，如果是数值比较（如>60），条件和求和区域可以是不同列。”ROUND：四舍五入。=ROUND(A1,2)保留两位小数。教师解释财务计算中”显示两位”与”实际两位”的区别。 模块三：逻辑函数 教师重点讲解IF函数：“IF函数是Excel中最常用的逻辑函数，它像一个小法官，根据条件判断给出不同的结果。” 教师演示IF函数的基础用法：=IF(A1>=60,“及格”,“不及格”)。解释三个参数：条件（A1>=60）、条件成立时的返回值（“及格”）、条件不成立时的返回值（“不及格”）。 教师进阶演示IF函数的嵌套：=IF(A1>=90,“优秀”,IF(A1>=80,“良好”,IF(A1>=60,“及格”,“不及格”)))。教师用”剥洋葱”比喻嵌套逻辑：“从最外层开始判断，如果满足就返回结果，如果不满足就进入下一层判断，直到最内层。” 教师演示AND和OR函数的配合使用：=IF(AND(A1>=60,B1>=60),“双及格”,“有不及格”)，表示两科都及格才算”双及格”。 模块四：查找函数 教师以”在字典中查字”为比喻，讲解VLOOKUP函数：“VLOOKUP就像查字典，你给出一个’关键字’（ lookup_value ），它在一个’字典表’（ table_array ）的第一列中找到这个字，然后返回这个字所在行的某一列的内容（ col_index_num ）。” 教师演示VLOOKUP的精确匹配：=VLOOKUP(“张三”,A2:D100,2,FALSE)。四个参数：查找值（“张三”）、查找区域（A2:D100，第一列必须包含查找值）、返回列号（2，返回第二列的内容）、匹配类型（FALSE，精确匹配）。 教师演示VLOOKUP的近似匹配：=VLOOKUP(85,A2:B100,2,TRUE)。用于等级评定（如85分对应”良好”），要求查找区域的第一列按升序排列。 教师演示VLOOKUP的常见错误及解决方法：#N/A错误：查找值不存在，检查拼写或使用IFERROR包裹。#REF!错误：返回列号超出范围，检查col_index_num。文本型数字与数值型不匹配：统一格式或使用VALUE转换。 模块五：引用方式 教师用”租房”比喻三种引用方式：相对引用（A1）：像”租单间”，复制公式时地址相对变化。适合批量计算。绝对引用（$A$1）：像"买整套房"，复制公式时地址绝对不变。适合固定参数（如税率、折扣率）。 - **混合引用**（$A1或A$1）：像”租套房中的一间”，行或列之一固定。适合制作乘法口诀表等二维引用场景。 教师演示F4键快速切换引用方式，学生跟随练习。 模块六：WPS AI智能公式 教师演示WPS 2025的AI写公式功能：“在WPS表格中，点击WPS AI图标，输入自然语言指令，如’计算B列销售额的总和’，AI会自动生成=SUM(B:B)。更复杂的指令如’找出销售额大于10000且区域为华东的记录数’，AI会生成=COUNTIFS(B:B,”>10000”,C:C,“华东”)。” 教师强调：“AI是助手而非替代者，生成的公式需要理解其逻辑，才能判断是否正确。” 【学生活动】 学生在函数学习中，起初对嵌套IF感到恐惧。教师用”剥洋葱”比喻后，学生逐步理解。有学生说：“原来嵌套就像俄罗斯套娃，一层一层拆开看就简单了。” 在VLOOKUP学习中，学生体验到”查字典”的直观性。但实际操作中，学生频繁遇到#N/A错误。教师引导学生排查：查找值是否有空格？数据类型是否一致？查找区域第一列是否包含查找值？学生在”破案”过程中加深了对函数逻辑的理解。 在引用方式学习中，学生对F4键的快捷切换感到惊喜。有学生说：“以前手动输入$符号太麻烦了，F4一键搞定！”教师布置”制作九九乘法表”任务，学生必须使用混合引用才能完成，在挑战中巩固了知识。 在WPS AI体验中，学生输入各种自然语言指令，观察AI生成的公式。有学生输入”把A列的姓和B列的名合并成完整姓名”，AI生成了=A2&B2。学生对比手动输入，感叹”AI确实快，但我要知道&是连接符才放心”。 【设计意图】 函数是数据自动化计算的核心。通过”比喻讲解—案例演示—错误排查—AI辅助”的四段式教学，学生从”害怕公式”走向”理解函数”，从”手动计算”走向”自动化处理”。特别是VLOOKUP函数的”查字典”比喻，将抽象的逻辑匹配转化为生活化的认知。WPS AI的引入，既让学生体验技术进步的便利，又强调”理解逻辑”的重要性，避免成为”AI的附庸”。 四、排序、筛选与分类汇总 【教学环节】 数据整理，逻辑呈现 【教师活动】 教师以”数据整理的三把利剑”为比喻，讲解排序、筛选和分类汇总。 模块一：排序 教师演示排序的多种方式：简单排序：选中数据列，点击”升序”或”降序”按钮。教师警告：“只选中一列排序会导致数据行错位，必须选中整个数据区域或使用’数据→排序’对话框。”多关键字排序：在”排序”对话框中添加条件，如”主要关键字：销售额（降序），次要关键字：日期（升序）“。教师解释：”先按销售额从高到低排，销售额相同的再按日期从早到晚排。”自定义排序：按自定义序列排序，如按”一季度、二季度、三季度、四季度”而非字母顺序。教师演示如何创建自定义序列（文件→选项→自定义序列）。 模块二：筛选 教师演示筛选的进阶用法：自动筛选：点击列标题的筛选箭头，选择或搜索需要的内容。教师演示”按颜色筛选”“按数字筛选（大于、小于、介于）”“按日期筛选（本月、本季度、本年度）”。高级筛选：设置条件区域，实现多条件组合筛选。教师演示”且”条件（同一行，如”区域=华东 AND 销售额>10000”）和”或”条件（不同行，如”区域=华东 OR 区域=华南”）。教师强调：“条件区域的列标题必须与数据区域的列标题完全一致。”筛选后的计算：使用SUBTOTAL函数，只对可见单元格进行计算。教师对比SUM和SUBTOTAL的区别：筛选后SUM仍计算全部数据，SUBTOTAL只计算筛选结果。 模块三：分类汇总 教师以”先排队，再分组”为比喻，讲解分类汇总的操作流程：第一步：排序：按分类字段排序（如按”区域”排序），确保同类数据在一起。第二步：汇总：数据→分类汇总，选择分类字段（区域）、汇总方式（求和）、选定汇总项（销售额）。教师演示”替换当前分类汇总”和”嵌套分类汇总”（如先按区域汇总，再按品类汇总）。第三步：查看：使用左侧的123级按钮，查看不同层级的汇总结果（1级只看总计，2级看区域总计，3级看明细）。第四步：删除：数据→分类汇总→全部删除，恢复原始数据。 教师发布综合任务：“请对清洗后的’销售数据’进行以下分析：①按销售额从高到低排序；②筛选出华东区域销售额大于5000的记录；③按区域分类汇总销售额；④按区域和品类进行嵌套分类汇总。” 【学生活动】 学生在排序环节，起初犯了一个常见错误：只选中”销售额”一列点击降序，导致”销售额”和”产品名称”“区域”等列错位。教师利用这个错误进行教学：“看，张三的销售额跑到李四的产品名下面了！排序必须整行一起动。”学生深刻记住这一教训。 在筛选环节，学生对高级筛选的条件区域设置感到困惑。教师用”且”和”或”的逻辑关系进行解释，学生逐步理解。有学生说：“原来条件区域就是告诉软件’我要找什么样的人’，同一行是’并且’，不同行是’或者’。” 在分类汇总环节，学生体验到”先排序后汇总”的重要性。有学生未排序直接汇总，结果每个产品都单独汇总，而非按区域汇总。教师引导：“不排序就像不排队直接分组，软件只能把相邻的当成一组。”学生纠正后，看到整齐的汇总结果，理解了排序的必要性。 【设计意图】 排序、筛选、分类汇总是数据整理的”三剑客”。通过”比喻讲解—错误演示—纠正强化”的教学策略，学生在”犯错”中”学习”，在”纠正”中”巩固”。特别是排序时的”单列错位”错误，是学生的典型问题，利用错误进行教学比单纯讲解更有效。综合任务将三种工具组合使用，检验学生的综合应用能力。 五、数据验证与保护 【教学环节】 源头控制，安全护航 【教师活动】 教师以”数据验证是数据质量的守门员”为比喻，讲解数据验证的设置。 模块一：数据验证 教师演示数据验证的核心功能：创建下拉列表：选中单元格区域，数据→有效性→允许”序列”，输入选项（如”男,女”或引用单元格区域）。教师强调：“下拉列表从源头限制输入内容，避免拼写错误和不规范数据。”限制输入范围：设置数值范围（如0-100分）、日期范围（如2024-01-01至2024-12-31）、文本长度（如身份证号18位）。设置输入提示：在”输入信息”选项卡中设置提示文字，指导用户正确输入。设置错误警告：在”出错警告”选项卡中设置警告样式（停止、警告、信息）和提示文字。 教师演示”圈释无效数据”功能：设置验证规则后，点击”圈释无效数据”，软件自动用红圈标出不符合规则的数据，方便批量修正。 模块二：工作簿保护 教师讲解数据安全保护的方法：工作簿加密：文件→文档加密→密码加密，设置打开密码和编辑密码。教师强调：“密码要复杂且牢记，忘记密码可能导致文件永久无法打开。”工作表保护：审阅→保护工作表，设置允许用户进行的操作（如只能输入数据，不能修改公式和格式）。教师演示如何取消”选定锁定单元格”的勾选，实现”只能看不能改”。单元格锁定：默认所有单元格为”锁定”状态，取消特定单元格的锁定后，保护工作表时这些单元格可编辑。教师演示”设置单元格格式→保护→取消锁定”的操作。 教师结合案例讲解：“某公司员工将未加密的客户信息表发送给合作伙伴，导致客户数据泄露，公司被罚款并赔偿损失。数据保护不是’小题大做’，而是职业素养和法律要求。” 【学生活动】 学生在数据验证环节，对下拉列表功能表现出极大兴趣。有学生说：“以后做班级统计表，性别列用下拉列表，再也不会有人写’男生’‘男的’’man’各种写法了。” 在限制输入范围环节，学生设置了”0-100”的分数验证，并测试输入”101”时的错误警告。有学生调皮地输入”101”，看到弹出的警告框，笑着说：“软件比老师还严格！” 在工作表保护环节，学生学会了”保护公式但允许输入”的设置方法。有学生说：“我可以把做好的工资表发给同事，他们只能填自己的数据，不能改我的公式，太实用了。” 【设计意图】 数据验证是”预防胜于治疗”理念的体现，从源头控制数据质量。工作簿保护是数据安全意识的实践，将技能训练与职业规范、法律要求相结合。学生的积极反应表明，这些功能贴近他们的实际需求（如班级统计、社团管理），学习的实用感强烈。 六、课堂小结 【教学环节】 知识梳理，固化认知 【教师活动】 教师引导学生用”数据处理流程口诀”回顾本课时内容： “数据采集要规范，类型格式先统一； 外部导入看编码，清洗分列去重复； 函数计算自动化，SUMIF、VLOOKUP要牢记； 引用方式F4切，嵌套IF像剥洋葱； 排序筛选三利剑，先排后汇总逻辑清； 数据验证守门口，工作簿加密保安全。” 教师布置课后作业： 1. 基础作业：完成一份”班级成绩表”的数据处理，包括：规范输入10位同学的5门课程成绩，使用函数计算每人总分、平均分、最高分、最低分，使用IF函数评定等级（优秀/良好/及格/不及格），按总分降序排序。 2. 拓展作业：使用VLOOKUP函数，根据”学号”从”学生信息表”中自动填充”姓名”和”班级”到”成绩表”中。 3. 实践作业：体验WPS AI的”智能公式”功能，尝试用自然语言生成3个复杂公式，记录AI生成的公式和自己的理解。 【学生活动】 学生朗读口诀，在韵律中巩固知识。口诀涵盖了本课时的所有核心技能点，便于记忆和回顾。 学生记录作业要求，对VLOOKUP拓展作业表现出挑战欲，纷纷表示”要试试这个’查字典’功能”。对WPS AI体验作业，学生充满好奇，想测试AI的”智商”。 【设计意图】 口诀总结符合中职学生的记忆特点，将复杂知识凝练为朗朗上口的韵律。分层作业设计兼顾基础巩固（成绩表计算）、技能拓展（VLOOKUP应用）和前沿体验（AI智能公式），形成完整的学习闭环。 第二课时：数据分析进阶——可视化分析与大数据认知 一、复习导入 【教学环节】 温故知新，能力迁移 【教师活动】 教师展示上节课学生的优秀作业（已提前收集并匿名处理），简要点评数据处理的规范之处。随后提出过渡性问题：“上节课我们学会了如何把’脏乱差’的数据整理成’干净整齐’的数据，也学会了用函数自动计算。但面对成百上千行的数据，如何一眼看出规律？如何让老板在3分钟内理解你的分析结论？” 教师展示两组对比：对比A：一份包含100行销售数据的表格 vs 一张展示”各区域销售额占比”的饼图对比B：一份包含12个月销售数据的表格 vs 一张展示”月度销售趋势”的折线图 教师提问：“哪种方式让你更快理解信息？为什么？”引导学生认识到数据可视化的价值。 教师引用统计学家爱德华·塔夫特的名言：“优秀的图形应该在最小的空间内，用最少的笔墨，在最短的时间内，为观众提供最多的信息。” 【学生活动】 学生观察对比，一致认同图表方式更优。有学生说：“表格要一行一行看，图表一眼就能看出哪个区域卖得好。”有学生说：“折线图能看出趋势，是上升还是下降，表格里得自己算。” 学生意识到：数据分析不仅是”算对”，更是”说清”——用视觉语言让数据自己说话。这一认知为后续学习奠定了价值基础。 【设计意图】 通过”表格 vs 图表”的对比，让学生直观感受到数据可视化的必要性。从”数据处理”到”数据表达”的过渡，体现了数据分析能力的层次跃升。塔夫特名言的引用，提升了教学的理论品位，让学生理解数据可视化是一门科学而非简单的”画图”。 二、图表类型与选择 【教学环节】 类型辨析，科学选择 【教师活动】 教师以”图表是数据的视觉语言”为核心观点，系统讲解图表类型的选择。 模块一：常见图表类型及适用场景 教师结合案例，讲解六种核心图表类型： 柱状图（Column Chart）：用于比较不同类别的数值大小。教师展示案例：各区域销售额对比、各品类销量对比。强调：“柱状图是最常用的图表，适合类别数量不多的场景（一般不超过10个）。” 折线图（Line Chart）：用于显示数据随时间变化的趋势。教师展示案例：月度销售额趋势、年度气温变化。强调：“折线图适合连续数据，特别是时间序列。线条的起伏比数字的增减更直观。” 饼图（Pie Chart）：用于展示各部分占总体的比例。教师展示案例：市场份额分布、预算支出构成。强调：“饼图类别不宜过多（一般不超过5-6个），且要按大小顺序排列。3D饼图是’图表junk’，应避免使用。” 条形图（Bar Chart）：柱状图的横向版本，适合类别名称较长或类别数量较多的场景。教师展示案例：各省份GDP排名（名称较长）、产品销量TOP20（数量较多）。 散点图（Scatter Chart）：用于分析两个变量之间的关系。教师展示案例：广告投入与销售额的关系、学习时间与考试成绩的关系。强调：“散点图能揭示相关性，但相关性不等于因果性。” 雷达图（Radar Chart）：用于多维度评估和比较。教师展示案例：学生综合能力评估（德智体美劳五维）、产品性能对比（价格、质量、服务、品牌、创新五维）。 模块二：图表选择的决策流程 教师提供”图表选择决策树”： 1. 你想比较数值？→ 柱状图/条形图 2. 你想显示趋势？→ 折线图/面积图 3. 你想展示构成？→ 饼图/堆积柱状图/百分比堆积柱状图 4. 你想分析关系？→ 散点图/气泡图 5. 你想评估多维度？→ 雷达图/平行坐标图 教师强调：“选择图表类型的核心原则是’让数据自己说话’——图表类型应服务于数据特征和表达目的，而非追求花哨效果。” 模块三：图表美化与规范 教师演示图表美化的核心要点：清除图表junk：删除无意义的背景色、3D效果、阴影、网格线（或减淡）。教师引用塔夫特”数据墨水比”概念：图表中用于呈现数据的墨水应尽可能多，用于装饰的墨水应尽可能少。强化数据墨水：突出关键数据点（如最大值、最小值、目标值），使用数据标签直接标注数值，避免读者在坐标轴和图形之间来回寻找。优化标题和标签：标题应说明图表的核心观点（如”华东区域销售额领先，占比达35%“），而非简单描述（如”各区域销售额”）。坐标轴标题应清晰，单位应标注。配色专业：使用同一色系的不同深浅表示同一系列，使用对比色突出关键数据。避免使用过于鲜艳的颜色（如亮红、亮绿），推荐使用商务蓝、专业灰、警示橙等稳重色彩。 教师发布选择任务：“请为以下三个场景选择合适的图表类型，并说明理由：①展示公司五个部门的本年度预算执行情况；②展示某产品过去12个月的销量变化及与上年同期的对比；③展示客户满意度调查中’非常满意’‘满意’‘一般’‘不满意’’非常不满意’的分布比例。” 【学生活动】 学生在图表类型学习中，对”3D饼图是图表junk”的观点感到新奇。有学生说：“我以前觉得3D图表很酷，现在知道它会扭曲比例，误导判断。” 在图表美化环节，学生学会了”减法设计”。教师展示一张” before & after “对比：before图表有深色背景、立体效果、密集网格线；after图表纯白背景、扁平设计、关键数据点标注。学生直观感受到”少即是多”的设计力量。 在选择任务中，学生展现出良好的判断能力：场景①选择柱状图或堆积柱状图（比较+构成），场景②选择折线图或双轴折线图（趋势+对比），场景③选择饼图或百分比堆积柱状图（构成）。有学生提出创新方案：“场景③可以用漏斗图，从非常满意到非常不满意逐级减少，像漏斗一样。”教师肯定这一创意，并补充：“漏斗图适合流程转化率，满意度分布用饼图更合适，但你的创新思维值得鼓励。” 【设计意图】 图表选择是数据可视化的第一步，也是最关键的一步。通过”类型讲解—决策树引导—美化规范—选择任务”的递进教学，学生从”随意选图”走向”科学选图”，从”追求花哨”走向”追求清晰”。塔夫特”数据墨水比”概念的引入，将图表美化提升到理论高度，培养学生的专业审美。” before & after “对比是视觉教学的有效手段，让学生亲眼见证”减法设计”的力量。 三、图表创建与编辑 【教学环节】 动手实践，视觉表达 【教师活动】 教师以”让数据开口说话”为目标，指导学生创建专业图表。 模块一：图表创建流程 教师演示标准创建流程：第一步：选择数据：选中包含标题的数据区域。教师强调：“必须包含列标题，软件会自动识别图例和坐标轴标签。”第二步：插入图表：插入→图表→选择类型。教师演示WPS 2025的”推荐图表”功能——软件根据数据特征智能推荐最合适的图表类型。第三步：调整元素：添加/删除标题、图例、数据标签、坐标轴标题、网格线。教师演示”图表工具”选项卡中的各项设置。第四步：美化样式：更改颜色方案、调整字体字号、设置背景、调整图表大小和位置。 模块二：组合图表与双轴图表 教师演示进阶技巧：组合图表：在同一图表中混合使用柱状图和折线图。例如，用柱状图表示销售额，用折线图表示增长率。教师演示”更改系列图表类型”功能。双轴图表：当两个数据系列的量级差异很大时（如销售额以万元为单位，利润率以百分比为单位），使用主次坐标轴分别显示。教师演示”设置数据系列格式→系列绘制在→次坐标轴”。 模块三：动态图表与迷你图 教师演示动态化技巧：迷你图（Sparkline）：在单元格内嵌入微型图表（折线、柱状、盈亏），快速展示趋势。教师演示”插入→迷你图”，并强调迷你图的优势——不占空间，适合仪表盘制作。条件格式数据条/色阶/图标集：不使用独立图表，直接在单元格内用视觉元素表示数值大小。教师演示”开始→条件格式”，展示数据条（类似横向柱状图）、色阶（热力图效果）、图标集（箭头、红绿灯）的应用。 教师发布创作任务：“请根据’班级成绩表’，创建一份’成绩分析可视化看板’，要求包含：①各科目平均分的柱状图对比；②个人总分排名的条形图（TOP10）；③个人成绩趋势的迷你图（每位同学一列）；④优秀率、及格率的饼图或环形图。整体布局美观，配色协调，标题明确。” 【学生活动】 学生在图表创建中，对WPS 2025的”推荐图表”功能表现出兴趣。有学生说：“软件比我还会选图表，我选中数据后，它推荐柱状图，确实最合适。” 在组合图表环节，学生体验到”一图多信息”的强大。有学生将”销售额”和”增长率”组合展示，发现：“柱状图看大小，折线图看变化，一张图说清楚两件事。” 在迷你图环节，学生被”单元格里的图表”所震撼。有学生在成绩表右侧为每位同学创建了迷你折线图，展示五次考试的成绩波动。有学生说：“这就像股票走势图，一眼看出谁进步谁退步。” 在创作任务中，学生投入极大热情。各小组围绕”成绩分析看板”展开创作：有的组用深蓝+橙色配色，专业稳重；有的组用渐变背景，现代时尚；有的组在图表中添加数据标签和趋势线，信息丰富。学生在实践中体会到”图表不是越多越好，而是要服务于分析目的”。 【设计意图】 图表创建是”做中学”的核心环节。通过”标准流程—进阶技巧—动态化手段”的递进教学，学生从”插入默认图表”走向”定制专业图表”。迷你图和条件格式的引入，拓展了数据可视化的手段，让学生理解”可视化不一定是独立图表，也可以是单元格内的微型表达”。创作任务将多种图表类型组合，检验学生的综合设计能力和数据洞察能力。 四、数据透视表与切片器 【教学环节】 多维分析，动态洞察 【教师活动】 教师以”数据透视表是Excel中最强大的分析工具”为核心观点，讲解数据透视表的原理与应用。 模块一：数据透视表原理 教师用”魔方”比喻数据透视表：“原始数据就像一个打乱的魔方，数据透视表让你可以从不同角度（行、列、值、筛选）旋转魔方，看到不同的面。每一次旋转，都是对数据的一次重新组织。” 教师讲解数据透视表的四个区域：行区域：将字段拖到这里，数据按该字段的分类在行方向展开（如按”区域”分行）。列区域：将字段拖到这里，数据按该字段的分类在列方向展开（如按”季度”分列）。值区域：将字段拖到这里，数据按设置的汇总方式计算（如”销售额”的求和）。筛选区域：将字段拖到这里，数据按选择的项目筛选（如只显示”2024年”的数据）。 模块二：数据透视表创建 教师演示创建流程：第一步：选中数据区域（或整个表格），插入→数据透视表。第二步：选择放置位置（新工作表或现有工作表）。第三步：拖拽字段到四个区域。教师演示”区域→行，季度→列，销售额→值”的经典布局。第四步：调整值字段的汇总方式（求和、计数、平均值、最大值、最小值等）。教师演示双击值字段修改汇总方式。第五步：美化数据透视表（应用样式、调整数字格式、设置条件格式）。 模块三：切片器交互 教师演示切片器的插入与使用：插入切片器：选中数据透视表，插入→切片器，选择要筛选的字段（如”年份”“品类”）。使用切片器：点击切片器中的按钮，数据透视表实时更新。教师演示多选（Ctrl+点击）、清除筛选（右上角按钮）。多切片器联动：插入多个切片器，实现组合筛选。教师演示”年份切片器+区域切片器+品类切片器”的三维联动效果。切片器美化：调整切片器的列数、大小、颜色样式，使其与报表风格统一。 模块四：数据透视图 教师演示数据透视表的图表化：选中数据透视表，插入→数据透视图。数据透视图与数据透视表联动，筛选数据透视图时数据透视表同步更新，反之亦然。教师强调：“数据透视图是动态图表，比普通图表更灵活，适合交互式分析。” 教师发布分析任务：“请对’销售数据’创建数据透视表，要求：①按区域和品类交叉分析销售额；②插入年份和区域切片器，实现动态筛选；③创建数据透视图展示分析结果；④尝试更改值字段为’平均值’和’计数’，观察不同汇总方式下的数据洞察。” 【学生活动】 学生在数据透视表原理学习中，对”魔方”比喻产生共鸣。有学生说：“原来数据透视表就是让我从不同角度看数据，就像魔方可以转来转去。” 在创建实践中，学生体验到拖拽的便捷。有学生兴奋地说：“只需要拖拖拽拽，几秒钟就生成了交叉报表，以前用公式要算半天！”有学生发现：“把’销售额’拖到值区域，默认是求和；把’日期’拖到行区域，自动按年月分组，太智能了。” 在切片器环节，学生被”点击即更新”的交互性所吸引。有学生说：“这就像玩数据游戏机，点一下换一个视角。”教师引导学生思考：“切片器不仅方便，更重要的是它让数据分析从’静态报告’变成’动态探索’，你可以不断追问’如果只看华东区域会怎样’‘如果只看一季度会怎样’。” 在数据透视图环节，学生创建了联动图表。有学生说：“筛选切片器时，图表跟着变，就像图表活了过来。” 【设计意图】 数据透视表是数据分析的”重型武器”。通过”原理讲解—创建演示—交互体验—图表联动”的递进教学，学生从”害怕复杂工具”走向”享受探索乐趣”。“魔方”比喻将抽象的多维分析转化为可感知的形象，切片器的交互性让数据分析变得”好玩”。数据透视图的联动机制，让学生理解”动态分析”的价值——不是给出一个固定答案，而是提供一个探索平台。 五、大数据认知 【教学环节】 前沿视野，思维启蒙 【教师活动】 教师以”我们生活在一个数据爆炸的时代”为切入点，引导学生认知大数据。 模块一：大数据的”5V”特征 教师讲解大数据的五个核心特征：Volume（大量）：数据规模巨大，从TB到PB甚至EB级别。教师举例：全球每天产生2.5EB数据，相当于1000亿部高清电影。Velocity（高速）：数据产生和处理速度快，实时性要求高。教师举例：双十一每秒处理数十万笔交易，抖音每秒上传数千条视频。Variety（多样）：数据类型多样，包括结构化数据（表格）、半结构化数据（XML、JSON）、非结构化数据（文本、图片、视频、音频）。教师举例：一条朋友圈包含文字（结构化）、图片（非结构化）、位置（半结构化）等多种数据。Value（价值）：数据价值密度低，但总体价值高。教师举例：监控摄像头24小时录像，有价值的片段可能只有几秒，但必须全部记录才能找到那几秒。Veracity（真实性）：数据质量参差不齐，真实性和可信度难以保证。教师举例：网络谣言、虚假评论、伪造数据，需要数据清洗和验证。 模块二：大数据应用场景 教师展示大数据的典型应用：电商推荐：淘宝、京东的”猜你喜欢”基于用户的浏览、购买、收藏数据，用算法预测用户兴趣。智慧城市：交通信号灯根据实时车流量自动调整，减少拥堵；垃圾桶装满后自动通知清运。医疗健康：通过分析海量病例数据，辅助医生诊断；通过可穿戴设备监测健康数据，预警疾病风险。金融风控：通过分析用户的消费、还款、社交数据，评估信用风险，预防欺诈。职业教育：通过分析学生的学习行为数据（视频观看时长、作业完成率、测试成绩），预测学习困难，提供个性化辅导。 模块三：大数据与个人信息 教师引导学生思考大数据时代的隐私问题：“当你在网上搜索’考研资料’，随后收到培训机构的电话；当你浏览’房贷计算器’，随后收到银行的贷款推荐——这些精准营销背后，是大数据对你的’画像’。你如何看待这种便利与隐私的权衡？” 教师组织小组讨论：“大数据技术是中性的，但使用方式有善恶之分。作为未来的信息技术从业者，我们应该如何确保大数据的合理使用？” 模块四：AI与数据分析的融合 教师演示WPS 2025的AI数据分析功能：“点击WPS AI→AI数据分析，输入’分析销售数据的区域分布和趋势’，AI自动生成数据解读、汇总图表和字段关系图谱。”教师展示AI生成的分析报告，并引导学生评价：“AI分析速度快、覆盖面广，但深度和洞察力仍需人类专家的判断。AI是助手，不是替代者。” 【学生活动】 学生在”5V”特征学习中，对数据规模产生直观震撼。有学生换算：“2.5EB是多少GB？我的手机是256GB，那相当于……”教师引导计算：“1EB=1024PB=1024×1024TB=1024×1024×1024GB，约10亿GB。2.5EB相当于约10亿部256GB手机的存储量。”学生惊叹：“原来我们每天产生这么多数据！” 在大数据应用场景中，学生结合自身经验进行讨论。有学生说：“我刷抖音，越刷越是我喜欢的类型，这就是大数据推荐吧？”有学生说：“我爷爷去医院，AI看了他的CT片，说可能是早期肺癌，后来确诊了，大数据真厉害。” 在隐私讨论中，学生表现出清醒的辩证思维。有学生说：“方便是方便，但感觉被监视了，不舒服。”有学生说：“关键是要有选择权，我可以关闭推荐，可以删除数据。”有学生说：“作为学计算机的，我以后要做保护隐私的技术，而不是偷隐私的技术。” 在AI数据分析体验中，学生输入各种指令，观察AI的输出。有学生说：“AI生成的图表比我做的还快，但标题不够精准，我需要自己改。”教师肯定这一判断：“这就是人机协作——AI做基础工作，人类做价值判断。” 【设计意图】 大数据认知是数据素养的高阶要求。通过”特征讲解—场景展示—伦理讨论—AI体验”的递进教学，学生从”知道大数据”走向”理解大数据”，从”技术崇拜”走向”理性批判”。隐私讨论是信息社会责任的核心体现，学生的自发表态”要做保护隐私的技术”，表明价值观教育已内化为职业理想。AI数据分析的体验，让学生感受技术前沿，同时建立”人机协作”的正确认知。 六、综合项目实践 【教学环节】 项目驱动，能力整合 【教师活动】 教师发布单元终极项目：“请为你所学专业设计一份’专业数据分析报告’，主题自选，例如：①机电专业：某工厂设备故障数据分析；②电商专业：某店铺销售数据分析；③护理专业：某医院患者满意度调查分析；④计算机专业：某班级编程成绩分析。” 教师提供项目要求：数据来源：使用教师提供的模拟数据集，或自行采集的真实数据（需注明来源）。数据处理：展示数据清洗过程（至少解决两个数据质量问题），使用至少三种函数进行计算。数据分析：使用排序、筛选、分类汇总进行初步分析，使用数据透视表进行多维度交叉分析。可视化呈现：包含至少三种不同类型的图表，整体布局美观，配色协调。洞察结论：基于数据分析，提出至少两条有价值的结论或建议。报告格式：使用第三单元所学的文档排版技能，制作专业的分析报告文档。 教师提供项目支架：数据清洗检查清单函数选择速查表图表选择决策树数据透视表配置指南报告模板（封面、目录、正文、图表、结论） 【学生活动】 学生以小组为单位，立即投入项目实践。各小组分工明确：有人负责数据清洗，有人负责函数计算，有人负责图表设计，有人负责报告撰写。 在项目实践中，学生遇到真实挑战：数据质量问题：机电专业组发现设备编号列混有文本和数字，使用分列和文本转数字功能清洗；电商专业组发现日期格式混乱，使用分列功能统一格式。函数选择困难：护理专业组需要计算”满意度评分”的平均值和标准差，在教师指导下使用AVERAGE和STDEV函数；计算机专业组需要根据成绩评定等级，使用嵌套IF函数。图表设计纠结：各小组在图表类型选择上反复讨论，最终电商专业组选择柱状图（品类对比）+折线图（趋势）+饼图（占比），机电专业组选择条形图（故障类型排名）+散点图（故障时长与维修成本关系）+雷达图（设备健康度多维度评估）。报告撰写挑战：学生需要将技术操作转化为文字描述，在教师指导下学会写”数据来源”“分析方法”“结论建议”等章节。 经过紧张的工作，各小组基本完成项目初稿。虽然作品略显稚嫩，但体现了完整的数据分析流程和初步的数据思维。 【设计意图】 综合项目是项目化学习的 culminate 环节，将本单元所有技能融为一体。真实挑战的应对，培养了学生的问题解决能力和团队协作能力。项目支架的提供，体现了”脚手架”教学策略，既给予支持又保留挑战。跨单元的技能整合（使用文档排版技能制作报告），体现了课程的整体性和连贯性。 七、作品展示与评价 【教学环节】 成果路演，多维评价 【教师活动】 教师组织”专业数据分析报告路演会”，各小组展示作品并接受评价。 评价标准（提前公布）：数据质量（20分）：数据清洗是否彻底，数据质量是否可靠。技术规范（20分）：函数使用是否正确，数据透视表配置是否合理，图表类型选择是否恰当。可视化效果（20分）：图表是否美观清晰，配色是否协调，布局是否合理。分析深度（20分）：是否发现数据背后的规律，结论是否有数据支撑，建议是否有可行性。报告呈现（20分）：文档排版是否专业，结构是否清晰，表达是否流畅。 评价方式：小组自评（20%）：各小组根据标准自我评分，说明理由。小组互评（30%）：各小组之间交叉评价，填写评价表。教师评价（50%）：教师综合评分，提供改进建议。 教师特别设置”最佳数据洞察奖”“最佳可视化设计奖”“最佳团队协作奖”三个单项奖。 【学生活动】 各小组精心准备了汇报，汇报员自信地展示分析成果： 电商专业组汇报员介绍：“我们分析了某店铺2024年的销售数据，发现三个关键洞察：第一，华东区域销售额占比45%，但利润率最低，可能是促销过度；第二，三季度销售额激增，与’618’和’双11’大促高度相关，说明店铺过度依赖促销；第三，退货率在服装品类高达15%，建议加强质量管控。这些洞察都来自数据透视表的交叉分析和趋势图表的直观呈现。” 机电专业组汇报员介绍：“我们分析了50台数控机床的故障数据，发现主轴故障占比最高（32%），且故障时长与维修成本呈强正相关（散点图显示）。通过雷达图评估，我们发现老旧设备的’精度保持性’和’可靠性’两项指标明显低于新设备，建议制定设备更新计划。” 在互评环节，学生表现出专业的评价能力。有学生指出某组”图表缺少数据标签，数值看不清”；有学生赞赏某组”数据透视表用了切片器，交互性很强”；有学生建议某组”结论部分可以更深入，不要只描述现象，要分析原因”。 【设计意图】 作品展示是项目化学习的闭环环节，综合锻炼学生的数据分析能力、表达能力和应变能力。多维评价标准引导学生关注”数据、技术、视觉、洞察、表达”等多个维度，避免单纯追求图表美观。互评环节培养了学生的批判性思维和欣赏能力。单项奖的设置，让不同特长的学生都能获得认可。 八、课堂总结 【教学环节】 系统归纳，价值升华 【教师活动】 教师引导学生用”数据分析思维导图”回顾本单元两个课时的核心内容。教师在黑板上逐步书写： 第4单元 用数据说话——数据处理 一、数据基础（第一课时） 采集：规范输入、外部导入、格式统一 清洗：分列、去重、转类型、删空行 计算：SUM、AVERAGE、COUNTIF、SUMIF IF嵌套、VLOOKUP、引用方式 整理：排序、筛选、分类汇总 保护：数据验证、工作簿加密、工作表保护 二、数据分析（第二课时） 可视化：图表类型选择、美化规范、组合图表 迷你图、条件格式、数据透视图 多维分析：数据透视表（行、列、值、筛选） 切片器交互、动态联动 大数据认知：5V特征、应用场景、隐私伦理 AI融合：智能公式、AI洞察、人机协作 三、核心素养 信息意识：数据质量、工具选择、信息甄别 计算思维：分解、抽象、模式识别、自动化 数字化学习与创新：技能习得、可视化表达、数据洞察 信息社会责任：数据隐私、信息真实、伦理合规 教师进行价值升华：“今天我们完成的不仅是一份数据分析报告，更是一次从’数据操作者’到’数据洞察者’的身份转变。数据是新时代的石油，但未经提炼的原油无法驱动引擎。我们学习的技能，就是提炼数据价值的能力。希望同学们在未来的学习和工作中，无论面对什么数据，都能保持好奇心和批判性思维，用数据说话，让数据发声，成为既懂技术、又有责任感的数字公民。” 教师布置单元总结性作业： 1. 完善作品：根据评价反馈，修改完善”专业数据分析报告”，提交最终版。 2. 拓展阅读：阅读《用数据讲故事》（Cole Nussbaumer Knaflic）第一章，摘录三条最有启发的数据可视化原则。 3. 生活观察：收集生活中的数据可视化案例（如新闻报道中的图表、APP中的数据展示、公共场所的信息屏等），拍照或截图，用本单元所学的设计原则进行分析，撰写300字赏析。 【学生活动】 学生跟随教师梳理知识框架，在笔记本上同步整理。思维导图的形式帮助学生建立系统化的认知结构，将分散的技能点联结为有机的能力体系。 在价值升华环节，学生若有所思。有学生表示：“以前觉得Excel就是算数，现在发现数据里有这么多故事。”有学生说：“我要把今天学的用到我的网店经营上，分析什么产品好卖。” 学生记录作业要求，对”生活观察”作业表现出兴趣，纷纷表示”以后看新闻会多一个角度”。 【设计意图】 系统归纳将单元知识结构化，思维导图是知识管理的有效工具。价值升华将技能学习提升到职业素养和人生态度的高度，避免”纯工具主义”倾向。“数据是新时代的石油”的比喻，让学生理解数据处理技能的时代价值。拓展阅读和生活观察作业，将学习从课堂延伸到课外，从虚拟任务延伸到真实世界，实现”学以致用、用以促学”的良性循环。 学科网（北京）股份有限公司 $