第 19 课 聚类辅助推理 教学设计 2025-2026学年人教版初中信息科技人工智能专册

该初中信息科技教学设计聚焦“聚类辅助推理”核心知识点，通过课间操场人群分布情景导入聚类现象，借助星图分组活动让学生动手尝试不同分组方式，理解聚类“无预设类别、自动分组”的逻辑，搭建从生活现象到抽象概念的学习支架。 资料亮点在于以计算思维培养为核心，通过星图分组、文献整理器软件操作等活动，引导学生运用聚类思想分析数据，体现数字化学习与创新。情境化设计和动手实践帮助学生区分聚类与分类，提升信息意识，同时为教师提供可操作的教学活动，有效突破教学难点。

九年级信息科技下册教学设计 课题 第 19 课 聚类辅助推理 教学 目标 1.信息意识:能识别聚类辅助推理应用场景，理解聚类在数据挖掘、规律发现中的作用。 2.计算思维:掌握聚类“无预设类别、自动分组”的逻辑，能区分分类与聚类的差异。 3.数字化学习与创新:能运用聚类思想分析简单数据，发现数据背后的规律。 4.社会责任:客观认识聚类技术的应用价值，树立科学使用智能推理技术的观念。 教学 重点 1. 聚类辅助推理的定义、核心特点。 2.聚类与分类的核心区别。 教学 难点 1.理解聚类“无预设类别、自动分组”的推理逻辑。 2.聚类辅助推理的应用场景与流程。 教学 过程 教 学 内 容 与 师 生 活 动 设计意图和 关注的学生 情景导入 同学们，你是否留意过课间休息时操场上的人群分布?跑道上总有一群“运动爱好者”，角落里常有“安静独思者”，还有一些“漫游者”在不同区域闲逛……物以类聚，人以群分。这种人群内部形成的自然分组，就是聚类现象。 新授课 一、聚类简介 从最终结果看，聚类同样是把事物分成了几组，与分类结果相似。但在人工智能领域，分类和聚类有很大不同： 分类面对的是已知类别特征的情况，是把待分类数据的数据特征与不同类别的特征进行比较，找出最相似的。 聚类面对的则是不知道该按什么标准进行类别划分的情况，只能根据数据自身具备的特征进行内部分组。 学习活动1 星图分组 1　 图 19.1 所示的星图中，圆点表示星星，颜色表示亮度。尝试把里面的星星分为 4 组。 分组依据是： 2　 如果改成分为 2 组，你会怎么分？ 通过动手圈画活动，引导学生讨论不同分组方式的合理性，帮助他们体会聚类结果与特征选择、分组数量之间的关系，进而理解聚类分析的主观性和探索性。 可采用不同的分组方式，如尝试用不同的圆或根据不同的亮度（颜色） 对星星进行分组。 聚类时，由于事先并不知道要处理的数据具有什么分布特征，因而除了特征，分组数量也会对结果产生重要影响。 活动主要目的是引导学生理解聚类思想，学会将相似或相近的点进行分类。例如：引导学生观察星图上点的分布，识别出点较为密集的区域；让学生尝试绘制 4 个圆，尽可能多地覆盖图上的点； 通过不断调整，直到达到最优覆盖效果（图19.3）。如果活动遇到困难， 教师可以考虑抹除图中的部分点，以降低难度。 图 19.3 分为 4 组 如果分成 2 组，那么图 19.4 展示了一种比较合适的划分方式。 图 19.4 分为 2 组 二、基于聚类的智能应用 通过聚类，原本繁乱的数据可以呈现出某些规律或模式。在前面的学习中，我们知道图、文、声、像等各类资源，都可以用一组数来表示其特征。这就意味着，可以按照这些特征对资源进行聚类，从而帮助我们进行判断和决策。 具体过程如图 19.2 所示。 图 19.2 聚类辅助判断过程 学习活动2 文献聚类整理探索任务情境 研究人员刚刚挖掘出一批珍贵的古文文献，这些文献可能属于 4 本书， 但内容混杂在一起。现在要利用人工智能将文献整理出来。 · 任务分析：提取待整理文本的特征（语义编码），然后通过聚类处理，根据特征将它们分到不同的组，从而完成整理任务。 · 处理流程：提取文本特征→根据文本特征进行聚类 · 活动过程： 1　 启动配套资源中的《文献整理器》软件。 2　 单击图书列表中的选项，选中几本书。 3　 单击“模拟提取”按钮，模拟把不同的文献资料混杂在一起。软件会从每本书中随机提取 5 个章节，并打乱顺序放在一起（图 19.5）。 图 19.5提取文献并打乱 4　 单击“辅助整理”按钮，模拟通过聚类整理文献的过程（图 19.6）。 图 19.6 通过聚类获得的整理结果 软件会自动进行分词、特征提取、聚类等操作，并按照事先规定的分组数，将文献分成若干组。 5　 核查整理结果，看看通过聚类得到的结果是否正确。 聚类是一种无监督学习算法，其目标是将一组数据划分为若干个具有相似特征的子集（即簇），使得同一簇内的数据对象尽可能相似，而不同簇之间的数据尽可能不同。 常见的聚类算法包括 K 均值聚类、层次聚类和基于密度的空间聚类（DBSCAN）等。其中，K 均值是一种基于距离的聚类算法， 它通过迭代计算不断调整簇中心，使数据点与其所属簇中心的距离之和最小；层次聚类通过树状结构表示数据之间的层级归属关系； 基于密度的空间聚类能识别任意形状的簇，并有效处理噪声数据。 这些算法在图像分割、文本分析、用户分组等方面均有广泛应用。理解和掌握聚类的基本原理及应用方法，对于深入理解人工智能在现实世界中的作用具有基础性意义。 拓展与提升 一位老师对全班同学的答题情况做了一次小调查，记录了每位同学因概念不清、计算出错、审题不细、方法不当或时间不足等原因导致的错题数量，并统计了答题时长及改正率。 思考任务：如果要根据这些数据把全班同学分成几个小组，再针对各组特点实施指导，如何利用所学知识实现智能分组？ 请简要说明设计思路。 板 书 设 计 一、聚类简介 二、基于聚类的智能应用 教 学 反 思 1 学科网（北京）股份有限公司 $