5.3 数据的分析教学设计2026-2027学年高一上学期信息技术必修1粤科版

该高中信息技术教学设计聚焦数据的分析核心知识，涵盖特征探索、关联分析、聚类分析和数据分类。通过“买菜→做菜”类比衔接数据采集，以“成绩表”场景引入，搭建前后知识学习支架。 此资料特色在于融合信息意识、计算思维与数字化学习与创新素养，用“啤酒与尿布”案例强调“相关≠因果”培养批判性思维，结合学生问卷数据实践Excel分析提升实操能力。案例分析法与实践操作法促进知识迁移，助学生建立数据分析框架，为教师提供清晰教学路径。

《5.3 数据的分析》教学设计 课题 5.3 数据的分析 课时 1课时（45分钟） 学科 信息技术 年级 高一 授课学校 眉山市彭山区第一中学 年级组 高中技术组 一、教材与学情分析 教材分析：本节是粤教版必修一第五章“数据处理和可视化表达”的第三节，核心内容是数据的分析——从数据中提取有价值的信息和规律。教材内容包括：①特征探索——了解数据的基本特征（如最大值、最小值、平均值、中位数等）；②关联分析——发现数据之间的相关关系；③聚类分析——将数据按照相似性分组；④数据分类——根据已有数据对新数据进行归类。数据分析是数据处理的核心环节。 学情分析：学生已了解数据采集的方法，并已通过问卷收集了数据。但对于“如何从数据中提取有用信息”缺乏系统认知。学生在数学课上学过平均数、中位数等统计概念，但尚未将这些概念与数据分析实践建立联系。 二、学科核心素养与教学目标 信息意识 理解数据分析是从数据中提取价值的核心环节，认识到数据分析在决策中的重要作用。 计算思维 掌握特征探索、关联分析、聚类分析、数据分类等基本数据分析方法，能够运用这些方法对简单数据集进行分析。 数字化学习与创新 能够使用Excel等工具对数据进行基本的统计分析（如求和、求平均、排序、筛选等）。 信息社会责任 理解数据分析结果可能受到数据质量、分析方法等因素的影响，培养批判性思维——不盲从分析结果。 三、教学重难点 教学重点 ①特征探索的基本方法（描述性统计）；②关联分析的基本概念（相关关系）；③聚类分析和数据分类的基本思想。 教学难点 ①理解“相关关系≠因果关系”——两个变量相关不等于一个导致另一个；②理解聚类分析的原理——根据相似性将数据分组。 四、教学方法与资源 教法 案例分析法、对比教学法、实践操作法。 学法 案例分析、动手操作、小组讨论。 教学准备 多媒体课件（含各分析方法的案例图示）、Excel数据文件（含学生问卷数据）、学案（含分析任务单）。 五、教学过程（45分钟） 环节 时间 教师活动 学生活动 设计意图 情境导入 5分钟 1. 回顾旧知：“上节课我们采集了‘高中生手机使用情况’的数据。现在数据有了——接下来怎么办？就像买菜回来，下一步是做菜。数据的‘做菜’就是数据分析。” 2. 展示问题：“假设我们有一份全班同学的月考成绩表——你能从中发现什么？——最高分、最低分、平均分、哪个分数段人最多……这些都是数据分析。” 3. 引出课题：“今天我们就来学习《5.3 数据的分析》——如何从数据中提取有价值的信息和规律。” 1. 回顾旧知：回忆上节课采集的数据，理解“数据分析”的必要性。 2. 思考问题：思考“从成绩表中能发现什么”。 3. 明确目标：带着“如何分析数据”的疑问进入新课。 用“买菜→做菜”的类比衔接数据采集与数据分析。用“成绩表”这一学生熟悉的场景导入数据分析的概念。 新课讲授 （一）特征探索 10分钟 1. 引入（2分钟）：“特征探索是数据分析的第一步——了解数据的基本特征。就像认识一个人——先知道他的名字、年龄、身高……” 2. 常用方法（4分钟）： ①集中趋势：“平均值——数据的平均水平；中位数——排序后中间的值；众数——出现次数最多的值。” ②离散程度：“最大值、最小值、极差（最大-最小）。” ③分布情况：“数据在各个区间的分布——如成绩在90-100分有多少人。” 3. Excel演示（4分钟）： 打开上节课采集的问卷数据（Excel），现场演示—— ①用=AVERAGE()求平均值； ②用=MAX()和=MIN()求最大最小值； ③用“排序”功能找中位数； ④用“数据透视表”查看分布情况。 1. 记录方法：在笔记本上记录特征探索的常用方法（平均值、中位数、众数、最大值、最小值、极差）。 2. 观察演示：观看教师的Excel操作演示，理解每个函数的用法。 3. 跟随操作：在自己的电脑上打开问卷数据文件，跟随教师完成同样的操作。 4. 记录结果：将分析结果记录在笔记本上。 特征探索是数据分析的基础，用Excel的实操演示让学生直观感受数据分析的过程。将数学课上学过的统计概念（平均数、中位数）迁移到信息技术课堂的数据分析实践中。 新课讲授 （二）关联分析 8分钟 1. 引入（2分钟）：“关联分析是发现数据之间的相关关系——当一个变量变化时，另一个变量是否也随之变化。” 2. 经典案例（3分钟）：“‘啤酒与尿布’——沃尔玛发现，超市里啤酒和尿布的销售量高度相关（买尿布的人往往也会买啤酒）。这就是关联分析——发现了两个看似无关的商品之间的相关关系。” 3. 关键提醒（3分钟）：“相关关系 ≠ 因果关系。啤酒和尿布相关，但不代表‘买尿布导致买啤酒’或‘买啤酒导致买尿布’。它们相关可能是因为——买尿布的是年轻爸爸，年轻爸爸也喜欢喝啤酒。” “数据分析可以发现‘是什么’，但不一定能解释‘为什么’。” 1. 记录概念：在笔记本上记录“关联分析——发现数据之间的相关关系”。 2. 理解案例：跟随“啤酒与尿布”的经典案例，理解关联分析的含义。 3. 记录区别：在笔记本上重点记录“相关关系≠因果关系”。 4. 思考讨论：与同桌讨论——“你能想到生活中哪些‘相关但不因果’的例子？”（如“冰淇淋销量与溺水人数”正相关，但冰淇淋不导致溺水） “啤酒与尿布”是关联分析的经典案例，帮助学生理解相关关系的概念。重点强调“相关≠因果”，培养学生的批判性思维。 新课讲授 （三）聚类分析与数据分类 8分钟 1. 聚类分析（4分钟）： ①引入：“聚类分析是将数据按照相似性分成不同的组（簇）。同一组内的数据相似度高，不同组之间的数据差异大。” ②举例：“商场对顾客进行聚类——根据购买行为将顾客分为‘高频高消费’‘低频高消费’‘高频低消费’‘低频低消费’等群体——针对不同群体制定不同的营销策略。” ③类比：“就像图书馆对图书进行分类——文学类、科学类、历史类……” 2. 数据分类（4分钟）： ①引入：“数据分类是根据已有数据（训练数据）的规律，对新数据进行归类。” ②举例：“垃圾邮件过滤器——根据已有的大量垃圾邮件和正常邮件，学习判断规则，然后对新邮件判断‘是垃圾还是正常’。” ③对比：“聚类是‘无监督’的（事先不知道分几组）；分类是‘有监督’的（事先有标签数据作为参考）。” 1. 记录概念：在笔记本上分别记录聚类分析和数据分类的定义和特点。 2. 理解类比：跟随“图书馆分类”的类比理解聚类分析。 3. 记录对比：在笔记本上画出聚类与分类的对比——聚类（无监督，未知分组）、分类（有监督，有参考标签）。 4. 思考应用：思考“生活中还有哪些聚类或分类的应用”。 聚类分析和数据分类是数据分析的高级方法。用“图书馆分类”类比聚类，用“垃圾邮件过滤”类比分类，帮助学生理解这两个容易混淆的概念。 实践操作 10分钟 1. 发布任务：“请同学们使用上节课采集的问卷数据，完成以下分析任务—— ①特征探索：计算‘每天手机使用时长’的平均值、最大值、最小值。 ②分布分析：统计不同时长区间（如<1小时、1-2小时、2-3小时、>3小时）的人数。 ③关联探索：尝试分析‘使用时长’和‘主要用途’之间是否存在关联（如娱乐用途是否使用时间更长）。 ④将分析结果用文字和表格记录下来。” 2. 巡视指导：帮助学生使用Excel函数和透视表功能。 3. 展示交流：选取2-3份分析结果进行展示和交流。 1. 独立完成（8分钟）： ①打开问卷数据Excel文件； ②使用AVERAGE、MAX、MIN等函数计算特征值； ③使用数据透视表或COUNTIF统计分布； ④观察不同用途的时长差异。 2. 展示交流（2分钟）： 观看被展示的分析结果，对比自己的分析找出改进之处。 让学生运用本节课所学的数据分析方法，对上节课采集的真实数据进行实践分析。从“特征探索”到“关联探索”，任务设计由易到难，逐步深入。 总结与拓展 4分钟 1. 知识梳理：“今天我们学习了数据分析的四种方法——①特征探索（平均值、中位数、最值等）；②关联分析（发现相关关系，但≠因果关系）；③聚类分析（按相似性分组）；④数据分类（根据已有规律对新数据归类）。” 2. 强调思维：“数据分析的核心不是‘算数字’，而是‘发现规律、指导决策’。分析结果要能回答‘然后呢？’——发现了规律之后，我们该怎么做？” 3. 承上启下：“分析完数据，发现了规律——但别人怎么看到你的分析结果？用图表！下节课我们将学习《5.4 数据的可视化表达》。” 4. 布置作业（详见作业布置栏）。 1. 回顾总结：跟随教师回顾四种分析方法，完善笔记。 2. 理解升华：理解“数据分析的目的是指导决策”。 3. 记录作业：抄写作业要求。 通过四种方法的对比总结，帮助学生建立数据分析的完整认知框架。强调“分析是为了决策”，点明数据分析的实践价值。自然过渡到下一节“数据的可视化表达”。 六、板书设计 5.3 数据的分析 一、特征探索  ① 集中趋势：平均值、中位数、众数  ② 离散程度：最大值、最小值、极差  ③ 分布情况：各区间数据分布 二、关联分析  发现数据之间的相关关系  ⚠️ 相关 ≠ 因果 三、聚类分析  按相似性将数据分组（无监督）  例：顾客分群、图书分类 四、数据分类  根据已有规律对新数据归类（有监督）  例：垃圾邮件过滤 五、核心：数据分析的目的是发现规律、指导决策 七、作业布置 必做 根据课堂上的问卷数据分析结果，撰写一份200字的“班级手机使用情况”分析报告，包括：①主要发现（如平均使用时长、主要用途等）；②你的建议（如如何合理使用手机）。 选做 查阅资料，了解“Apriori算法”在关联分析中的应用（如购物篮分析），写一篇200字的介绍短文。 八、教学反思 成功经验 ①用“成绩表”导入特征探索，学生能将数学知识迁移到信息技术课堂；②“啤酒与尿布”案例生动有趣，学生对“相关≠因果”印象深刻；③利用上节课采集的真实数据进行实践分析，学生参与度高。 改进方向 ①聚类分析和数据分类的概念对部分学生仍较抽象，可增加更多生活化的类比（如“水果分类——苹果和苹果放一起、橘子和橘子放一起”）；②Excel数据透视表的使用对部分学生有难度，可提前制作操作微视频供学生参考。 学科网（北京）股份有限公司 $