5.1 认识大数据-教学课件-2026-2027学年-高中信息技术-必修1-粤教版-高一
|
31页
|
240人阅读
|
2人下载
普通
内容正文:
5.1
粤教版 高中信息技术 必修1《数据与计算》
第五章 数据处理和可视化表达 · 高二上学期
⏱ 1 课时 / 45 分钟
✦ AI 融合课
4 个课堂互动
学生端可参与
认识大数据
当 AI 遇上大数据
你每刷一次视频、每扫一次码、每走一步路,
都在为一个看不见的 庞大数字身影 添砖加瓦。
今天,我们把它揪出来看看。
本节学习目标
说出大数据的定义,知道它从哪来
理解大数据的 4V 特征与三大思维转变
辩证看待大数据与 AI 对日常生活的影响
核心素养
信息意识 · 计算思维 · 数字化学习与创新 · 信息社会责任
一节课,看清数据的体量、速度、杂度,
以及它如何悄悄改变你的生活。
5.1 认识大数据 · 粤教版必修1《数据与计算》
01
①
导入 · 互动① AI 读心术
预计 3 分钟 | 全班猜谜
✦ 人机对比
5.1 认识大数据 · 粤教版必修1《数据与计算》
02
下面是一份「个人数据画像」
它由 AI 根据某个人的日常行为数据自动生成。请你猜:这是谁?
✦ AI 生成的画像
17岁 · 高二学生
· 每天 23:40 后仍在点亮屏幕,凌晨 1 点前几乎不睡
· 每周三、周五下午 17:30 出现在同一家奶茶店附近
· 短视频使用时长:日均 2 小时 18 分,集中在 22:00 后
· 搜索记录里"圆锥曲线""英语听力"出现频率在考试周翻倍
· 每周六 9:00 从家出发,10 分钟后固定停在某栋教学楼
?
请同学回答
1
你觉得这个人是 学生 / 上班族 / 退休老人?依据是哪几条数据?
2
哪一条数据最"暴露"他?
3
如果这些数据被陌生人拿到,会发生什么?
追问:AI 为什么能"猜"得这么准?——因为它背后是 海量人类行为数据 训练出来的模型。今天我们学的「大数据」,正是 AI 的燃料。
[互动① AI 读心术] 这是全场第一个钩子,节奏要慢,别急着揭晓。
【话术】🎤 可以这样开场:"我手里有一份关于某个人的详细档案,是 AI 写出来的。我念三条,你们猜是谁。"
念画像时先念最模糊的两条,让学生猜错;再念最暴露的一条,制造反转。
揭晓后立刻追问:"AI 凭什么知道?"——它没见过这个人,它只是见过几亿个类似的人的行为数据。这就是大数据的力量,也是今天的主角。
【话术】🎤 过渡句:"AI 聪明,是因为它吃过足够多的数据。今天我们学的,就是这些'食物'——大数据。"
备选玩法(学生有手机):让学生自己想 3 条行为数据写在纸上,同桌交换猜,比谁"最容易被看穿"。
▸
导入 · 数据洪流
预计 2 分钟 | 全班震撼
45:00 剩余
5.1 认识大数据 · 粤教版必修1《数据与计算》
03
就在我们说话的这一秒,世界上产生了多少数据?
课堂上看 10 秒,感受一下"速度"——这些数字是每秒都在发生的真实量级(示意值)
微信消息
42,000
条 / 秒
短视频播放
21,000
小时 / 秒
移动支付
9,500
笔 / 秒
全球新增数据
8,600
GB / 秒
结论 1:数据不是"大",而是大到你无法想象。
结论 2:这些数据里,有你的一份——你既是数据的消费者,也是生产者。
你既是数据的消费者,也是数据的生产者 —— 这一秒产生的数据里,也有你的一份。
[数据洪流] 进这一页先什么都别讲,安静 8 秒,让学生盯着跳动的数字看。
【话术】🎤 "别眨眼,看这些数字。你数到 10 的时候,全世界又多了几十 TB 数据。"
这些数字的量级为示意值(用于营造体感),不必当成精确统计;如果学生较真,正好顺势讲一句"连这些估算本身也充满噪声——精确让位于模糊"。
倒计时提示:若已超时,顶部剩余时间会变红,注意下一页提速。
1
5.1.1 什么是大数据
预计 3 分钟
教材原文
5.1 认识大数据 · 粤教版必修1《数据与计算》
04
先看教材给的定义
定 义
大数据是指无法在可承受的时间范围内用常规软件工具进行高效捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
1
拆一拆:太大了
常规工具(Excel、单机数据库)扛不住 → 需要 新工具(分布式计算)
2
拆一拆:太杂了
不止数字表格,还有 视频、图片、定位、日志 等非结构化数据
3
拆一拆:太快了
数据以 秒 为单位爆炸增长,必须 实时 处理才有价值
一句话记住:大数据 = 大到 老办法不管用 的数据。
判断标准不是"有多少 GB",而是 老工具是否已经处理不了。
[定义] 教材定义很长,不要让学生抄,带着他们"拆"。
【话术】🎤 板书三个关键词:太大 → 老工具不行 → 要新办法。
强调判断标准:不是看有多少 GB,而是看老工具还行不行。可以追问:"一个 500GB 的表格算不算大数据?"(如果 Excel 还能打开,就不算。)
这是学生最容易误解的一点,值得花 30 秒澄清。
2
5.1.1 大数据从哪来
预计 2 分钟
来源图谱
5.1 认识大数据 · 粤教版必修1《数据与计算》
05
你身边,每时每刻都在"吐"数据的东西
四类来源,构成了我们今天看到的绝大部分数据
📱
移动终端
手机、平板、手表:通话、定位、步数、App 使用记录
🌐
互联网行为
搜索、刷视频、发帖、点赞、购物车、弹幕
📡
物联网传感器
摄像头、气象站、车联网、智能电表、共享单车
🔬
科学观测
天气预报、天文望远镜、地质勘探、基因测序
课堂一问:这个教室里,现在有几种东西正在产生数据?(手机、智慧黑板、空调温控、走廊摄像头、校园卡…)
[来源图谱] 快速过,别超 2 分钟。
【话术】🎤 互动问一句:"这个教室里,现在有几种东西正在产生数据?"
(答案:手机、智慧黑板、空调温控、走廊摄像头、校园卡刷卡机……)
顺势点出:很多数据是在你毫无察觉时被采集的——为后面的隐私讨论埋伏笔。
②
互动② 我的「数据体重」体感实验
预计 4 分钟 | 学生可用手机 / 机房电脑
✦ 为 Volume 铺垫
5.1 认识大数据 · 粤教版必修1《数据与计算》
06
你一天能"长"出多少数据?
按一位同学的典型用量估算(可拖动滑块的版本见互动课件 HTML 版)
今天的用量
刷短视频 / 看剧
60 分
拍照 + 发朋友圈
10 张
微信 / QQ 消息
80 条
导航 / 定位记录
30 分
扫码支付 / 网购
5 次
你的数据体重
1,545
MB / 天
换算下来 ≈ 551 GB / 年
高中三年共 ≈ 1.65 TB
把它放大到全班:50 人一年 ≈ 27 TB,约等于 27 块 1TB 移动硬盘。
而抖音、微信每天要处理的是 PB 甚至 EB 级 —— 这就是 4V 里的第一个:Volume(大量)。
[互动② 数据体重] 请一位学生上台拖滑块,全班口头报自己的数。
换算系数为教学示意值,目的是建立体感,不必追求精确——正好呼应"精确让位于模糊"。
【话术】🎤 关键引导:"你一个人一年就几十 GB。全班 50 人呢?全校 2000 人呢?全市呢?"
最后看进度条:全班一年也填不满 1PB 的一小截——而真实的大数据平台是 PB、EB 级。落差感出来了,4V 的 Volume 就顺理成章。
注意:如果时间紧,本环节可压缩为教师直接拖动演示,2 分钟带过。
3
5.1.2 大数据的特征
三个视角,一次看清
本节核心
5.1 认识大数据 · 粤教版必修1《数据与计算》
07
同一个"大数据",三种看法
视角一
4V 特征
从 互联网产生大数据 的角度看
Volume 大量
Variety 多样
Value 低价值密度
Velocity 高速
视角二
三大思维转变
从 互联网思维 的角度看
样本渐趋于 总体
精确让位于 模糊
相关性 重于因果
视角三
分布式
从 存储与计算 的角度看
分布式存储
分布式并行计算
接下来 15 分钟,我们逐个拆开看。每讲完一个特征,都会配一个"你来判断"的小挑战。
[特征总览] 这是本节的结构图,建议板书(或让学生抄在笔记本上)。
【话术】🎤 "记住这张表:同一个东西,三种看法。课本讲 4V,但考试和现实都更看重第二种——思维转变。"
预告:接下来 15 分钟,每讲完一个特征都有一个小挑战。
V
4V 之一 · Volume 大量
数据体量巨大
1 / 4
5.1 认识大数据 · 粤教版必修1《数据与计算》
08
从 TB 到 PB,是 一千倍 的跨越
1
教材原话
数据体量巨大,从 TB 级别跃升到 PB 级别
2
换算
1 PB = 1024 TB ≈ 5 万部高清电影,一个人不睡觉看 10 年
3
和 AI 的关系
大模型训练动辄 几十 TB 文本 —— 数据不够,AI 就"笨"
数据量级阶梯
KB
MB
GB
TB
PB
EB
每一级都是上一级的 1024 倍
[Volume] 阶梯图配合"5 万部电影不睡觉看 10 年"的说法,学生会有画面感。
【话术】🎤 追问:"为什么 AI 公司都在抢数据?"——因为数据量直接决定模型上限。
可补充:训练 GPT 级别模型用的文本量,远超一个人一辈子能读的量。
V
4V 之二 · Variety 多样
数据类型繁多
2 / 4
5.1 认识大数据 · 粤教版必修1《数据与计算》
09
不再只有"表格里的数字"
结构化数据
Excel 表、数据库表、成绩单 —— 整齐
10%
半结构化数据
网页 HTML、JSON、日志文件 —— 有标记但不规整
10%
非结构化数据
视频、图片、语音、定位轨迹 —— 占绝大多数
80%
80%
是非结构化数据
这也是为什么 AI 要学"看懂图片、听懂人话"——现实世界里,大部分数据都不长表格的样子。
例:一条抖音同时产生 —— 视频文件(非结构化)+ 发布时间/时长(结构化)+ 评论文本(非结构化)+ 你看了几秒(结构化)+ 你的定位(半结构化)
[Variety] 讲清"80% 是非结构化"这个数字。
【话术】🎤 提问:"如果 80% 的数据都是视频图片,那只会读表格的软件还够用吗?"
→ 引出 AI 的核心能力之一:处理非结构化数据(看懂图、听懂话)。这是 AI 区别于传统程序的关键。
占比 结构化 半结构化 非结构化 10 10 80
V
4V 之三 · Value 低价值密度
沙里淘金
3 / 4
5.1 认识大数据 · 粤教版必修1《数据与计算》
10
数据越多,有用的反而越"稀"
教材原话:以视频为例,在连续不间断的监控过程中,有用的数据可能仅仅一两秒。
24 h
监控录像总时长
2 s
真正有价值的画面
0.002%
价值密度
所以:大数据的核心能力不是"存得多",而是 从海量噪声里把金子筛出来。
这件事,今天主要交给 AI 算法 来做。
✦ 谁在干"淘金"这件事?
海量原始数据
▼
清洗 / 去噪
▼
AI 模型识别
▼
少量高价值结论
安防:AI 看 10 万小时录像,只在"有人翻墙"时报警
医疗:AI 读几万张 CT,只标出可疑结节
内容审核:AI 扫全部弹幕,只拦违规的几句
作业批改:AI 扫全班作文,只给老师看异常卷
AI 最擅长的工作
在人类看不过来的海量数据里,不知疲倦地找那"一两秒"。
· 人眼在 300 个数字里找 3 个异常,要 20 多秒;
· 换成 3 亿条交通数据,人根本看不过来 —— 只能靠 AI。
低价值密度带来的必然选择:不靠人眼,靠算法。
[Value 低价值密度] 这是四个 V 里最难理解的一个,务必用"监控录像 24 小时 vs 有用 2 秒"打透。
【话术】🎤 "数据越多 ≠ 信息越多。Google 搜出来的前 10 条,你要的可能只有半条。"
右侧的 AI 淘金流程图要讲透:AI 最大的用武之地,就是替人类在海量噪声里找那一两秒。
③
互动③ 数据海洋捞针 · 抢答
预计 3 分钟 | 分组对抗
25 秒倒计时
5.1 认识大数据 · 粤教版必修1《数据与计算》
11
下面 300 个数字里,藏着 3 个异常值
它们的数值明显偏离正常范围(正常值 20~30)。找到并点出来!
玩法
1
全班分 4 组,大屏计时 25 秒,学生喊"第几行第几个",或上台指。
2
找到 1 个异常值,该组 +1 分;误点不扣分,但会浪费时间。
3
无设备也能玩:教师投屏,学生口头报坐标即可。
4
计时结束还没找齐?正常 —— 人眼的极限,就在这里。
300
个数字
3
个异常值
25″
倒计时
体感一下:人眼在 300 个数字里找 3 个异常要 20 多秒;换成 3850 万条交通数据呢?
答案只能是:让 AI 去找那"一两秒" —— 这就是低价值密度下的现实选择。
[互动③ 捞针游戏] 玩法:点「开始」,25 秒倒计时,学生喊出坐标或上讲台点。
300 个数字里藏 3 个异常值(数值明显偏离 20~30 的正常区间)。
【话术】🎤 结束后问:"找 300 个数字里的 3 个异常,你们用了 20 多秒。换成 3850 万条交通数据呢?"
→ 完美承接上一页的交通平台案例,也解释为什么必须上 AI。
计分:找到 1 个给该组 +1 分,误点不扣分但会浪费时间。
无设备版本:教师直接点大屏,学生口头喊"第几行第几个"。
V
4V 之四 · Velocity 高速
变化速度快
4 / 4
5.1 认识大数据 · 粤教版必修1《数据与计算》
12
数据是以 秒 为单位在变的
数据来自世界各地的网络终端,且以秒为单位快速变化。等你慢慢分析完,结论可能已经过期了。
⚡ 必须"实时"
网约车派单:晚 3 秒,司机就开过去了
⚡ 稍纵即逝
热搜:1 小时前的爆款,现在已经凉了
⚡ 流式处理
数据像水流一样源源不断,边来边算
⚡ 越快越值钱
股票行情、灾害预警,延迟就是损失
?
为什么必须快?
案例:某市交通智能化分析平台
交通卡刷卡
1900 万条
手机定位数据
1800 万条
出租车运营数据
100 万条
电子停车收费
50 万条
合计 ≈ 3850 万条 / 天
平均每秒 445 条 数据涌进来
如果"实时路况"延迟半小时才出来,它还叫实时路况吗?
流式处理:数据不是攒够了再算,而是像水流一样,边来边算、边算边出结果。
[Velocity] 用教材的交通平台表格做支撑:每天 3850 万条 ≈ 每秒 445 条。
【话术】🎤 "如果你算出来的'实时路况'是半小时前的,那它还有什么用?"
点出流式处理概念:数据像水流,边来边算,不能等攒够了再处理。
壹
思维转变 1 · 样本渐趋于总体
从"抽样"到"全量"
视角二 · 互联网思维
5.1 认识大数据 · 粤教版必修1《数据与计算》
13
不是"数量巨大",是 要全量
大数据时代强调数据要全量而不是抽样 —— 强调数据规模的完整,而不只是数量大。
关键原因:有了更好的数据采集手段(手机、传感器、日志),拿到全量数据第一次变得可能且便宜。
🌰 对比一下
传统:调查全校 2000 人满意度
→ 发 200 份问卷,推算整体
大数据:刷卡 + 校服 + 借阅记录
→ 2000 人全都覆盖,一个不落
抽样 200 人
只看到 10%
全量 2000 人
100% 覆盖,包括从不说话的那群人
△ 抽样的三个老毛病
抽样偏差 —— 谁愿意填问卷?
看不到小众群体(比如只占 1% 的需求)
无法回答细分问题(高一男生?样本太小)
AI 视角:大模型训练用的就是"全量互联网文本",而不是抽样 —— 所以它能懂小众方言、冷门知识。
一句话:以前只能"尝一口汤"判断咸淡;现在有仪器了,整锅都能测一遍。
[思维① 样本→总体] 关键澄清:不是"数据多",是"要全量"。
【话术】🎤 举例:"抽样就像尝一口汤判断咸淡;全量是整锅都测一遍。以前只能尝一口,现在有仪器了。"
右侧的抽样代价可视化可以让学生自己说出小众群体被忽略的例子。
贰
思维转变 2 · 精确让位于模糊
宏观洞察 > 微观精确
视角二 · 互联网思维
5.1 认识大数据 · 粤教版必修1《数据与计算》
14
数据这么多,别再死磕精确了
大数据追求的不是精确性,而是模糊性:掌握大体发展方向即可,适当忽略微观精确度,反而能在宏观层面拥有更好的洞察力。
为什么?数据又多又杂,噪声不可避免。花大力气把每个数据弄准,不如接受 1% 的误差,换取 100% 的覆盖。
方案 A|精确但慢
精确到小数点后 4 位,但只覆盖 5% 数据,耗时 3 天
方案 B|模糊但快 ✓
误差 3%,但覆盖 100% 数据,5 分钟出结果 —— 大数据时代选 B
? 你来选:导航 App 的到达时间
A
用超精确模型,考虑每一辆车的车速,算 5 分钟,给出"23 分 47 秒"
B
用简化模型,1 秒出结果,给出"约 25 分钟,堵车则 35 分钟"
选 B。用户要的是"现在该不该出门",不是毫秒级精度。
大方向对,比小数点后几位对,有用得多。
AI 视角:AI 的回答天生是 概率性 的、模糊的 —— 它给的是"最可能",不是"确定"。这也是 AI 会"一本正经胡说"的根源。
[思维② 精确→模糊] 先让学生投票 A 还是 B,让学生先说理由再揭晓。
【话术】🎤 关键句:"1% 的误差换来 100% 的覆盖,这笔买卖划算。"
AI 连接点很重要:AI 的答案天生是概率性的——这既是它灵活的原因,也是它会胡说的根源。为第 21 页的"AI 幻觉"埋伏笔。
叁
思维转变 3 · 相关性重于因果
知道"是什么",不必知道"为什么"
本节最反直觉
5.1 认识大数据 · 粤教版必修1《数据与计算》
15
别问为什么,先知道正在发生
大数据时代,无须紧盯事物之间的因果关系,而应寻找相关关系。相关关系不能告诉你事情为何发生,但会提醒你它正在发生。
因果关系
因为 A,所以 B。
慢 · 难验证 · 需要机理
相关关系
A 出现时,B 也出现。
快 · 不问机理 · 能预警
→
灵魂追问:蛋挞和飓风有因果关系吗?——没有。但它有效。
大数据经常不告诉你"为什么",只告诉你"什么时候会发生"——这就够用了。
接下来两个教材案例,都是"不知道原理,却算得很准"的典型。
[思维③ 相关>因果] 本节最反直觉的一点,也是考试高频点。
两个案例都要讲:
· 谷歌流感(教材原文):搜"感冒"的人多了 → 预测流感爆发,比官方快 1~2 周。AI 完全不懂医学。
· 沃尔玛蛋挞:飓风前手电筒和草莓蛋挞都暴涨 7 倍。沃尔玛不研究为什么,直接摆门口。
【话术】🎤 灵魂追问:"蛋挞和飓风有因果关系吗?"——没有。但它有效。
可补充一句现实提醒:谷歌流感趋势后来也曾严重失准,说明纯相关关系有风险,需要持续校验——这是很好的批判性思维素材。
叁
思维转变 3 · 相关性重于因果
两个经典案例
教材案例
5.1 认识大数据 · 粤教版必修1《数据与计算》
16
不懂原理,也能预测得很准
案例 1 · 谷歌流感趋势
搜"感冒"的人多了,流感就来了
搜索引擎公司跟踪"感冒症状""治疗"等关键词,发现某时段某区域搜索量急剧增长。
→ 成功预测甲型 H1N1 流感的爆发时间与地域,比疾控中心官方通报快 1~2 周。
AI 完全不懂病毒学,它只是发现:"搜感冒"和"真感冒"高度相关。
⚠ 补充思辨:谷歌流感趋势后期也曾严重失准 —— 纯相关关系有风险,需要持续校验。
案例 2 · 沃尔玛"飓风与蛋挞"
手电筒合理,蛋挞毫无道理
分析历史销售数据发现:飓风登陆前,手电筒销量暴涨(合情合理),草莓味蛋挞销量也暴涨 7 倍(毫无道理)。
沃尔玛的做法:不研究为什么,直接把蛋挞摆到门口。
卖出去就够了。
这就是大数据思维:在商机窗口只有几天的场景下,"有效"比"有理"重要。
课堂追问:AI 知道蛋挞和飓风的因果吗?—— 完全不知道,它只学到"这两件事在数据上同时出现"。
④
互动④ 人机竞答 · 你 vs AI
预计 5 分钟 | 全班投票 + 揭晓
Q1 / 3
5.1 认识大数据 · 粤教版必修1《数据与计算》
17
Q1 · 大数据思维会怎么选?
先让学生举手 / 投票,再翻到下一页看 AI 怎么选
学校想了解全校 2000 名学生对新校服的真实满意度。大数据思维会怎么做?
A
精心设计问卷,随机抽样 200 人,严格控制误差在 ±3% 以内
B
让全校在校园平台匿名打分,哪怕有 15% 的人乱填、有刷分行为
C
找各班班长开座谈会,听取代表意见
D
参考隔壁学校去年的调查结果
四个选项里只有一个符合大数据思维 —— 小组讨论 30 秒,说出你选它的理由。
[互动④ 人机竞答] 三道题分别对应三个思维转变,是本课高潮。
流程:先让学生举手投票 → 记录各选项人数 → 点「看看 AI 怎么选」→ 讲解。
【话术】🎤 每题揭晓后必问:"AI 知道为什么吗?"
标准答案:它不知道因果,只知道相关。它只是从海量文本里学到"这种情况下人们通常选 B"。
如果时间不够,只做第 3 题(蛋挞),其余留作课后。
可选加餐:现场真的打开 AI 问同样的问题,把 AI 的实际回答投屏,和课件里的预设答案对照——学生会更有代入感。
④
互动④ 人机竞答 · 你 vs AI
预计 5 分钟 | 全班投票 + 揭晓
Q2 / 3
5.1 认识大数据 · 粤教版必修1《数据与计算》
18
Q2 · 大数据思维会怎么选?
先让学生举手 / 投票,再翻到下一页看 AI 怎么选
导航 App 要告诉你"到学校还要多久"。大数据思维会选哪种方案?
A
调用超级计算机,把每辆车的速度都算进去,5 分钟后给出"23 分 47 秒"
B
用简化模型,1 秒出结果:"约 25 分钟,前方拥堵则 35 分钟"
C
不预测,让用户自己看地图判断
D
给出过去 30 天的平均耗时
四个选项里只有一个符合大数据思维 —— 小组讨论 30 秒,说出你选它的理由。
④
互动④ 人机竞答 · 你 vs AI
预计 5 分钟 | 全班投票 + 揭晓
Q3 / 3
5.1 认识大数据 · 粤教版必修1《数据与计算》
19
Q3 · 大数据思维会怎么选?
先让学生举手 / 投票,再翻到下一页看 AI 怎么选
沃尔玛发现:飓风登陆前,草莓味蛋挞的销量会暴涨 7 倍。作为店长,大数据思维告诉你该怎么做?
A
先立项研究"为什么飓风前大家想吃蛋挞",搞清楚原因再行动
B
认为是数据错误,让技术部门重新核查
C
立刻把蛋挞摆到收银台旁边最显眼的位置
D
维持原样,等竞争对手先试
四个选项里只有一个符合大数据思维 —— 小组讨论 30 秒,说出你选它的理由。
④
互动④ 人机竞答 · 揭晓
AI 的选择与解析
答案
5.1 认识大数据 · 粤教版必修1《数据与计算》
20
AI 会怎么选?——它不知道因果,只知道相关
Q1
AI 选 B
样本渐趋于总体
抽样的 200 人再精确,也覆盖不到"不爱说话的那群人";全量数据即使脏一点,也能看到小众群体。
Q2
AI 选 B
精确让位于模糊
用户要的是"现在该不该出门",不是毫秒级精度。接受 3% 误差换取 100% 速度。
Q3
AI 选 C
相关性重于因果
相关关系不能告诉你为什么,但能提醒你正在发生。商机窗口只有几天时,"有效"比"有理"重要。
每题揭晓后必问一句:"AI 知道为什么吗?" —— 它不知道因果,只知道相关。
[互动④ 人机竞答] 三道题分别对应三个思维转变,是本课高潮。
流程:先让学生举手投票 → 记录各选项人数 → 点「看看 AI 怎么选」→ 讲解。
【话术】🎤 每题揭晓后必问:"AI 知道为什么吗?"
标准答案:它不知道因果,只知道相关。它只是从海量文本里学到"这种情况下人们通常选 B"。
如果时间不够,只做第 3 题(蛋挞),其余留作课后。
可选加餐:现场真的打开 AI 问同样的问题,把 AI 的实际回答投屏,和课件里的预设答案对照——学生会更有代入感。
3
视角三 · 分布式存储与并行计算
预计 3 分钟
存储与计算
5.1 认识大数据 · 粤教版必修1《数据与计算》
21
一台电脑算不过来,那就 一万台一起算
1
分布式存储
数据存在互联网不同的服务器与各客户终端上,不是塞进一台超级计算机。
服务器 A
服务器 B
服务器 C
你的手机
好处:便宜(用普通机器)、可靠(坏一台不丢数据)、可无限扩展。
2
分布式并行计算
把大任务切成小块,分给很多台机器同时算,最后把结果合并。
1 台电脑
100 小时
10 台并行
10 小时
100 台并行
1 小时
一句话串起来:数据太大(Volume)又太杂(Variety),单机存不下 → 分布式存储;单机算不完(Velocity)→ 分布式并行计算。
[分布式] 用"切任务"的比喻讲并行计算,别讲技术细节。
【话术】🎤 "100 个人一起搬砖 vs 1 个人搬,前提是这活儿能拆开。"
AI 连接点:没有分布式计算,就没有今天的大模型——成千上万块 GPU 同时训练。
⑤
互动⑤ 小组探究 · 传统数据 vs 大数据
预计 5 分钟 | 3 分钟讨论 + 2 分钟汇报
45:00 剩余
5.1 认识大数据 · 粤教版必修1《数据与计算》
22
填表:传统数据 与 大数据 有什么不同?
分组讨论,把答案填进黄色格子里,再派代表汇报
对比维度
传统数据
大数据
数据量级
GB、TB 级
TB、PB、EB 级
数据类型
结构化为主
结构化 + 非结构化
采集方式
人工录入、抽样
自动全量采集
处理方式
单机 / 集中式
分布式并行计算
思维模式
抽样 · 精确 · 因果
全量 · 模糊 · 相关
价值密度
较高
很低,需挖掘
⏱ 讨论倒计时
03:00
3 分钟 · 小组讨论
小组计分 +1
巡视要点
提醒学生别只写"大数据更多",要说出 思维层面 的区别:抽样还是全量?精确还是模糊?因果还是相关?
[互动⑤ 小组探究] 点「开始 3 分钟」,倒计时环会走,到时有提示。
学生在课件上直接点击黄色格子填写(contenteditable,投影时可用键盘输入)。
时间到后请 2~3 组汇报,用计分板加分。
如果学生填不出,点「填入参考答案」直接显示标准答案对照讲。
【话术】🎤 巡视提醒:"别只写'大数据更多',要说出思维层面的区别。"
4
5.1.3 大数据对日常生活的影响
先看好的一面
生活更便捷
5.1 认识大数据 · 粤教版必修1《数据与计算》
23
大数据让生活更便捷,四个典型场景
💳
方便支付
中国每 3 个手机用户就有 2 个用移动支付。医院、菜市场、路边摊都在用。
▸ 风控靠大数据
🚗
方便出行
网约车派单、智能导航避堵、无人驾驶、智能地图寻路。
▸ 实时路况数据
🛒
方便购物与推介
节省出门时间;企业据此判断需求,精准推介商品。
▸ 推荐算法
🏥
方便看病与诊病
网络预约挂号省去排队;医生提前分析病史,更科学诊病。
▸ AI 影像辅助
✦ 把 AI 加进来
这四个场景的共同点:先有大数据,后有智能服务。没有大数据,AI 就是个空壳。
[正面影响] 快讲,让学生自己补充生活例子(他们比你会举)。
【话术】🎤 "这四个场景有什么共同点?"——都是先有大数据,后有智能服务。
底部 AI 板块是核心落点:没有大数据,AI 就是个空壳。
✦
现场体验 · 当一回"数据分析师"
预计 5 分钟 | 学生用手机 / 机房电脑操作
✦ 提示词模板
5.1 认识大数据 · 粤教版必修1《数据与计算》
24
给 AI 一个问题,让它替你"分析大数据"
任选一段提示词,复制到任意 AI 助手发送,然后按观察清单核对它的回答
提示词 A · 食堂消费异常
你是一名高中数据分析师。我给你一组高二(3)班一周的食堂消费数据:[周一 8.2元, 周二 12.5元, 周三 7.8元, 周四 15.3元, 周五 21.6元, 周六 9.1元, 周日 6.4元]。请:1) 指出哪天消费异常并推测原因;2) 说明你用的是因果关系还是相关关系;3) 列出你还需要哪些数据才能提高判断准确率。
提示词 B · 下雨天午餐方案
学校想在下雨天给全校2000名学生准备更合适的午餐。作为大数据分析师,请你:1) 列出你会采集哪5类数据;2) 说明为什么用"全量数据"而不是"抽样问卷";3) 举一个"相关但非因果"的发现,并说明你会如何使用它。
观察清单(边做边记)
1
哪些是 相关关系?哪些是 因果推断?
2
它有没有 主动索要更多数据?说明什么?
3
结论是 精确数字 还是 模糊范围?
4
它说"可能是……"的地方,你信吗?
⚠ 关键提醒
AI 的输出是 概率性猜测,不是事实。同一个问题问两次,答案可能不同 —— 这正是"精确让位于模糊"的活教材。
[现场体验] 学生用自己的手机/机房电脑打开任意 AI 助手,复制提示词发送。
机房版:直接让学生复制粘贴;手机版:可把提示词截图发班级群。
【话术】🎤 巡视时重点问:"AI 有没有主动问你要更多数据?它说'可能是'的地方你信吗?"
右侧投票统计:信 / 半信 / 不信,三档举手计数。
教师可直接复制的提示词(备用):
用一句话说明:大数据和人工智能是什么关系?请分别举一个生活中的例子。
时间紧的话:教师用自己的设备现场演示一次即可,3 分钟带过。
!
5.1.3 大数据的负面影响
硬币的另一面
⚠ 信息社会责任
5.1 认识大数据 · 粤教版必修1《数据与计算》
25
同样的技术,也可以伤害你
1
个人信息泄露
手机、计算机、网络、信用卡……每种信息科技都在产生数据,而这些数据 时刻存在泄露的风险。
· 快递单上的姓名电话住址
· App 过度索取通讯录、相册、定位权限
· 不同平台数据打通后,拼出你的 完整画像
2
信息伤害与诈骗
网络信息随时可能被不法分子窃取,并对 我们及身边的亲人 造成伤害。
· 精准诈骗:知道你刚买了什么、家在哪
· 大数据"杀熟":老用户看到更高价
· 算法茧房:只看得到你想看的
✦ AI 时代的新风险
①
AI 换脸 / 变声诈骗
几秒语音就能克隆亲人声音
②
深度伪造 Deepfake
伪造图文视频以假乱真
③
AI"一本正经地胡说"
概率生成,会编造假信息
④
训练数据偏见被放大
数据里有偏见,AI 就学会偏见
三问自查法:① 这条信息 哪来的?② 有没有 第二个独立来源?③ 如果它是假的,谁会获利?
[负面影响] 语气要稳,不要吓唬,要让学生有可操作的自我保护方法。
【话术】🎤 现场小调查:"谁收到过冒充老师/同学的诈骗信息?谁遇到过'熟人'借钱的视频通话?"
右下角三问自查法务必让学生记住并当场练一次。
AI 新风险部分:AI 换脸诈骗是当下最高发的,值得多花 1 分钟,最好能展示一段"如何辨别"的技巧(如让对方侧脸、做指定动作)。
⑥
互动⑥ 立场投票 · 大数据让生活更美好吗?
预计 4 分钟 | 先投后换边
辩论预热
5.1 认识大数据 · 粤教版必修1《数据与计算》
26
三步走:直觉投票 → 强制换边 → 让 AI 当反方
1
凭直觉投一次
学生举手 / 口头报数,教师计数,大屏实时出柱状图。
2
强制换边(2 分钟)
刚才投"利大于弊"的同学,现在必须为"弊大于利"找 3 条理由;反之亦然。随机点名同学发言。
3
让 AI 当"反方辩手"(可选)
把辩题提示词发给 AI,让它生成反方论点,全班一起挑毛病。
辩论提示词(发给 AI)
请扮演辩论反方。辩题:大数据让生活更美好。要求:1) 给出3条有具体案例支撑的论点;2) 每条论点后面标注"这条论点的漏洞可能在哪";3) 最后用一句话总结你的真实立场。
换边的意义:逼你看见自己的盲区。
站到对面,才知道对方为什么那样想。
课堂落点:技术本身中立,关键是谁在用、怎么用、有没有规则约束。
我国已施行《个人信息保护法》《数据安全法》,明确处理个人信息应遵循 合法、正当、必要 原则。
[互动⑥ 立场投票] 三步走:直觉投 → 强制换边 → AI 当反方。
【话术】🎤 换边时的引导句:"现在你必须站在对面。这不只是辩论技巧,是让你看见自己盲区。"
第二步请随机点名的同学发言,用计分板加分。
第三步可选:把提示词发给 AI,投屏它的反方论点,全班一起挑毛病——这个环节学生参与感最强。
落点要明确:技术中立,关键在规则和用法,点一下《个人信息保护法》的合法、正当、必要原则。
∑
本课小结 · 知识地图
预计 3 分钟
回顾
5.1 认识大数据 · 粤教版必修1《数据与计算》
27
今天学了什么?
5.1.1
什么是大数据
· 定义:常规工具处理不了的数据集合
· 来源:终端、互联网、传感器、科学观测
5.1.2
大数据的特征
· 4V:大量 · 多样 · 低价值密度 · 高速
· 思维:全量 · 模糊 · 相关
· 技术:分布式存储 + 并行计算
5.1.3
对日常生活的影响
· 正面:支付 · 出行 · 购物 · 就医
· 负面:信息泄露 · 诈骗伤害
· AI 时代新风险与三问自查法
一句话串讲
数据大到老办法不管用(定义)→ 于是有了四个 V 和三种新思维(特征)→ 靠分布式技术才存得下算得动(技术)→ 最终改变了每个人的生活,也带来了新的责任(影响)。
[知识地图] 带着学生一起说,别自己念。
【话术】🎤 "定义一句话、三个视角、两个影响——谁能复述一遍?"
底部那句"串讲"是给学生的记忆钩子,建议让他们抄下来。
✓
课堂小测 · 3 道题
预计 3 分钟 | 点击即判
即时反馈
5.1 认识大数据 · 粤教版必修1《数据与计算》
28
三道题,检验今天的收获
第 1 题
大数据的 4V 特征中,"价值密度低"指的是:
A
数据本身没有价值
B
海量数据中真正有用的部分占比极小
C
数据存储成本很低
D
数据更新速度太慢导致贬值
第 2 题
沃尔玛在飓风前把蛋挞摆到门口,体现的思维是:
A
样本渐趋于总体
B
精确让位于模糊
C
相关性重于因果(不追问原因,直接用)
D
分布式并行计算
第 3 题
关于大数据与 AI 的关系,正确的是:
A
AI 可以脱离数据独立产生智能
B
大数据必须由 AI 才能产生
C
大数据是 AI 的训练燃料,AI 是挖掘大数据价值的工具
D
两者互不相干
答题方式:学生口头抢答或举手 —— 答案与讲评见下一页
[课堂小测] 点选项即判分(绿对红错)。
建议让学生先抢答再说答案,答对的小组加分。
第 3 题(大数据与 AI 的关系)是本课 AI 融合的收口题,一定要讲透。
✓
课堂小测 · 答案与讲评
3 道题
答案
5.1 认识大数据 · 粤教版必修1《数据与计算》
29
答案与讲评
第 1 题
B
价值密度低 = 海量数据里真正有用的部分占比极小。监控录像 24 小时,有用的可能只有 2 秒。
第 2 题
C
不追问原因、直接用相关关系 —— 这正是"相关性重于因果",也是大数据思维最反直觉的一点。
第 3 题
C
大数据是燃料,AI 是工具:没有数据,AI 是空壳;没有 AI,海量数据挖不出价值。
三题全对的小组,集体加 1 分。
▣
课后任务 · 下节预告
预计 2 分钟
作业
5.1 认识大数据 · 粤教版必修1《数据与计算》
30
课后任务与下节预告
1 基础作业(必做)
· 整理本节笔记:大数据的定义 + 4V + 三大思维转变
· 完成教材 Pxx 表 5-2「传统数据与大数据的区别」
· 预习 5.2 数据的采集
2 拓展任务(二选一,AI 辅助)
A · 我的数据画像:查手机「屏幕使用时间」/ 微信账单,用一页图文描述"数据里的我",并写下 2 条隐私保护改进措施。
B · 人机对比实验:就同一个问题分别问 AI 和问家人,记录答案差异,用"相关 vs 因果"分析谁更靠谱。
✦ 下节预告
5.2 数据的采集
今天我们知道大数据 是什么、有什么特点。下一节解决另一个问题:
这些数据,到底是怎么被采集到的?
传感器、爬虫、日志、问卷调查……各有各的门道,也各有各的雷区。
[课后] 拓展任务 A(我的数据画像)与本节关联最紧,推荐作为主选。
提醒:如果用 AI 完成作业,要标注哪些部分是 AI 生成的——本身就是一次信息社会责任教育。
【话术】🎤 收尾句可以慢一点说:"愿你们既看得懂数据,也守得住自己。"
5.1 认识大数据
本节课结束
愿你们既看得懂数据,
也守得住自己。
粤教版 高中信息技术 必修1《数据与计算》 · 第五章 数据处理和可视化表达
$