2025 高中信息技术数据与计算的信息抽取项目实例课件

一、课程背景与核心价值：为何聚焦信息抽取？演讲人01课程背景与核心价值：为何聚焦信息抽取？02知识铺垫：信息抽取的底层逻辑与工具链03项目实例：校园活动信息抽取系统的设计与实现04实践拓展：从校园到更广阔的应用场景05总结与展望：信息抽取的教育价值再审视目录2025高中信息技术数据与计算的信息抽取项目实例课件01课程背景与核心价值：为何聚焦信息抽取？课程背景与核心价值：为何聚焦信息抽取？作为深耕高中信息技术教学十余年的一线教师，我常思考一个问题：如何让“数据与计算”模块的教学跳出理论灌输，真正培养学生用技术解决实际问题的能力？2022年新课标明确指出，“数据与计算”要着重发展学生的数据意识、算法思维和数字化工具应用能力，而信息抽取正是连接理论与实践的关键桥梁——它既是数据处理的起点，也是算法思维的具象化应用场景。1信息抽取的教育定位信息抽取（InformationExtraction,IE）是从非结构化或半结构化文本中提取特定类型信息（如实体、关系、事件）并转化为结构化数据的技术。在高中阶段，它的价值体现在三方面：知识衔接：承接“数据编码”“数据管理”等基础内容，为后续“数据可视化”“机器学习基础”做铺垫；能力培养：通过需求分析、规则设计、模型调优等环节，训练学生的问题分解能力与计算思维；素养落地：让学生在真实任务中体会“用技术赋能生活”的价值，例如从校园公告中自动提取活动信息、从社区问卷中统计民意焦点。2高中生的认知适配性考虑到学生的知识储备（已掌握Python基础、简单正则表达式、文本处理库），我们选择“基于规则+轻量级机器学习”的混合方案。这既避免了深度学习的复杂理论，又能通过可解释的规则设计让学生理解技术本质——信息抽取不是“黑箱”，而是“有逻辑的信息打捞”。02知识铺垫：信息抽取的底层逻辑与工具链知识铺垫：信息抽取的底层逻辑与工具链在开展项目前，必须帮助学生建立清晰的知识框架。我通常会用“拆解-重构”的思路，从具体案例入手，逐步抽象出技术模型。1信息抽取的核心任务类型通过对比不同场景的实例，学生能更直观理解任务差异：实体抽取（EntityExtraction）：从“2024年10月15日，高三（3）班在体育馆举办科技节开幕式”中提取“时间：2024-10-15”“地点：体育馆”“主办方：高三（3）班”“事件：科技节开幕式”；关系抽取（RelationExtraction）：从“李老师指导的机器人社团获得市级一等奖”中提取“指导关系：李老师-机器人社团”“获奖关系：机器人社团-市级一等奖”；事件抽取（EventExtraction）：从“台风‘海葵’导致A市12条道路积水，消防部门已转移500名群众”中提取“灾害事件：台风‘海葵’-影响-道路积水”“救援事件：消防部门-转移-500名群众”。2技术路径的选择与对比我会通过表格对比不同方法的适用场景（表1），引导学生根据任务需求选择工具：|方法类型|核心思想|优势|局限性|高中适用场景||----------------|---------------------------|-----------------------|-----------------------|-----------------------||基于规则|人工定义关键词/正则表达式|可解释性强、实现简单|依赖先验知识，泛化性差|实体类型固定的短文本||基于统计学习|用标注数据训练分类模型|能处理部分复杂模式|需要一定量标注数据|关系抽取、情感分析||基于深度学习|用神经网络自动学习特征|准确率高、适应性强|计算资源需求大，解释性弱|不推荐（超出高中范围）|3常用工具与环境配置考虑到教学实际，我们选择Python作为开发语言，重点使用以下工具库：文本处理：jieba（中文分词）、re（正则表达式）；数据标注：LabelStudio（可视化标注工具，支持实体、关系标注）；模型训练：sklearn（逻辑回归、SVM等基础分类器）；结果验证：Pandas（结构化数据存储与分析）。在第一次课上，我会带着学生完成环境搭建，并演示用jieba分词标注实体的过程——当学生看到“科技节开幕式”被正确切分为“科技节/开幕式”时，他们会直观感受到“分词是信息抽取的基石”。03项目实例：校园活动信息抽取系统的设计与实现1项目背景与需求分析2023年9月，我所在的学校公众号每月发布约50篇活动推文（如社团招新、学科竞赛、志愿服务），但活动信息（时间、地点、报名方式）分散在长文中，师生查找效率低。学生团队提出：“能否做一个自动提取活动信息的工具？”这成为项目的起点。需求清单（学生主导梳理）：输入：公众号推文文本（含标题、正文）；输出：结构化表格（字段：活动主题、时间、地点、主办方、报名截止时间、联系人）；约束：准确率≥85%（人工验证），处理单篇文本时间≤5秒。2数据收集与预处理数据质量直接影响抽取效果。学生团队通过以下步骤完成数据准备：数据采集：用Python的requests库爬取公众号历史推文（已获学校授权），共收集2022-2023年推文127篇，筛选出含活动信息的89篇作为训练集，20篇作为测试集；数据清洗：去除图片描述、超链接等干扰内容，合并分段的长句（如“活动时间：10月10日。地点：”合并为“活动时间：10月10日，地点：”）；数据标注：使用LabelStudio标注实体（表2），每篇文本由2名学生交叉标注，不一致处由教师仲裁，最终形成标注语料500条。|实体类型|示例|标注标签|2数据收集与预处理|主办方|“校信息技术社团”|B-ORG/I-ORG|05|时间|“2024年11月5日14:00”|B-TIME/I-TIME|03|----------------|-----------------------|----------------|01|地点|“实验楼301会议室”|B-LOC/I-LOC|04|活动主题|“人工智能科普讲座”|B-TITLE/I-TITLE|023技术方案设计：从规则到模型的迭代基础层：用jieba分词+自定义词典（含“社团”“学生会”“实验室”等关键词）预处理文本；05规则抽取层：针对格式固定的字段（如“报名截止时间：”后内容）用正则提取；06主办方可能隐含（如“本次活动由学生会承办”中的“学生会”），需结合上下文判断。03于是团队调整方案，采用“规则+统计学习”的混合架构（图1）：04学生最初尝试纯规则方法，用正则表达式匹配“时间：\d{4}年\d{1,2}月\d{1,2}日”等模式，但遇到两大问题：01时间表述多样（如“下周三下午3点”“11/5（周一）14:00”），规则覆盖不全；023技术方案设计：从规则到模型的迭代模型抽取层：对表述灵活的字段（如活动主题、主办方），用标注数据训练逻辑回归模型，特征包括词频、词性（名词、动词占比）、关键词共现（如“举办”前的名词常为主办方）。4实现与调优：在试错中成长项目实施历时8周，学生经历了多次迭代：第一次测试（规则版）：时间抽取准确率62%，因无法处理“下周三”等相对时间；→解决方案：添加时间归一化函数（如“下周三”转为具体日期需结合当前日期）；第二次测试（规则+模型版）：主办方抽取准确率78%，但误将“活动负责人”识别为主办方；→解决方案：增加上下文特征（如“由...主办”“承办单位：”等触发词）；第三次测试（优化版）：综合准确率达87%，满足需求。当学生看到自己的工具成功从一篇2000字的推文中提取出完整活动信息时，有位学生兴奋地说：“原来代码真的能‘读懂’文字！”这种成就感，正是项目式学习的核心动力。04实践拓展：从校园到更广阔的应用场景1课堂实践任务设计01020304为了让更多学生参与，我设计了分层实践任务：基础任务：用正则表达式从“社团招新公告”中提取招新时间、地点（提供样例数据）；进阶任务：用jieba分词+自定义词典标注“志愿者活动”推文的主办方实体（标注工具实操）；挑战任务：小组合作设计“班级日志信息抽取”方案（字段自定，提交需求文档与技术路线图）。2跨学科融合的可能性信息抽取的应用远不止信息技术课堂：语文：从名著中提取人物关系（如《红楼梦》的“亲属关系”“主仆关系”）；历史：从史料中提取事件要素（时间、地点、人物、结果）；地理：从新闻中提取自然灾害信息（类型、影响范围、伤亡人数）。我曾与语文组合作，让学生用信息抽取工具分析《水浒传》的人物互动网络，学生不仅掌握了技术，还更深入理解了“梁山好汉的关系网如何影响情节发展”。05总结与展望：信息抽取的教育价值再审视1核心收获的凝练通过这个项目，学生不仅掌握了信息抽取的技术流程，更重要的是：计算思维：理解“规则设计-数据标注-模型优化”的工程思维；问题解决能力：学会从“模糊需求”到“可操作方案”的分解方法；技术伦理意识：在数据爬取、隐私保护（如避免提取学生姓名等敏感信息）中建立责任感。2对2025年教学的启示随着大语言模型（LLM）的普及，信息抽取的工具更强大（如用ChatGPT的函数调用功能），但高中教学的重点不应是追逐技术前沿，而是“以技术为载体，培养思维与素养”。