单元学习评价教学设计高中信息技术教科版2019选择性必修3 数据管理与分析-教科版2019

PAGE1PAGE2单元学习评价教学设计高中信息技术教科版2019选择性必修3数据管理与分析-教科版2019课题单元学习评价教学设计高中信息技术教科版2019选择性必修3数据管理与分析-教科版2019教材分析一、教材分析本单元是教科版2019选择性必修3《数据管理与分析》的单元学习评价，承接前序“数据管理基础”“数据处理与分析”“数据可视化”等章节内容，旨在综合检验学生对数据采集、清洗、存储、分析及可视化工具应用的掌握程度。通过评价设计，强化学生利用数据解决实际问题的能力，落实数据素养培养目标，符合高中信息技术学科核心素养要求，为后续数据驱动决策学习奠定基础。核心素养目标分析二、核心素养目标分析本单元聚焦数据管理与分析全流程，旨在培养学生信息意识——主动识别数据价值，运用数据解决实际问题；计算思维——通过数据清洗、建模分析，提升逻辑推理与问题解决能力；数字化学习与创新——熟练运用工具处理数据，创新可视化表达；信息社会责任——树立数据安全与隐私保护意识，形成负责任的数据伦理观念。教学难点与重点1.教学重点：

（1）数据清洗技术：掌握缺失值、异常值处理方法，如用均值填充缺失数据；（2）分析工具应用：熟练使用Excel函数（如VLOOKUP、SUMIF）进行数据计算；（3）可视化表达：设计图表（柱状图、折线图）直观展示分析结果。

2.教学难点：

（1）数据清洗逻辑：理解异常值识别规则，如用标准差法判断数据偏离程度；（2）函数嵌套应用：解决多条件分析问题，如用IF嵌套函数实现数据分级；（3）数据关联分析：通过合并查询（如SQLJOIN）关联多表数据，分析销售数据与客户关系。教学方法与手段教学方法：1.讲授法，讲解数据清洗原理与Excel函数操作；2.讨论法，围绕数据可视化方案展开小组研讨；3.实验法，利用数据库软件完成多表关联分析任务。

教学手段：1.多媒体课件展示数据案例与操作演示；2.教学软件辅助实时数据处理与结果验证；3.在线学习平台支持作品提交与互评。教学流程1.导入新课（5分钟）

展示学校运动会各班跳远成绩数据表（含缺考、录入错误数据），提问“如何从这些数据中分析班级整体表现？”引导学生发现数据问题，关联课本“数据管理基础”中数据质量重要性，明确本节课目标——通过数据清洗、分析、可视化完成评价任务，激发解决实际问题的兴趣。

2.新课讲授（21分钟，每条7分钟）

（1）数据清洗技术：讲解缺失值处理（如用班级跳远成绩均值填充缺考数据）、异常值识别（用3σ法则标记超出均值3倍标准差的错误数据，如12米录入为120米），结合课本“数据处理”章节案例，演示Excel“查找与替换”“条件格式”操作。

（2）分析工具应用：重点演示VLOOKUP函数关联学生信息表与成绩表（提取班级、姓名对应成绩），SUMIF函数统计各班总分（条件为“班级=1班”），关联课本“数据分析”中函数应用案例，强调函数参数准确性（如col_index_num列号错误导致数据错位）。

（3）可视化表达：对比柱状图（展示班级总分对比）、折线图（展示成绩分布趋势）、饼图（展示优秀率占比）的适用场景，以班级总分对比为例，演示Excel图表设计步骤（标题“各班跳远总分”、坐标轴标签、数据标签），关联课本“数据可视化”中图表选择原则。

3.实践活动（12分钟，每条4分钟）

（1）数据清洗实践：发放“某商场月度销售数据表”（含缺失销售额、异常高值如-1000元），学生分组用Excel“平均值填充”处理缺失值，“条件格式+筛选”标记异常值并修正，教师巡视指导异常值判断逻辑（如销售额为负可能是退货录入错误）。

（2）函数嵌套实践：给定“学生成绩表”，要求用IF嵌套函数实现成绩等级划分（≥90优秀，80-89良好，60-79及格，<60不及格），举例85分应返回“良好”，强调条件顺序（从高到低判断），避免逻辑冲突。

（3）数据关联分析实践：提供“订单表”（订单ID、客户ID、金额）和“客户表”（客户ID、地区），学生用SQLJOIN语句关联两表，统计各地区订单总额，突破多表关联难点，教师演示INNERJOIN语法（ON客户ID）。

4.学生小组讨论（3分钟）

（1）数据清洗策略：讨论“用中位数填充缺失值vs用均值填充”的优劣，举例销售数据中存在极端高值时，中位数更能反映平均水平。

（2）函数嵌套逻辑：分析“IF(成绩>=90,"优秀",IF(成绩>=80,"良好",IF(成绩>=60,"及格","不及格")))”中条件顺序颠倒会导致的问题，如先判断“成绩>=60”会将85分误判为“及格”。

（3）可视化图表选择：讨论“展示不同商品销售额占比”用饼图还是条形图，举例饼图适合分类少且无顺序的数据，条形图适合分类多的对比。

5.总结回顾（3分钟）

梳理核心知识：数据清洗（缺失值、异常值处理）、分析工具（VLOOKUP、SUMIF、IF嵌套）、可视化（图表选择原则）；强调难点：异常值识别需结合业务逻辑（如销售数据负值需核实）、函数嵌套注意条件顺序、多表关联明确JOIN类型。以运动会成绩分析为例，展示完整处理流程（清洗→分析→可视化），强化“数据驱动决策”意识，关联单元评价目标。学生学习效果六、学生学习效果本单元学习后，学生能在数据管理与分析全流程中实现从知识理解到实践应用的深度转化，具体效果体现在以下方面：在数据清洗环节，学生能系统掌握缺失值与异常值处理方法，例如针对运动会跳远成绩数据中的缺考记录，能主动计算班级成绩均值（如8.2米）进行填充，而非简单留空；对录入错误数据（如12米误录为120米），能运用3σ法则识别异常值（超出均值3倍标准差），结合业务逻辑判断为录入错误并修正，理解“数据质量是分析前提”的核心思想。在分析工具应用上，学生能灵活运用Excel函数解决实际问题，如用VLOOKUP函数关联学生信息表与成绩表（学号为关键字段），提取班级对应总分；用SUMIF函数按班级条件统计总分（条件区域为“班级”列，求和区域为“成绩”列）；针对多条件分析，能正确设计IF嵌套函数（如“IF(成绩≥90,"优秀",IF(成绩≥80,"良好",IF(成绩≥60,"及格","不及格")))"），并理解条件顺序颠倒的逻辑冲突（如先判断“成绩≥60”会导致85分误判为“及格”）。在数据可视化表达中，学生能根据数据特征选择合适图表，如用柱状图对比各班跳远总分（直观展示班级差异），用折线图展示成绩分布趋势（反映整体水平波动），用饼图展示优秀率占比（突出比例关系），并能优化图表细节（如添加标题“各班跳远成绩分析”、坐标轴标签“班级/分数”、数据标签“850分”），确保可视化结果清晰传达信息。在数据关联分析实践中，学生能突破多表关联难点，例如通过SQLINNERJOIN语句关联订单表（订单ID、客户ID、金额）与客户表（客户ID、地区），统计各地区订单总额（如“SELECT地区,SUM(金额)FROM订单表INNERJOIN客户表ON订单表.客户ID=客户表.客户IDGROUPBY地区”），理解关联逻辑对数据分析完整性的影响。在核心素养层面，学生信息意识显著提升，能主动识别数据价值，如在商场销售数据讨论中提出“中位数填充更适合存在极端高值的数据”（如某日销售额异常偏高时，中位数更能反映日常水平）；计算思维得到强化，能将实际问题转化为数据处理流程（如“班级表现分析→数据清洗→函数统计→可视化展示”）；数字化学习能力增强，能熟练切换Excel与SQL工具处理不同场景数据（Excel适合简单统计，SQL适合多表关联）；信息社会责任意识树立，在处理客户数据时主动保护隐私（如不泄露客户具体姓名，仅使用地区字段分析）。通过单元评价任务的完成，学生能独立完成从原始数据到决策支持的完整过程，例如对运动会成绩数据进行清洗（修正缺考、异常值）、分析（计算班级平均分、优秀率）、可视化（生成总分对比图、成绩分布图），最终形成“班级1班表现最优，需加强3班跳远训练”的分析报告，实现“数据驱动决策”的素养目标，为后续“数据与人工智能”章节学习奠定坚实基础。板书设计①数据清洗与分析基础

-核心概念：数据质量、缺失值、异常值

-处理方法：均值填充、中位数填充、3σ法则

-分析流程：原始数据→清洗→计算→可视化

②工具应用与操作要点

-Excel函数：VLOOKUP（关联数据）、SUMIF（条件统计）、IF嵌套（分级判断）

-SQL关联：INNERJOIN（多表合并）、ON（关联字段）、GROUPBY（分组汇总）

-关键参数：col_index_num（列号）、条件区域、判断顺序

③数据可视化与决策逻辑

-图表类型：柱状图（对比）、折线图（趋势）、饼图（占比）

-优化细节：标题、坐标轴标签、数据标签

-决策结论：数据驱动分析结果（如“班级表现差异需针对性训练”）课堂1.课堂评价：通过提问检测学生对数据清洗原理的理解，如“异常值识别中3σ法则的适用条件是什么”，观察学生操作Excel函数时的规范性（如VLOOKUP列号参数是否正确），随堂测试数据清洗结果（如商场销售数据中缺失值填充是否合理），实时发现学生逻辑漏洞（如IF嵌套条件顺序颠倒）并引导修正，确保掌握核心工具应用。

2.作业评价：批改“运动会成绩分析”作业时，重点检查缺失值处理方法（是否用中位数而非均值应对极端值）、函数嵌套逻辑（成绩分级函数条件顺序是否正确）、图表选择（班级总分对比是否用柱状图而非饼图），针对关联字段错误（如SQLJOIN中客户ID拼写错误）标注修改建议，反馈数据清洗的严谨性、分析工具的准确性，鼓励学生优化可视化细节，强化“数据质量决定分析结果”的认知。教学反思这节课下来，学生基本掌握了数据清洗的核心方法，比如用中位数填充缺失值、3σ法则识别异常值，但发现部分学生在函数嵌套时容易搞错条件顺序，比如IF函数里先判断低分