5.1 认识大数据说课稿2025学年高中信息技术粤教版2019必修1 数据与计算-粤教版2019

5.1认识大数据说课稿2025学年高中信息技术粤教版2019必修1数据与计算-粤教版2019备课组主备人授课教师授教学科授课班级XX年级课题名称设计思路一、设计思路：以学生生活场景（如短视频推荐、健康码数据）为切入点，引出大数据概念，结合课本中大数据的4V特征（Volume、Velocity、Variety、Value），通过对比传统数据与大数据案例（如超市销售记录vs电商用户行为），引导学生归纳核心内涵。采用“情境导入—案例分析—概念建构—应用拓展”逻辑，结合智慧交通、疫情防控等实例，强化数据意识，培养从数据中获取价值的思维，符合高一学生认知水平与课本要求。核心素养目标分析二、核心素养目标分析：通过分析大数据特征（Volume、Velocity、Variety、Value），培养学生信息意识，感知数据价值与应用场景；结合案例（如疫情防控数据），发展计算思维，理解数据处理逻辑；引导学生利用工具分析模拟数据，提升数字化学习与创新能力；探讨大数据隐私与伦理问题，强化信息社会责任，树立数据安全意识。学习者分析三、学习者分析：1.学生已掌握数据的基本概念、分类及Excel等工具的基础操作，能进行简单数据录入与图表制作，对数据在生活中的应用有初步感知，与课本“数据与计算”前序章节内容衔接。2.高一学生对生活化大数据案例（如短视频推荐、疫情防控数据）兴趣浓厚，逻辑思维和抽象思维能力逐步发展，擅长小组合作探究，但动手实践能力存在差异，偏好直观体验式学习。3.可能难以理解大数据4V特征的抽象内涵（尤其是Volume的海量性与Velocity的实时性），从传统数据思维转向大数据思维（如关注相关性而非因果）存在挑战，且对课本中涉及的数据处理工具（如Python基础）应用熟练度不足。教学方法与策略四、教学方法与策略：1.采用情境教学法结合案例研讨，以课本中的疫情防控数据、电商用户行为为例，引导学生归纳大数据4V特征；2.设计小组活动，使用Excel分析模拟数据集，对比传统数据与大数据处理差异，深化理解；3.利用PPT展示短视频推荐、智慧交通等动态案例，结合课本“数据价值”模块，通过Python基础可视化工具（如Matplotlib）演示数据挖掘过程，强化直观认知。教学流程五、教学流程：1.导入新课：播放短视频平台推荐页面（如抖音“为你推荐”），结合学生日常刷视频经历提问：“为什么刷到的视频总是你感兴趣的？”展示抖音后台数据：7亿日活用户、每分钟100万条评论、100小时视频内容，引出“这些海量数据如何影响我们的生活？”再展示健康码数据整合（位置、行程、核酸），提问：“健康码如何快速判断风险？”通过生活化案例引发兴趣，自然引入“大数据”概念，用时5分钟。2.新课讲授：（1）大数据概念：结合课本“数据与计算”第一章“数据基本概念”，对比传统数据（如班级成绩册）与大数据（如电商用户行为日志），强调大数据是“规模庞大、来源多样、价值密度低但总价值高的数据集合”，举例某电商平台“双11”产生12亿条订单数据，突出“规模性”；（2）4V特征①Volume（规模）：课本案例“某社交平台每日新增10TB用户动态”，对比传统数据库（如学校图书馆藏书约1TB），说明数据量从GB级跃升至TB/PB级；②Velocity（速度）：课本“智慧交通系统实时处理10万辆车GPS数据，每秒更新路况”，强调数据实时生成与处理，如股票交易系统每秒处理百万笔订单；③Variety（多样）：课本“健康码整合文本（核酸结果）、位置（GPS）、图片（人脸识别）等多模态数据”，对比传统数据（纯文本成绩单），说明数据类型从结构化扩展到非结构化；④Value（价值）：课本“某超市通过分析百万会员消费数据，发现周末啤酒与尿布销量关联，优化商品陈列”，说明低价值密度数据中蕴含高价值，用时15分钟。3.实践活动：（1）Volume体验：使用课本提供的“电商用户行为模拟数据集”（含10万条用户浏览、购买记录），用Excel筛选“近30天购买次数≥5的用户数量”，对比班级同学手机相册照片数量（约1000张），感受“10万条数据”的规模；（2）Velocity模拟：在Excel中设置“实时数据更新”（每秒自动新增一条模拟订单数据，包含用户ID、商品、时间），观察数据表变化，理解“实时处理”的含义；（3）Variety分析：分析混合数据集（含文本评论“质量很好”、图片标签“红色”、数值“价格199元”），用Excel数据分类功能将数据分为“文本”“图片标签”“数值”三类，体验数据多样性，用时12分钟。4.学生小组讨论：（1）大数据应用：“短视频推荐算法如何利用大数据提升用户体验？”举例回答：通过分析用户观看时长（Velocity）、点赞类型（Variety）、历史偏好（Value），推送相似内容，如你喜欢“科幻电影”，则推荐同类型新片；（2）数据隐私：“健康码收集多源数据可能带来哪些风险？”举例回答：位置数据泄露可能导致他人知晓你的行踪，行程信息可能被用于非法营销；（3）传统与大数据对比：“班级纸质成绩册（传统数据）与在线学习平台成绩大数据（记录每次答题时间、错误率）在分析学习问题时有何不同？”举例回答：传统数据只能看总分，大数据能发现“你总是在数学选择题第5题出错”，精准定位薄弱点，用时8分钟。5.总结回顾：用思维导图梳理本节课核心：大数据概念（规模、速度、多样、价值的统一体）、4V特征（Volume是基础，Velocity是关键，Variety是难点，Value是目的）、与传统数据区别（从“样本小、类型单一”到“全量、多模态”）。结合课本“数据价值”模块强调：大数据不仅是技术，更是思维方式转变——从“探究因果关系”到“发现相关性”，如“尿布与啤酒销量关联”无需探究原因，只需利用规律。最后提问：“如果让你用大数据分析校园生活，你会研究什么？”引导学生迁移应用，突出重点（4V特征）和难点（从传统数据思维转向大数据思维），用时5分钟。学生学习效果**知识掌握层面**：学生精准理解大数据的核心概念，能结合教材案例（如电商平台“双11”12亿条订单数据、社交平台每日10TB用户动态）阐述大数据的规模性（Volume），明确其从GB级跃升至TB/PB级的量变特征；掌握Velocity（速度）内涵，通过智慧交通系统实时处理10万辆车GPS数据、股票交易系统每秒百万笔订单等案例，理解数据实时生成与处理的技术要求；辨析Variety（多样性），通过健康码整合文本、位置、图片等非结构化数据，对比传统纯文本成绩册，掌握数据类型从结构化扩展到多模态的演变；把握Value（价值）本质，通过超市分析百万会员消费数据发现“啤酒与尿布销量关联”的案例，理解低价值密度数据中蕴含高价值规律的挖掘逻辑。

**能力提升层面**：学生能运用Excel工具处理模拟数据集（如10万条用户行为数据），通过筛选函数（如`=COUNTIFS(A:A,">=2023-01-01",B:B,">=5")`）统计近30天购买次数≥5的用户数量，直观感受Volume规模；通过设置Excel实时数据更新功能（每秒新增模拟订单），观察数据表动态变化，模拟Velocity实时处理过程；通过分类功能将混合数据集（文本评论、图片标签、价格数值）分三类，实践Variety分析能力。在小组讨论中，学生能结合教材案例（如短视频推荐算法分析用户观看时长、点赞类型、历史偏好）举例说明大数据应用逻辑，如“通过科幻电影历史偏好推送同类型新片”，并能对比传统纸质成绩册（仅总分）与在线学习平台大数据（记录答题时间、错误率）在分析学习问题中的差异，精准定位薄弱点。

**素养发展层面**：学生建立数据价值意识，能从教材“数据价值”模块迁移应用，如提出“用大数据分析校园食堂用餐高峰期与菜品销量关联，优化供餐计划”；强化信息社会责任，讨论健康码数据隐私风险时，能指出位置数据泄露可能暴露行踪、行程信息被用于非法营销等隐患；形成大数据思维，从传统“探究因果关系”（如“为何尿布与啤酒销量关联”）转向“发现相关性”（如“直接利用规律优化商品陈列”），体现教材强调的“从样本到全量、从单一到多模态”的思维转变。

综上，学生不仅扎实掌握教材4V特征定义，更通过实践与讨论实现知识内化，具备分析大数据场景、应用工具处理数据、迁移思维解决实际问题的能力，达成核心素养中信息意识、计算思维、数字化学习与创新及信息社会责任的综合提升。板书设计①大数据核心概念

-定义：规模庞大、来源多样、价值密度低但总价值高的数据集合

-传统数据vs大数据：班级成绩册（样本小、类型单一）vs电商用户行为日志（全量、多模态）

-本质：不仅是技术，更是思维方式转变

②4V特征详解

-Volume（规模）：社交平台每日新增10TB用户动态，从GB级跃升至TB/PB级

-Velocity（速度）：智慧交通系统实时处理10万辆车GPS数据，每秒更新路况

-Variety（多样）：健康码整合文本（核酸结果）、位置（GPS）、图片（人脸识别）等非结构化数据

-Value（价值）：超市分析百万会员消费数据，发现“啤酒与尿布销量关联”，低价值密度中挖掘高价值规律

③大数据思维与应用

-思维转变：探究因果关系→发现相关性（如“尿布与啤酒关联”无需探究原因，直接利用规律）

-应用场景：短视频推荐（用户行为分析）、疫情防控（数据整合）、智慧交通（实时处理）

-核心素养：信息意识（感知数据价值）、计算思维（理解数据处理逻辑）、信息社会责任（数据隐私保护）反思改进措施（一）教学特色创新

1.生活化案例链贯穿始终，用抖音推荐、健康码等学生熟悉场景串联4V特征，抽象概念具象化，增强代入感。

2.分层实践任务设计，基础组用Excel处理模拟数据，进阶组尝试Python可视化，兼顾不同能力学生需求。

（二）