从关联到洞见：数据挖掘项目化实践-高中信息技术选必3单元翻转教学设计

从关联到洞见：数据挖掘项目化实践——高中信息技术选必3单元翻转教学设计

一、教学背景与整体架构

（一）课程定位与课标依据

本单元隶属于《普通高中信息技术课程标准（2017年版2020年修订）》选择性必修模块3“数据管理与分析”，是高中信息技术学科从“工具操作”走向“数据科学思维”的关键转型内容。【核心·战略定位】相较于必修1“数据与计算”中对单一数据集的处理与可视化，本单元聚焦于大规模、多源、异构数据的价值提炼，要求学生超越描述性统计，进入预测性建模与关联发现层面。新课标明确将“数据挖掘”列为选择性必修的难点与热点，对应学业质量水平三、四，是等级性考试（高考选考）的高频考点，也是衔接人工智能基础的重要接口。【高频考点·学段枢纽】

（二）教材分析与重构逻辑

现行浙教版（2019）、人教—中图版（2019）、粤教版（2019）均在选必3中设置数据挖掘专章，普遍包含关联规则（啤酒尿布）、聚类分析（客户分群）、预测建模（线性回归/决策树入门）三大经典任务。然而，教材多采用“技术说明书式”编排，先讲算法数学原理再操作，导致学生只见树木不见森林。本设计遵循“逆向设计”与“深度学习”理念，将教材内容重构为“问题驱动—工具探究—模型建构—伦理反思”四阶螺旋，以“全流程项目化学习”替代“知识点线性排布”，依托真实情境中的复杂数据，实现从“教算法”到“用算法思维解决问题”的范式跃迁。【教学创新支点】

（三）学情精准画像

本单元面向高中二年级学生，已完成必修1“数据与计算”学习，具备Python基础语法、Pandas基本操作、Matplotlib绘图能力，理解变量、数据类型、循环与分支结构。认知特征上，高二学生正处于形式运算思维成熟期，对抽象模型有接纳能力，但对“黑箱式”算法存在畏难情绪；生活经验上，学生对电商推荐、短视频推送有切身感知，但多数停留在“手机知道我喜好”的朴素神秘主义层面，亟需透过现象理解数据驱动的决策本质。经前测诊断，核心障碍集中于三处：一是难以将业务问题转化为数据挖掘任务【难点·转化障碍】；二是对非结构化数据（文本、评分）的预处理缺乏策略【难点·清洗思维】；三是容易将“相关关系”直接等同于“因果关系”【难点·批判性缺失】。

二、教学目标与素养锚点

（一）素养导向的学习目标体系

【所知】能准确复述数据挖掘的CRISP-DM（跨行业数据挖掘标准流程）六阶段；能区分监督学习（分类/预测）与无监督学习（聚类/关联）的应用场景；能解释置信度、支持度、提升度、轮廓系数等核心评价指标。【核心·概念网络】

【所能】能够针对半结构化数据（电影评分JSON、电商购物篮记录）实施数据清洗与变换；能调用scikit-learn库实现K-Means聚类与Apriori关联规则挖掘；能使用Python库完成数据可视化并撰写含数据洞察的分析报告。【关键能力·工具内化】

【所成】经历“提出假设—数据验证—模型解释—策略产出”的完整问题解决周期，形成“先问是否相关，再问为何相关”的数据思维习惯；在小组项目中恪守数据采集伦理，不恶意爬取、不窥私越权，对算法偏见保持审慎批判。【素养升华·社会责任】

（二）单元核心挑战性问题

本单元锚定一个贯穿始终的母问题：假如你是校园文创店的运营组长，库存积压、选品凭直觉，如何用三个月的销售流水数据为下学期制定“千生千面”的进货与捆绑促销方案？此问题具备真实情境的复杂性——涉及商品类目（结构化）、交易时间（时序）、顾客画像（需从学号关联二手信息），且存在数据缺失、噪声干扰等真实困境，能自然牵引出关联分析、聚类、预测三大模块，避免虚拟案例的幼稚化倾向。【项目化学习锚点】

三、教学结构与流程总览

本单元共计8课时，采用“翻转前置—课中深研—课后延展”三环架构。课前依托校本慕课平台推送微课与诊断性练习；课中以“校园文创店数据掘金”为大情境，每课时均嵌入“思考—拆解—编程—辩论”四要素；课后通过分层拓展任务实现弹性巩固。以下详述各课时实施过程。

四、教学实施过程（核心篇幅）

（一）第一课时：从“是什么”到“怎么办”——数据挖掘的问题转化（CRISP-DM阶段1-2）

【课时目标】理解数据挖掘不是漫无目的的数据“淘金”，而是始于清晰业务理解的目标导向过程；能够将模糊的运营诉求翻译为可计算的数据挖掘任务。

【教学实施】

1.翻转诊断与认知冲突（课前10分钟+课始8分钟）

课前发布3分钟微课《当沃尔玛遇见啤酒与尿布》，以动画形式还原1992年沃尔玛数据仓库发现“17-25点之间尿布与啤酒强关联”的经典案例。微课末尾抛出争议性观点：“关联就是因果吗？——超市把啤酒放在尿布旁，啤酒销量真的涨了吗？”平台自动收集学生的短评关键词。课始，教师呈现词云，绝大多数学生出现“涨了”“聪明”“精准营销”等倾向，极少数质疑“可能有别的因素”。教师顺势追问：如果我们只看见销量上升，就断定是摆放位置的作用，这中间缺失了什么证据链？由此切入：数据挖掘的结论必须经历“业务理解—数据理解—模型验证—部署评估”的闭环，而非拍脑袋的灵光一现。【难点破冰·批判性前置】

2.核心概念建构与情境嵌入（20分钟）

教师借助双气泡图对比“传统数据分析”与“数据挖掘”的范式差异：前者是验证型（我有假设，验证它），后者是发现型（我没有预设，让数据说话）。【重要·范式转型】引出CRISP-DM六阶段模型，但不过度展开技术细节，而是让学生用“校园文创店”的真实情境一一映射。发放实体卡片，小组合作将下列混乱表述按CRISP-DM顺序排列：A.抽取三个月交易记录；B.发现“红色中性笔与索引贴”常同时购买；C.店长说“我想让顾客买更多”；D.把笔挪到收银台旁边；E.发现买文件袋的学生60%也买了荧光笔；F.删除退款订单和测试订单。此活动旨在强化流程感，学生激烈辩论后教师点拨：业务理解（C）是起点，但很多新手直接跳进数据理解（A），导致挖掘结果与目标脱节。【高频易错·流程错位】

3.问题转化实战（12分钟）

呈现真实困境：文创店每周三下午出现排队结账，顾客抱怨等待太久，店长希望“优化收银效率”。如果请学生做数据挖掘，任务目标应该是什么？小组涌现多种解读：有的说分析哪些时段人最多（排班优化），有的说分析哪些商品结账最慢（条码位置），有的说分析是否可设置快速结账通道（金额阈值）。教师总结：同一个业务痛点，可转化为多个不同的数据挖掘子任务，关键在于界定“谁是决策者”“可干预的变量是什么”。此环节不追求标准答案，重在让学生体验“从现实迷宫中抽取出可计算问题”的思维过程，这是计算思维的核心成分。【核心素养·抽象建模】

（二）第二、三课时：脏数据的涅槃——数据准备与特征工程（CRISP-DM阶段3）

【课时目标】深刻理解真实数据极少符合算法输入要求，80%的挖掘工作量在预处理阶段；掌握缺失值处理、异常值识别、数据类型变换、文本数值化四大基础能力。

【教学实施】

4.直面“脏数据”的冲击（20分钟）

直接导入真实脱敏的校园文创店120天交易流水（CSV文件，含3万行记录），不做任何清洗。学生分组打开文件，3分钟内记录下所有“看着不对劲”的地方。各组抢答汇报，教师板书记录：①有日期为2025/2/30（不存在日期）；②商品名有“签字笔”“签字笔（黑）”“中性笔-黑”三种写法，实为同一商品；③存在单价为0但交易成功的记录（积分兑换）；④顾客学号列大量空白（非会员）；⑤部分交易金额为负数（退货未标记）。此时学生普遍产生数据焦虑，教师反问：如果直接把这些数据扔进算法，会发生什么？学生自然理解“垃圾进，垃圾出”。【认知冲突·动机激发】

5.数据清洗工具箱的建构（40分钟，跨两课时）

教师并非直接讲授函数，而是提供“半成品代码框架”，学生通过补全关键参数完成清洗任务。共设置四个递增关卡：

第一关（基础·全员达成）：利用dropna和fillna处理学号缺失值。此处不简单删除，而是引导思考——若删除空白学号，则丢失“非会员购物行为”的重要信息，故采用填充“GUEST”占位符。学生通过对比清洗前后的箱线图，发现极端值明显收缩。【基础·缺失值策略】

第二关（重要·多数达成）：商品名同义词合并。先让学生尝试字符串匹配，发现“笔”“笔芯”等模糊匹配极难。教师适时引入difflib库的get_close_matches，并讲解编辑距离原理（仅直观理解，不要求推导）。学生调试阈值参数，观察合并效果。此环节耗时较长，但学生体会到“特征标准化”对后续关联规则支持度计算的直接影响。【难点·模糊匹配】

第三关（核心·挑战性）：异常值识别逻辑。某商品单价突然从3元跳涨至300元，是录入错误还是真实调价？学生调用Z-score方法识别出该离群点，但教师反问：如果恰逢开学文具促销提价呢？学生顿悟——异常值不能仅凭统计学阈值删除，必须回溯业务场景。此处教师补充：数据挖掘工程师50%的时间在和数据提供方“吵架”，目的是确认数据生成机制。【核心·领域知识融合】

第四关（拓展·拔尖）：将商品类别文本转化为数值标签。介绍LabelEncoder与OneHotEncoder的区别，并设置思辨题：对于“笔记本”这种颜色、页数、装订方式多属性的商品，扁平化编码会丢失什么信息？为后续特征工程埋下伏笔。【热点·类别特征处理】

6.数据变换与可视化探查（20分钟）

学生将清洗后的数据按周聚合，生成“时段—品类—销售额”三维透视表，并用热力图呈现。有小组发现第9周、第18周文具销量陡增，结合校历推测为月考周。教师点赞并引入新概念：特征衍生——从原始时间戳中提取“是否考试周”这一新特征。学生现场编写函数添加该布尔列，并观察到考试周前信封信纸销量上升。至此，学生已从“被动清洗”进阶到“主动创造信息”，数据准备环节的价值自然彰显。【素养外显·特征思维】

（三）第四、五课时：购物车里的“共谋”——关联规则挖掘（CRISP-DM阶段4-5）

【课时目标】掌握Apriori算法的核心思想（频繁项集与剪枝）；能对交易数据进行关联分析，并合理解释支持度、置信度、提升度的业务含义；警惕伪关联。

【教学实施】

7.算法原理的“不插电”还原（25分钟）

避免直接抛出公式。教师分发每组一盒混合糖果（彩虹糖、薄荷糖、棒棒糖），请学生用5分钟模拟收银台：组员扮演顾客随机抓取糖果组合。记录每笔“交易”的商品组合。随后教师提问：如何找出“经常被一起拿走的糖果对”？学生自然想到数数。教师在黑板上演示：先数每种糖出现次数（支持度计数），设阈值为3，低于3的单独糖种直接淘汰；再数两两组合出现次数，低于3的组合淘汰。这就是Apriori核心——频繁项集先验原理：子集不频繁，超集必不频繁。【重要·算法降维】学生恍然：原来算法并不神秘，只是用阈值剪枝避免了天文数字的组合爆炸。此环节充分保护学习自信，破除对人工智能的黑箱恐惧。

8.代码实现与参数调优（35分钟）

在JupyterNotebook中，教师提供mlxtend库调用模板，重点不在于写全算法，而在于解读输出。学生运行Apriori算法处理清洗后的校园店交易数据，设置最小支持度0.02，最小置信度0.5。输出结果令学生兴奋：“黑色中性笔+笔记本”提升度达2.3。然而马上有小组质疑：笔和本子本来就是学生常备品，这算什么发现？教师顺势推进：高提升度未必是新颖规则，低支持度的规则可能更有趣。引导学生调整参数，过滤掉“常识性组合”，聚焦于支持度低但置信度高的“隐藏组合”。最终有小组发现“索引贴+荧光笔”提升度高达3.8，支持度仅0.01——很少人买，但买了索引贴的人极大概率也买荧光笔。这一发现点燃课堂，学生真正体验到“数据能告诉我不知道的事”。【高峰体验·洞见时刻】

9.伪关联与辛普森悖论（15分钟）

教师出示一组模拟数据：上午时段尿布与啤酒无关联，下午时段也无关联，但合并全天却显示强关联。学生分组讨论这种“总体与分组结论相反”的现象。小组尝试用TikTok风格情景剧演绎：A组扮演下午带娃主妇（买尿布不买酒），B组扮演下班单身汉（买酒不买尿布），C组扮演晚间父亲（尿布+酒）。教师引出辛普森悖论并点明：数据挖掘必须警惕混杂变量，此处“时段”就是关键混杂因子。仅仅报告相关系数而不探究背后机制，可能导出荒谬策略。【核心·批判性思维】此环节虽不要求完全掌握统计矫正方法，但成功在价值观层面为学生植入了“相关不等于因果”的基因。【高频考点·思想方法】

（四）第六课时：物以类聚——无监督学习的初体验（聚类分析）

【课时目标】理解聚类与分类的本质区别（无标签）；掌握K-Means算法的迭代逻辑；通过手肘法确定最佳K值。

【教学实施】

10.情境迁移与概念映射（10分钟）

延续文创店情境：店长不仅想知道商品关联，还想把顾客分群，为不同人群设计不同促销。但并没有现成的“高价值客户”“价格敏感客户”标签。教师引出无监督学习的核心矛盾——没有标准答案，只有“物以类聚”的假设。类比生活经验：图书馆给新书分类，并没有人事先规定类别，而是根据内容相似度自然聚在一起。学生迅速迁移：K-Means就是让电脑替我们完成这个“摆书”过程。【基础·概念锚定】

11.迭代过程的具身模拟（20分钟）

在黑板上张贴散点图（二维坐标：横轴为平均消费金额，纵轴为月度购买频次），邀请6名学生上台扮演“质心”，其余学生在座位纸上计算自己点到各质心的距离，并归入最近质心。质心根据本组点重新计算位置，移动一步。经过三轮迭代，散点图自然分成三簇。教师总结：K-Means本质是“找中心，划地盘，再找中心，再划地盘”直至稳定。整个过程没有高深数学，学生却牢牢掌握了算法灵魂。【难点·过程可视化】

12.基于真实顾客数据的聚类实战（15分钟）

学生用清洗后的数据聚合每个顾客（学号）的客单价、购买频次、文具占比、食品占比四维特征，归一化后送入K-Means。绘制SSE手肘图，多数小组K=3时肘部明显。解读聚类结果：第一簇“高频文具党”（客单价低、频次高），第二簇“低频应急族”（频次极低、食品占比高），第三簇“大单采购者”（客单价高、频次中等）。有小组发现第三簇中有部分学号疑似教师账号（学号规则异常），引发对数据源的再思考。教师不急于纠正，而是肯定其数据敏感性。【素养·质疑精神】

（五）第七课时：从挖掘到策略——洞见的商业化转译（CRISP-DM阶段6）

【课时目标】完成从技术输出到业务策略的关键一跃；能够用可视化手段向非技术人员清晰传达挖掘结论。

【教学实施】

13.策略生成工作坊（25分钟）

各小组基于前三阶段的挖掘成果（关联规则+顾客分群），为校园文创店制定下学期的三项具体策略。教师提供支架：策略必须包含“谁—做什么—怎么验证”。例如：针对“高频文具党”（谁），每月1号推出“满30元送索引贴”（做什么），通过推送前后该群体客单价对比验证（怎么验证）。小组间展开“投资路演”——每组3分钟推介策略，其他组扮演店主评审，用“真实度、成本、可测性”三维度打分。得分最高的策略是“考试周前夜，信纸+咖啡捆绑套餐”，源于数据中发现的考试周前信封信纸与咖啡同时购买的小众趋势。【高潮·知识产品化】

14.可视化叙事进阶（20分钟）

教师对比展示“菜鸟报告”与“专家报告”：前者堆砌多个柱状图，后者仅用一张弦图展示品类关联强度，一张雷达图对比顾客分群特征。学生总结：数据挖掘报告不是技术文档，而是决策辅助工具。学生基于PlotlyExpress改造自己的图表，添加注释、阈值线、结论文本框。有小组用桑基图展示“不同簇顾客从进店到购买的商品流转路径”，视觉冲击力强，赢得喝彩。【核心·可视化思维】

（六）第八课时：算法如水，能载舟亦能覆舟——数据伦理与算法偏见

【课时目标】形成数据挖掘从业者的伦理自觉；识别训练数据偏差导致的歧视性规则；探讨可解释人工智能（XAI）在校园场景的必要性。

【教学实施】

15.伦理困境案例研讨（20分钟）

教师不再提供技术任务，而是抛出三个两难案例：①若挖掘出“某宿舍楼学生退货率显著高于其他楼”，是否应对该楼实施预付费策略？②某电商平台发现“低收入区域顾客点击高价商品极少”，是否应直接过滤掉高价商品推荐？③教师能否依据食堂消费数据挖掘“贫困生”并隐形补助？学生分三轮快速辩论，立场不断反转。教师不做道德审判，而是引入“公平性机器学习”前沿概念：模型不仅要准，还要公平——不能因种族、地域、经济状况产生系统性歧视。【热点·算法伦理】此环节沉重而深刻，多名学生课后反馈“原来代码也有价值观”。

16.白盒与黑箱的权衡（15分钟）

回归校园店项目：用决策树（白盒）替代聚类（半黑箱），可视化树的分裂条件。学生发现决策树第一条分裂就是“是否考试周”，恍然大悟——原来机器判断顾客类型的逻辑是透明可审查的。教师总结：并非所有场景都适合深度学习黑箱；在教育、医疗、金融风控等领域，可解释性是刚性要求。这是对选必2“人工智能初步”模块的呼应，也体现了信息技术课程的大单元连贯性。【跨模块整合】

17.项目闭环与反思沉淀（10分钟）

各小组提交最终版项目报告，并在组内完成个人反思单：我在项目中贡献了什么？我改变了哪些对数据的旧看法？我还有什么困惑？教师精选反思语在班级匿名共享。常见高频词从第一课时的“有趣”“代码难”转变为“谨慎”“视角”“关联不是因果”。至此，单元认知目标与情感目标双重落地。

五、教学评价设计

（一）持续性学习评价镶嵌

本单元不设置孤立的笔试单元考，评价贯穿全程。每课时