高中二年级信息技术《基于多源数据的罗马尼亚智能度假规划》教学设计

高中二年级信息技术《基于多源数据的罗马尼亚智能度假规划》教学设计

一、教学背景与设计理念

（一）课程定位与核心价值

本课属于高中信息技术选择性必修课程“人工智能初步”模块与“数据分析与可视化”模块的深度融合内容，同时跨接高中地理“区域地理”与“旅游地理”相关知识，是典型的跨学科主题教学。课程以真实情境“罗马尼亚度假智能规划”为载体，引导学生在解决复杂地理空间决策问题的过程中，深度理解数据、算法、算力三大人工智能核心要素，建构“数据驱动的智能决策”大概念，发展计算思维、数字化学习与创新、信息社会责任四大信息技术学科核心素养，并渗透地理实践力、综合思维等地理学科素养。【非常重要】【课标融合点】

（二）学情精准画像

授课对象为高中二年级学生。信息技术维度：已系统学习Python基础语法、pandas库基础操作、matplotlib基础绘图，对机器学习有初步感性认识，但缺乏将算法应用于真实多源异构数据的完整项目经验。地理维度：已掌握欧洲西部及巴尔干半岛基础地理知识，具备读图、析图能力，但对罗马尼亚具体旅游资源、交通网络、季节性气候特征缺乏系统认知。心理特征：高二学生具备较强的逻辑思辨能力与挑战复杂任务的欲望，对出国旅行、智能生活等话题高度敏感，内在动机充沛。【重要】【教学起点】

（三）教材与内容重构

本课并非直接取自某版本教材某一节，而是依据《普通高中信息技术课程标准（2017版2020年修订）》及《普通高中地理课程标准》进行的大单元重构设计。将原教材中分散的“数据采集”“数据清洗”“聚类分析”“最短路径算法”“决策树”“数据可视化”等知识点，整合于“罗马尼亚度假智能规划”这一完整项目周期中，使知识在解决真实问题过程中生长，实现从知识点到知识链再到知识网的跃升。【难点】【创新点】

二、教学目标与评价指标

（一）四维融合性目标

1.信息意识：能够主动识别“度假规划”这一日常需求可转化为数据驱动决策问题，敏锐感知多源数据（景点POI、气候数据、航班价格、用户评价）的价值及其局限性。【基础】

2.计算思维：能够将罗马尼亚多城市旅游路线优化问题形式化为“带约束条件的多目标旅行商问题”，设计“先聚类后排序”的启发式策略，并调用Python三方库实现算法原型。【非常重要】【核心】

3.数字化学习与创新：能够利用在线协作平台（如腾讯文档、GitHub）进行小组协同数据采集与代码迭代，创造性地生成包含地图可视化、日程表、预算清单的智能规划书。【高频考点】【成果】

4.信息社会责任：在利用他人评价数据、价格数据时，辩证分析数据偏见与算法歧视，尊重目的地文化习俗，生成负责任的旅行决策。【热点】【育人】

（二）三维表现性评价量规

过程评价（40%）：数据清洗规范性、小组协作贡献度、代码注释清晰度。

作品评价（50%）：规划方案的可行性、多目标优化程度、可视化美观度、文化包容性。

反思评价（10%）：项目复盘报告中关于“算法局限性”“数据偏见”的批判性思考深度。【评价】

三、教学准备与资源支架

（一）硬件环境

交互式多媒体教室（或计算机教室），学生机预装Python3.8以上环境，安装pandas、numpy、folium、scikit-learn、geopy、openpyxl库，教师机安装TableauReader备用（仅作示范）。【基础】

（二）数据支架

教师提前搭建“罗马尼亚智慧度假”数据仓库，包含：1.罗马尼亚18个主要城市/景点坐标、简介、建议游玩时长、热门度（源自罗马尼亚国家旅游部开放数据）；2.近三年各月平均气温、降水量（源自NOAA气候数据集）；3.城市间公路距离矩阵（基于OpenStreetMap路网计算）；4.布加勒斯特与国内主要城市直飞/中转航班平均价格（模拟数据，但符合真实价格区间）；5.B用户评分及评论词云预处理结果（已脱敏）。【重要】【数据伦理】

（三）认知支架

翻转课堂任务单：课前观看微课《旅行规划中的算法——从穷举到启发式》，完成思维导图；课前以小组为单位认领一个“罗马尼亚特色主题”（如吸血鬼城堡之旅、黑海海滨度假、喀尔巴阡山徒步等），初步收集3~5个相关景点。【支架】

四、教学实施过程（共6课时，每课时45分钟）

【本部分占全文80%篇幅，为教学设计核心】

第一课时：入项与数据感知——把“想去哪儿”变成“有什么数据”

（一）创设认知冲突情境【2分钟】

教师在大屏展示一张精美的罗马尼亚旅行海报，提问：“如果给你15000元预算、7天时间，从北京出发，请你为一位25岁热爱历史与自然的背包客规划一条罗马尼亚最优路线。你将如何决策？”学生本能回答“查攻略”“问去过的人”。教师紧接着展示50篇游记中推荐的景点重合度热力图，指出“传统攻略存在样本偏见、时效性差、难以个性化”三大痛点，继而引出本课核心问题：“我们能否像算法工程师一样，用数据智能解决这一难题？”【非常重要】【情境】

（二）定义项目任务与评价标准【5分钟】

师生共同解构任务边界：

1.约束条件：总花费≤15000元（含国际交通、国内城际交通、住宿、餐饮、门票）、总天数≤7天、出发日期为2025年7月15日（旅游旺季）、旅行者偏好系数（历史权重0.4，自然权重0.4，都市休闲权重0.2）。

2.决策变量：访问哪些城市/景点？访问顺序如何？每个景点停留时长？

3.优化目标：在满足约束下最大化“旅行体验值”（体验值=Σ景点热门度×偏好匹配度×舒适度指数/拥挤度指数）。【难点】【多目标】

教师发布最终作品模板：一份包含Folium交互地图、每日行程甘特图、预算饼图、风险预案的HTML数字报告，并展示往年优秀学生作品（匿名）作为参照。【高频考点】

（三）数据仓库初探【18分钟】

学生以4人异质小组（信息员、地理员、算法员、美工员）登录教师准备的云端数据目录。任务1：各小组快速浏览数据目录，用“数据便签法”记录“我们有哪些数据？缺哪些数据？哪些数据可能是不可信的？”教师巡堂，适时点拨“数据来源权威性判断标准”。【基础】

任务2：地理员主导，将罗马尼亚18个预置景点按地理区域拖拽至空白地图模板，初步规划“北线”“中线”“东南线”三种可能的大走向。信息员同时计算每个景点的“偏好匹配度”预分值。此环节不要求精确，意在建立空间直觉。【铺垫】

（四）数据清洗与预处理实战【20分钟】

教师讲解“真实世界数据很少是整洁的”这一工程哲学，引出pandas数据清洗四步法：处理缺失值、统一格式、去除重复、异常值检测。【非常重要】【工程】

学生任务：各小组加载“景点.csv”和“评分.csv”，发现以下脏数据：

4.部分景点名称含罗马尼亚语变音符号且编码错位；

5.个别景点坐标经纬度颠倒；

6.2022年7月评分数据为空；

7.某海滨酒店评分高达9.8，但评论数仅有1条（疑似刷单）。

学生编写Python代码实现清洗，并将清洗逻辑记录在项目日志中。教师重点指导groupby聚合操作、正则表达式替换异常值、百分位法识别评论数过低数据。【高频考点】

本课时结束时，各小组提交清洗后的“罗马尼亚_景点_清洁.csv”至学习通平台。教师当堂点评2组代码，突出“异常值处理不能一刀切”的批判性思维。【评价嵌入】

第二课时：特征工程与偏好建模——把“我喜欢”翻译成“机器能计算”

（一）复习迁移与认知冲突【3分钟】

教师展示上节课各小组清洗数据后的“景点推荐指数”初步计算结果，发现不同小组对同一景点的打分差异极大。引发思考：“为什么机器推荐的景点不一样？我们该如何把人的主观偏好转化为可计算的模型？”由此进入特征工程核心。【重要】

（二）特征构建：从原始数据到衍生变量【15分钟】

教师讲授特征工程基本思想：将原始数据转换为更能揭示问题本质的特征。

全体学生共同完成以下衍生特征计算：

1.气候舒适度指数=20-|当月平均气温-22|+降水量惩罚因子（基于地理课本中温带大陆性湿润气候特征）。

2.交通便利度=1/城市间公路距离（标准化后），并存储在对称矩阵中。

3.文化冲击指数=景点类型词嵌入与西欧景点对比的余弦距离（教师提供预计算值，学生仅需调用）。

4.拥挤度预测=基于历史7月游客量数据拟合线性回归（仅演示斜率含义，不要求完整建模）。【难点】【跨学科】

（三）用户偏好向量化建模【17分钟】

教师出示虚拟人物“旅行者李华”的画像：年龄25岁，历史爱好者，喜欢小众地点，对价格敏感度中等，素食主义者。各小组需在15分钟内为李华构建个性化体验函数。

引导性问题：“如何量化‘历史爱好’？”小组讨论后得出方案：将景点历史价值分为建筑年代、文物保护等级、历史事件关联度三个子项，加权求和。

算法员负责用Python定义函数：defpreference_score(row,history_weight=0.5,nature_weight=0.3,urban_weight=0.2):return...

教师引入“归一化”概念，强调不同量纲特征必须缩放到同一尺度，演示MinMaxScaler用法。【高频考点】

（四）代码调试与同伴互评【10分钟】

小组间交换代码片段，测试不同偏好权重下同一景点的得分排序变化。某小组发现当urban_weight设为0时，布加勒斯特得分骤降，从而理解“权重本质是价值观体现”。教师顺势引导算法伦理：推荐系统不应强化偏见，比如不应因为用户是女性就减少户外景点推荐。此环节为【热点】【社会责任】。

第三课时：算法设计与原型实现——罗马尼亚版“旅行商困局”

（一）问题形式化【8分钟】

教师引导学生将“路线规划”抽象为图论模型：景点为节点，景点间公路距离为边权重，起点为布加勒斯特（进出港），终点不限（因7天需返回布加勒斯特乘机）。这是一个包含18个节点（学生可根据偏好删减至8~12个）的非对称旅行商问题，且存在时间窗口约束（每个景点游玩时长总和≤7天）。【非常重要】【核心】

教师简介TSP的NP-Hard本质，指出当节点数超过15个时，个人计算机无法在合理时间内求得精确最优解，必须采用启发式算法。【难点】

（二）算法选型与库调用【12分钟】

教师介绍三种常用启发式策略：

1.最近邻法（NearestNeighbor）：每一步选择最近未访问节点，速度极快，但可能陷入局部最优。

2.模拟退火（SimulatedAnnealing）：以一定概率接受较差解，能跳出局部最优，适合20节点以内。

3.遗传算法（GeneticAlgorithm）：种群进化，适合并行计算，但参数调优复杂。

各小组根据本组筛选后的景点数量自主选择算法。教师不强制统一，并提供预先封装好的模拟退火模板（基于python-tsp库）和遗传算法框架（基于DEAP库），学生只需适配距离矩阵和适应度函数。【分层教学】

（三）约束条件编码【15分钟】

真正的挑战在于“时间预算约束”。学生需要在适应度函数中加入惩罚项：若总旅行时间+游玩时间>7天，则总体验值大幅降低。教师演示如何用datetime.timedelta模拟时间累加，并处理“公路交通时间=距离/60kmh”的假设。【工程】

此环节出现大量生成性错误：如忘记从布加勒斯特出发并返回、景点开放时间未考虑（假设所有景点全年无休）、城际交通与市内交通混淆等。教师聚焦典型错误组织全班“找bug大赛”，学生在笑声中深化对模型假设的理解。【高频互动】

（四）原型运行与可视化初步【10分钟】

各小组运行代码，输出初步的路线序列。美工员将经纬度序列粘贴至Folium示例代码，生成第一版静态路线地图。虽然路线可能不合理（例如绕路、一天内赶三个城市），但这是学生第一次亲手将抽象算法转化为可视的地理路径，成就感强烈。教师提醒：“算法没有绝对的对错，只有合适与不合适，下一节课我们将优化迭代。”【情感态度】

第四课时：迭代优化与多目标权衡——让算法听懂“但是”

（一）诊断第一轮方案的典型问题【8分钟】

教师汇总6个小组的初期路线图，归纳出三类共性问题：

1.“狂奔型”：日均行车里程超过300公里，实际无法完成。

2.“折返型”：A→B→A型无效交通，增加成本与时间。

3.“同质型”：连续三天游览同类型景点（全是教堂），产生审美疲劳。

教师引导反思：“算法只知道最大化体验值，但不知道什么叫‘节奏’、什么叫‘丰富度’。我们如何把这些人类的隐性知识变成约束条件？”【非常重要】【元认知】

（二）引入多目标优化思想【10分钟】

教师提出改进方案：不追求单一体验值最大，而是将“行程松弛度”“景点类型多样性”作为第二、第三优化目标。

学生设计多样性指标：连续三处景点类型是否互异。算法员尝试在适应度函数中加入多样性奖励项。教师介绍帕累托前沿概念，但不深入算法细节，强调“在工程中，我们常常用加权和把多目标转为单目标，虽然不完美但够用”。【热点】【妥协】

（三）敏感度分析与参数调优【15分钟】

学生以小组为单位进行控制变量实验：

1.改变模拟退火的初始温度与降温速率；

2.改变遗传算法的种群大小与变异率；

3.改变偏好权重（历史/自然/都市）。

记录每组参数下的路线总里程与总体验值，绘制散点图。信息员撰写“调参日志”，初步感知超参数对结果的影响。教师引入“肘部法则”帮助学生判断何时继续调参收益递减。【高频考点】【计算思维】

（四）地理否决权【12分钟】

地理员发挥关键作用：对照罗马尼亚真实地形图，发现算法生成的某条路线需穿越南喀尔巴阡山脉，冬季可能封路（虽为7月，但部分山路仍需谨慎）。小组查阅教师提供的“罗马尼亚道路等级”数据，将某些县道赋予更低的行车速度，甚至直接禁止夜间行车。这是地理学科在智能规划中的硬约束。【跨学科】【特色】

本课时结束前，每个小组锁定一套候选路线方案，准备进入成果精加工阶段。

第五课时：数据叙事与可视化传播——让规划书“会说话”

（一）从图表到数据故事【10分钟】

教师展示一个反面案例：某小组上一版规划书罗列了6张图表，但彼此孤立，无法看出决策逻辑。继而展示正例：通过“决策树流程图+地图+甘特图”组合，清晰展示“为什么放弃锡纳亚而选择布拉索夫”这一关键抉择。引出核心素养点：数据叙事能力。【重要】【表现力】

（二）Folium高级交互地图【15分钟】

学生在地图上叠加以下图层：

1.每个景点的弹出窗口，包含名称、体验值、建议游玩时段。

2.不同天数用不同颜色折线表示。

3.住宿标记（根据夜间停留点推算）。

教师讲授folium.MarkerCluster集群标记功能，解决景点密集区域图标重叠问题。美工员调整图标样式，使用吸血鬼城堡专属icon、黑海锚图标等，增加设计感。【数字化创新】

（三）自动化报告生成【12分钟】

学生将Python计算结果（景点列表、每日路程、花费明细）批量写入Excel模板，并利用openpyxl在单元格中插入迷你图。更高阶的小组尝试使用Jinja2将数据渲染进HTML模板，生成独立网页报告。教师巡回提供个别化代码支持。【高阶拓展】

（四）成本精算与应急预案【8分钟】

财务员根据真实汇率计算罗马尼亚列伊与人民币兑换，添加10%不可预见费。同时，各小组为规划书添加“风险预案”板块：若遇到火车罢工，备选交通方式是什么？若雨天如何调整室内景点？此环节强化信息社会责任中的韧性设计。【育人】

第六课时：成果博览会与批判性反思——算法之外的人文视角

（一）小组轮展与角色扮演【25分钟】

各小组利用5分钟展示HTML规划书，并回答其他组提问。采用“漫步画廊”形式：一半小组展示，另一半小组作为“旅行者体验官”模拟使用规划书，从用户友好度、文化尊重度、预算真实度三个维度打分。

教师观察到，某小组将吸血鬼城堡策划为夜间游览，并加入德古拉传说讲解环节，虽然体验值得分高，但被体验官质疑“过度消费历史，忽略当地社区真实生活”。这一冲突成为绝佳生成性资源。【非常重要】【生成】

（二）批判性对话：算法能否衡量“惊喜”？【12分钟】

教师暂停展会，组织五分钟微型辩论：正方认为智能规划能够穷举所有信息，做出最理性决策；反方认为旅行中不期而遇的惊喜无法数据化，过度依赖算法会使旅行丧失魅力。

学生金句频出：“算法是拐杖，不是翅膀”“数据告诉我们哪里最热门，但没有告诉我们哪里最适合发呆”。教师总结：任何智能决策系统都是人类价值观的映射，我们在追求效率的同时，必须为偶然性、诗意性留白。【热点】【素养升华】

（三）项目档案袋整理【5分钟】

各小组提交以下内容至学习通：

1.可运行的Python脚本（.py格式）；

2.生成的HTML交互地图；

3.小组反思日志（每人100字，指定段落必须包含“如果再来一次，我会在数据/算法/协作方面改进什么”）。

（四）教师总结与拓展【3分钟】

教师展示罗马尼亚当地一家社会企业开发的“慢旅行”APP，其算法不是推荐最快路线，而是推荐碳排放最低路线、社区受益最高路线。鼓励学生思考：智能规划不应只有“效率最大化”这一把尺子。本项目的终点，正是下一个项目“为弱势群体设计无障碍旅行规划”的起点。【升华】

五、关键教学策略与实施要领

（一）基于脚手架的问题化递进

全程设置从“数据清洗”到“特征构建”到“算法寻优”到“可视化叙事”四级台阶，每级台阶均以劣构问题触发认知冲突，而非直接给出最优解。教师作用在于“架桥”而非“铺路”。【非常重要】【策略】

（二）计算思维的外显化

在每一算法环节强制要求学生先写伪代码、画流程图，再用Python实现。通过“抽象—自动化—分析”三循环，使内隐思维外显。【高频考点】

（三）跨学科团队的认知互惠

小组角色固定，但任务高度互赖：地理员提供空间合理性否决权，算法员保障代码效率，信息员确保数据质量，美工员提升传播效能。任何单一学科都无法独立完成项目，迫