高中信息技术必修1《数据与计算》项目式教学教案

高中信息技术必修1《数据与计算》项目式教学教案一、项目背景与教学内容分析【基础】本节课《网络数据采集与解析——以“校园运动会天气数据分析”为例》选自粤教版（2019）高中信息技术必修1《数据与计算》第三单元“算法的基础”及第四单元“程序设计基础”的融合拓展内容，亦是第二单元“数据处理与应用”的延伸实践。该内容在教材体系中处于承上启下的关键位置，既是对前期所学数据采集基础知识的具体应用，又为后续学习数据分析与可视化表达奠定实践基础。本设计依据《普通高中信息技术课程标准（2017年版2020年修订）》“模块1：数据与计算”中的要求，旨在通过项目活动，引导学生掌握运用Python语言及其扩展库从网络获取数据的基本方法，理解网络数据采集的基本原理与流程，体验数据从采集、清洗到存储的全过程。二、学情与项目学习目标设定【重要】授课对象为高中一年级学生。他们已经完成了信息技术必修课程中关于信息获取、计算机基础知识及Python程序设计基础（如变量、数据类型、顺序结构、选择结构）的学习，具备基本的计算机操作能力和逻辑思维能力。学生对网络世界充满好奇，熟悉日常网络应用，但对网络数据背后的采集原理、技术方法及规范要求缺乏系统认知。在项目学习中，学生将面对真实的、复杂的问题情境，需要将已有的数学逻辑思维迁移至计算思维中，通过小组合作的方式，运用数字化工具解决实际问题。他们善于模仿操作，但独立分析问题、调试代码以及遵守信息法律法规的意识尚需在项目实践中逐步培养和强化。三、教学重点、难点与关键问题剖析【高频考点】教学重点：1.理解网络数据采集（网络爬虫）的基本工作原理和一般步骤。2.掌握使用Python的requests库获取网页资源的基本方法。3.【难点】掌握使用BeautifulSoup库解析网页HTML结构，并精准提取所需数据（如天气温度、日期）的核心技术。【难点】教学难点：1.理解网页源代码的层级结构（HTML标签树），能够通过开发者工具定位目标数据所在的标签及其属性。2.能够根据实际需求，灵活编写和修改Python代码中的属性参数，实现对特定内容的选择性提取。3.在数据采集实践中，深刻理解并自觉遵守网络信息安全的法律法规，尊重知识产权和个人隐私，树立正确的信息社会责任意识。四、教学理念与教法学法选择本节课以“项目式学习”为核心教学策略，秉持“做中学、学中创”的理念，将学科核心素养的培养贯穿于项目实践全过程。教学中综合运用多种教学方法：1.情境教学法：创设“为学校运动会选择最佳举办日期”这一贴近学生生活的真实情境，将抽象的技术问题具体化、生活化，激发学生的探究内驱力。2.任务驱动法：将项目分解为三个递进的探究活动，每个活动都有明确的任务目标，引导学生在解决问题中建构知识、锤炼技能。3.协作探究法：以小组为单位开展学习活动，鼓励学生在方案设计、代码编写、结果分析等环节进行讨论、互助与分享，培养沟通协作能力。4.跨学科学习法：引导学生结合地理、体育学科知识，分析气象条件（如气温、降水、风力）对体育运动的影响，理解数据采集的现实意义。五、教学资源与环境准备1.硬件环境：计算机网络教室（每生一机，接入互联网），多媒体网络教学平台（用于广播演示、文件分发、作品展示）。3.x.软件环境：Python3.x集成开发环境（如IDLE、Thonny或JupyterNotebook），已安装requests、BeautifulSoup4、lxml库；Chrome或Edge浏览器（含开发者工具）。3.教学资源：导学案（含数据采集步骤表、气象与运动关系参考资料、代码半成品）、微课视频（《网络爬虫初识》《Requests库快速上手》《BeautifulSoup解析术》）、项目范例源代码、在线协同文档（如腾讯文档）用于小组记录。六、教学实施过程（核心环节，详案）（一）创设情境，提出项目教师活动：通过多媒体展示本校历年运动会精彩瞬间图片，随后提出问题：“同学们，运动会是大家最期待的校园盛事。但有时我们会遇到‘天公不作美’的情况，比如突如其来的雨或高温，影响了大家的发挥和观赛体验。假设学校想把下届运动会安排在气候最适宜的时间段，我们该如何用数据来辅助决策呢？”引导学生思考获取历史天气数据的方法。学生可能回答“上网查”“看天气预报APP”，教师进一步追问：“如果要分析过去五年甚至十年，九月底到十一月初每天的气温、降水情况，手动翻网页效率如何？有没有更高效的办法？”从而引出课题——利用网络数据采集技术，批量获取并分析天气数据，为决策提供科学依据。【重要】此环节旨在激发兴趣，明确项目目标，让学生感受到信息技术解决实际问题的价值。（二）探究活动一：析需求，定方案——网络数据采集的一般步骤教师活动：组织学生以小组为单位，围绕“为运动会择期”这一核心任务，进行需求分析和方案设计。具体引导以下问题链：1.【跨学科讨论】结合导学案中提供的《气象条件与体育运动的关系》（参考中国气象局资料），讨论哪些气象要素对田径、球类等比赛项目影响较大？（如气温过高影响耐力，降水影响场地，风速影响投掷和径赛记录）【热点】据此确定需要采集的数据字段：日期、日平均气温、最高气温、最低气温、天气状况（晴/雨）、风力等。2.【信息意识】哪些网站可以提供可靠的历史天气数据？（如“天气网”、“历史天气查询”网站等）如何评价这些信息源的可信度？3.【方案设计】如果采用程序自动采集，基本流程应该是什么？引导学生参考教材，小组讨论总结并填写导学案中的“数据采集步骤表”。步骤应包括：明确需求（确定目标数据与来源）→获取网页（请求URL）→解析网页（定位数据）→提取数据（清洗与存储）→数据分析与应用。学生活动：小组内热烈讨论，利用数字化工具（如在线文档）共同填写导学案，组间分享方案，互相补充完善。教师巡回指导，点评各组的方案，强调需求分析的重要性。【基础】此环节设计意图在于培养学生的计算思维（问题分解、步骤规划）和信息意识（甄别信息源、规划方案），为后续编程实践奠定逻辑基础。（三）探究活动二：初体验，探门径——Requests库获取网页教师活动：承接上一环节，以某个选定的历史天气网页（如“2023年10月广州市历史天气”网页）为例，开始技术实践演示。1.微课助学：播放微课《网络爬虫初识》，简要介绍网络爬虫的概念、分类（聚焦于简单的小规模数据采集）及合法性原则。【重要】明确强调遵守网站的robots协议，不对网站造成过大压力，且仅将获取的数据用于学习研究，不用于商业目的，强化信息社会责任。2.代码示范：打开Python环境，讲解并使用requests库。代码示例：importrequests//.tianqihoubao/lishi/guangzhou/month/.html//02310.html”示例URL【重要】设置UserAgent等请求头，模拟浏览器访问，避免被服务器拒绝headers={‘UserAgent’：‘Mozilla/5.0（WindowsNT10.0；Win64；x64）AppleWebKit/537.36（KHTML，likeGecko）Chrome/91.0.4472.124Safari/537.36’}try：requests.getrequests.get（url，headers=headers）检查响应状态码是否为200，表示成功response.raise_for_status（）指定正确的网页编码（如‘utf8’或‘gbk’），防止中文乱码response.encoding=‘utf8’根据网页实际编码调整html_content=response.print（“网页获取成功！前500个字符为：”）print（html_content[：500]）requesions.Requesionrequesnase：print（f“网页获取失败：{e}”）3.任务发布：请学生独立运行上述代码，获取指定网页的HTML源代码。观察控制台输出的内容，找到包含天气数据的表格部分，初步感知原始HTML的复杂性。同时设置陷阱任务：“如果去掉headers参数或编码设置错误，会出现什么情况？”引导学生探究问题，理解爬虫编写的健壮性要求。【高频考点】学生活动：观察教师演示，理解每一行代码的作用。自主编写并运行代码，体验获取网页的过程。遇到问题时，先尝试小组讨论解决，或参考教师分发的“代码常见错误对照表”进行调试。完成任务后，在导学案上记录下自己的发现和问题。（四）探究活动三：解结构，精提取——BeautifulSoup库解析数据教师活动：展示上一步获取的HTML源代码，提问：“这就像一大锅粥，我们想要的数据（日期、温度）就藏在其中。怎样才能精准地把它们‘捞’出来？”由此引入BeautifulSoup库。soup.find_allsoup.selectutifulSoup库的作用——解析HTML文档，将其转换为一个可搜索、可遍历的“标签树”对象。介绍核心方法：soup.find_all（）和soup.select（）（CSS选择器）。2.实战演示——定位数据：打开浏览器开发者工具（F12），切换到“Elements”或“元素”面板，定位到显示天气数据的表格区域。演示如何找到包裹每个数据项的HTML标签（例如<table>标签，其下的<tr>行标签，<td>单元格标签），并观察其是否有id、class等关键属性。回到Python环境，示范如何使用BeautifulSoup解析html_content，并编写代码提取数据。frombs4importBeautifulSoupsoup=BeautifulSoup（html_content，‘lxml’）使用lxml解析器假设天气数据在一个class为“b”的表格中，每行数据在<tr>标签内data_rows=soup.find_all（‘tr’）先找出所有行print（f“共找到{len（data_rows）}行数据”）forrowindata_rows[1：]：跳过表头行cells=row.find_all（‘td’）iflen（cells）>=4：date=cells[0].gerip=True）获取日期文本并去除空白weather=cells[1].gerip=True）获取天气状况temp=cells[2].gerip=True）获取气温信息wind=cells[3].gerip=True）获取风力信息print（f“日期：{date}，天气：{weather}，气温：{temp}，风力：{wind}”）3.【难点突破】针对学生可能遇到的“提取不到数据”或“提取结果为空”的问题，组织“代码门诊”活动。让学生展示自己的提取代码和网页结构截图，共同“诊断”问题所在（如标签找错、属性名错误、未处理动态加载内容等）。同时，再次强调合法采集的界限，对于需要登录或明确禁止爬取的数据，必须遵守规则。学生活动：在教师引导下，模仿操作，利用开发者工具分析网页结构。修改并完善教师的示例代码，尝试提取出10月份每一天的详细天气数据，并尝试将结果保存到CSV文件中。小组内合作探究，共同攻克数据提取的难关。完成探究活动三的任务，并在小组内分享交流各自的“采坑”经验和“避坑”技巧。【非常重要】（五）成果展示，总结提升教师活动：邀请几个小组展示他们采集到的数据样例（如10月份气温变化折线图草稿，可导入Excel简单生成），并分享他们在项目过程中遇到的挑战、如何解决问题以及新的发现。1.项目总结：与学生一起回顾本项目的核心知识脉络——网络数据采集的定义、一般步骤（需求→获取→解析→提取→分析）、关键技术（requests库，BeautifulSoup库）、法律与道德规范。强调这仅仅是数据处理的开始，后续将对这些数据进行清洗、分析和可视化，真正发掘数据背后的价值。2.知识拓展：【热点】提出问题：“我们采集的是静态网页信息，如果遇到需要滚动加载更多或点击按钮才出现的数据（动态网页），该怎么办？”激发学生进一步探索的兴趣，简单提及可能需要用到Selenium等自动化工具，为学有余力的学生指明深入学习的方向。同时，引导学生思考大数据时代，数据采集在商业智能、社会研究等领域的广泛应用前景。七、教学评价设计本课程采用过程性评价与终结性评价相结合的方式，全面评估学生的核心素养达成情况。1.过程性评价（占60%）：依据导学案的完成情况（需求分析是否清晰、步骤设计是否合理）、课堂探究活动的参与度（代码编写与调试的主动性、小组讨论的贡献）、信息社会责任意识（在采集过程中是否讨论并遵守规则）进行打分。教师利用课堂观察和教学平台数据记录进行评估。2.终结性评价（占40%）：以小组为单位提交项目作品——“某地某月历史天气数据采集报告及初步分析”。评价标准包括：技术实现（代码能否正确运行并成功采集数据，数据解析是否准确）【重要】；数据质量（采集的数据是否完整、干净，保存格式是否规范）；报告撰写（是否清晰描述了采集过程、数据来源、遇到的问题及解决方案，是否初步分析了数据反映的天气规律）；创新与反思（是否对代码进行了个性化改进，是否对数据采集的伦理问题有深刻思考）。