初中信息技术七年级：太阳能数据分析-排序筛选统计教案

初中信息技术七年级：太阳能数据分析——排序筛选统计教案

一、设计理念与整体思路

本教案以发展学生信息技术学科核心素养为根本宗旨，遵循“以用促学、学以致用、融合创新”的建构主义教学原则，将技术学习置于真实复杂的跨学科问题情境之中。教学设计超越传统工具操作训练的窠臼，以“能源分析师”项目角色为引领，围绕“区域太阳能发电站可行性初步研究”这一驱动性任务，有机融合初中科学、数学、统计初步知识及社会责任感教育，引导学生经历从真实问题抽象为数据模型、借助数字化工具进行加工分析、最终形成有依据的决策建议的完整过程。通过项目式学习，学生不仅掌握电子表格中排序、筛选、分类汇总及简单统计函数的核心操作技能，更重要的是初步形成用数据说话的意识，体验计算思维中“分解、抽象、建模、算法”的思想，并在此过程中感悟清洁能源对国家可持续发展战略的意义，实现技术素养、思维品质与价值观念的同构共生。教案设计注重差异化教学与支架搭建，通过分层任务、协作探究、多维评价，保障每一位学生都能在最近发展区内获得成功体验与能力提升。

二、教学分析

教材与内容分析：

本节课内容位于数据处理模块的起始与关键位置，承接前期数据录入与格式化的基础，开启后续图表可视化与深度分析的大门。教材（浙教版）以“太阳能能源统计”为例，意图将数据处理的三大基础操作——排序、筛选、统计（函数）置于一个有意义的情境中。然而，原素材情境相对静态、孤立。本设计对教材进行深度二次开发，将静态数据表嵌入一个动态、连续、具有决策价值的项目故事线中。核心知识点包括：单一字段与多关键字排序的原理与应用场景；自动筛选与自定义筛选（特别是数字范围筛选、文本特征筛选）的操作方法与逻辑理解；常用统计函数（SUM,AVERAGE,MAX,MIN,COUNT）的语义、语法及综合运用。教学难点在于引导学生理解不同操作背后的逻辑本质（如排序是对整个数据表行的重排，筛选是行的隐藏；函数是动态计算），并能根据分析目标灵活选择和组合这些工具，形成分析流程。

学情分析：

教学对象为初中七年级学生。其认知特点是形象思维向抽象逻辑思维过渡，对贴近生活、富有挑战性的任务兴趣浓厚。在知识基础上，学生已掌握电子表格的基本概念（工作簿、工作表、单元格）、数据输入与编辑、单元格格式设置等。部分学生可能接触过简单的排序或求和，但对系统性、策略性地运用数据处理工具解决复杂问题缺乏经验。学生个体间信息技术应用能力差异显著。在思维层面，学生已具备初步的分类、比较思想，但将实际问题转化为可操作的数据分析步骤（计算思维）的能力尚待培养。情感与社会性方面，该年龄段学生乐于展示自我，对团队合作和角色扮演有较高参与度，对国家大事、环保议题有朴素的情感认同，可借此激发其学习内驱力。

跨学科关联分析：

1.科学与地理：太阳能辐射量、日照时数等数据的地理分布规律，清洁能源的优势与我国“双碳”战略背景。

2.数学与统计：平均数、最大值、最小值、求和等统计量的意义；数据的比较与排序；从数据中提取信息的初步思想。

3.语文与沟通：分析报告的撰写，要求逻辑清晰、表述准确、结论明确，锻炼信息归纳与书面表达能力。

4.道德与法治：渗透可持续发展理念、社会责任感和用科学方法支持决策的理性精神。

三、教学目标

1.知识与技能目标：

1.能准确叙述电子表格中数据排序、筛选及常用统计函数（SUM,AVERAGE,MAX,MIN,COUNT）的功能与适用场景。

2.能独立完成对单一字段的升序/降序排序，并能设置包含至多三个关键字的多级排序，理解其“主次”逻辑。

3.能熟练运用自动筛选功能，根据文本、数字条件筛选数据，并能使用自定义筛选设置更复杂的条件（如“与”、“或”关系）。

4.能正确书写SUM、AVERAGE等函数的表达式，并运用其对指定数据范围进行统计计算。

5.能综合运用排序、筛选、统计函数，完成对一个多维度数据集的分析任务，并提取关键信息。

2.过程与方法目标：

1.经历“明确问题-选择工具-实施操作-解读结果-形成结论”的完整数据分析流程。

2.通过对比不同操作（如排序后找最大值与直接用MAX函数）的优劣，体会根据需求选择高效、恰当技术工具的策略性思维方法。

3.在小组协作中，学习任务分解、方案讨论、操作验证和成果整合的合作学习方法。

3.情感态度与价值观目标：

1.感受数据处理技术在解决现实问题中的强大效能，增强对信息技术课程价值的认同感。

2.在分析我国太阳能资源数据的过程中，增强国家资源禀赋的自豪感，树立绿色环保、可持续发展的理念。

3.培养严谨、求实的数据分析态度，理解“数据会说谎”的可能，初步建立对数据分析结果进行审慎判断的意识。

4.核心素养发展目标：

1.信息意识：能敏锐感知“太阳能电站选址”问题中的数据价值，明确所需数据的类型与来源。

2.计算思维：能将选址问题分解为“找资源最丰富地区”、“找资源稳定地区”、“综合比较”等子任务；能将每个子任务抽象为特定的数据操作模型（排序对应比较，筛选对应条件过滤，函数对应聚合计算）。

3.数字化学习与创新：能利用电子表格这一数字化工具，通过自主探索与协作，创造性地组合多种功能，完成数据分析方案，生成有价值的分析报告。

4.信息社会责任：在项目活动中体会数据驱动决策的重要性，初步形成负责任地使用技术、用科学分析支持社会发展的责任感。

四、教学重点与难点

教学重点：

1.数据排序（单关键字与多关键字）和自动筛选（基本与自定义）的操作方法及实际应用。

2.SUM、AVERAGE、MAX、MIN、COUNT等统计函数的正确使用。

3.引导学生根据具体分析目标，规划和选择合适的数据处理操作序列。

教学难点：

1.多关键字排序中“主要关键字”、“次要关键字”的层次逻辑理解与应用。

2.自定义筛选条件中“与”、“或”逻辑关系的理解与准确设置。

3.将开放性的现实问题（如“哪里最适合建站”）转化为一系列具体、可执行的数据查询与统计操作，即分析策略的构建。

4.对统计结果进行合理解读与表述，避免得出片面或错误的结论。

五、教学准备

教师准备：

1.教学课件：包含项目情境视频/图文、操作步骤关键截图、思维导图式知识总结、分层任务清单、评价标准。

2.学习素材包：

1.3.“中国部分城市太阳能资源数据表.xlsx”（原始数据）：包含15-20个城市的数据，字段包括：城市名称、所属省份、年均日照时数（小时）、年均太阳总辐射量（兆焦/平方米）、月平均气温≥10℃天数、年降水量（毫米）、地形类型（分类）、经济发展水平（分类）等。数据需经过设计，包含明显的高低值、相近值、特殊值，以支持排序、筛选和对比分析。

2.4.“能源分析师项目任务书.pdf”：详细描述项目背景、角色、最终产出物要求及过程性任务指引。

3.5.“数据分析方法锦囊.docx”：以图文并茂的形式提供排序、筛选、函数操作的快速参考指南，作为学生自主学习支架。

4.6.范例分析报告（半成品及优秀成品）供学生参考。

7.技术支持：确保多媒体网络教室运行正常，电子表格软件（如WPS表格或MicrosoftExcel）统一安装并可用。准备屏幕广播软件。

8.分组安排：根据“异质分组”原则，将4-5名学生分为一组，每组推选一名项目组长。

学生准备：

1.复习电子表格基本操作（数据输入、区域选择等）。

2.预习任务书，思考“如果要为一个大型太阳能发电站选址，你会考虑哪些因素？”

3.自带笔记本，用于记录分析思路和结论。

六、教学过程

本教学设计计划用时2个标准课时（共90分钟），采用“项目启动-知识建构-探究实践-成果展评-总结延伸”的流程。

第一课时：情境入项与核心技能建构

（一）项目启动，创设情境（预计时间：12分钟）

教师活动：播放一段精心剪辑的短片，内容涵盖我国能源结构转型的战略背景、“碳中和”目标、太阳能发电的迅猛发展，以及一个虚拟的“绿色能源公司”正在为新建一座大型光伏电站进行选址调研的画面。短片结尾抛出核心问题：“如果你是这家公司的能源数据分析师，你将如何利用各地数据，为公司决策提供科学建议？”

随后，教师化身“项目总监”，向全体“新晋能源分析师”（学生）发放《项目任务书》。清晰阐述最终目标：各小组在一周内（本节课完成核心数据分析），提交一份《关于XX区域建设太阳能电站的初步数据分析报告》，报告需基于提供的数据，运用数据分析方法，提出选址倾向性意见并陈述理由。

教师引出本节课的焦点任务：掌握数据分析的“三大神器”——排序、筛选、统计，并对原始数据进行第一轮深度挖掘。

学生活动：观看短片，进入情境。阅读项目任务书，明确最终产出目标和自己在小组中的角色（数据操作员、记录员、分析师、汇报员等，可轮换）。小组内进行初步讨论，针对教师提出的核心问题，结合生活经验和课前思考，列举可能影响太阳能电站选址的因素（如阳光多少、天气稳定性、地形、经济成本等）。组长汇总意见。

设计意图：通过真实感强的项目化情境导入，瞬间抓住学生注意力，将技术学习从“学操作”升维至“解决问题”，赋予学习活动以目的感和意义感。初步讨论激活学生已有认知，为后续将现实因素对应到数据字段做好铺垫。

（二）技能探索一：让数据“井然有序”——排序（预计时间：18分钟）

教师活动：提出第一个具体分析问题：“要想快速了解哪个城市的太阳能‘天赋’最高，我们可以看‘年均太阳总辐射量’这个关键指标。如何从数据表中一眼找出最高和最低的地区？”引导学生想到“排序”。

教师广播屏幕，打开原始数据表。首先演示单字段排序：选中“年均太阳总辐射量”列任意单元格，单击“升序”和“降序”按钮，观察表格行顺序的变化。强调排序操作是针对整个数据表所有行的重排，关联数据不会错乱。让学生对比排序前后找最大值、最小值的效率差异。

接着，提出更复杂的问题：“如果两个城市的总辐射量非常接近，我们想进一步比较谁的日照时间更稳定（年均日照时数），该如何排序？”引出多关键字排序。教师演示操作：打开“排序”对话框，添加“主要关键字”为“年均太阳总辐射量”（降序），“次要关键字”为“年均日照时数”（降序）。引导学生观察排序结果，理解“主要”与“次要”的层级关系：先按主要关键字排，主要关键字相同的情况下，再按次要关键字排。

布置探索任务一：请各小组对数据表，按“月平均气温≥10℃天数”降序排列，看看哪些地区高温适合光伏发电的天数最多。并尝试设置一个多关键字排序（自定义主次关键字），来探索你们小组感兴趣的一个排序问题。

学生活动：观看演示，理解排序的界面操作与核心逻辑。小组合作完成探索任务一。在操作中，学生可能会发现选择排序范围不当会导致数据错乱，教师及时介入指导。完成基本任务后，小组内尝试设计自己的多关键字排序问题并实施，如“先按地形类型排，同类地形中再按辐射量排”，观察结果并简单记录发现。

设计意图：从简单到复杂，引导学生掌握排序操作。单字段排序重在体验其便捷性；多关键字排序是难点，通过创设“数据相近需进一步比较”的真实需求，并通过对话框的直观设置，帮助学生理解其逻辑内涵。小组探索任务给予初步应用机会。

（三）技能探索二：让数据“按需显现”——筛选（预计时间：20分钟）

教师活动：提出新的分析需求：“公司初步考虑在‘华东地区’或‘地形平坦’的地区建站，如何快速从所有城市中只看到符合这些条件的城市？”引出“筛选”功能。

教师演示自动筛选：点击数据区域，启用“自动筛选”。展示点击“所属省份”字段下拉箭头，勾选特定省份（如浙江、江苏）。再展示点击“地形类型”字段，选择“平原”。让学生观察表格行数的变化，理解筛选是隐藏不符合条件的行，而非删除。

提出进阶问题：“如果我们想找太阳总辐射量在‘中等偏上’水平（比如介于4500到5500兆焦/平方米之间）的城市，该如何操作？”演示数字筛选中的“介于”条件设置。进一步，提出“且”与“或”的逻辑问题：“如果想找‘辐射量高（大于5000）且降水较少（小于1000毫米）’或者‘辐射量中等但地形极其平坦（平原）’的城市，怎么办？”引出“自定义筛选”中的逻辑条件组合。教师通过对话框清晰展示如何设置“与”（同时满足多个条件）和“或”（满足任一条件）的不同区域。

布置探索任务二：请各小组使用筛选功能，完成以下挑战：（基础）找出所有“年均日照时数”超过2200小时的城市。（进阶）找出“太阳总辐射量”大于全国平均值（可先计算或估算），并且“月平均气温≥10℃天数”超过200天的城市。（开放）设计一个你们小组认为对选址重要的复合条件，并用筛选找出符合条件的城市。

学生活动：跟随演示，理解筛选的基本逻辑和操作界面。小组协作完成探索任务二。在完成基础任务后，挑战进阶任务时，需要先理解“与”逻辑的设置方法。开放任务鼓励创造性思维，学生可能会组合“经济发展水平”与“辐射量”等条件。小组成员共同商讨条件设置，记录筛选出的城市名单及其特征。

设计意图：筛选是数据查询的核心工具。教学从最简单的单项筛选，过渡到数值范围筛选，再攻坚自定义筛选中的逻辑关系。通过层层递进的挑战任务，让学生在实践中深刻理解“与”、“或”逻辑的区别，这是突破难点的关键。开放任务赋予学生自主权，深化对数据字段意义的理解。

（四）课时小结与任务衔接（预计时间：5分钟）

教师活动：简要回顾第一课时学习的排序与筛选两大工具，强调它们各自的特点：排序用于整体比较和排名，筛选用于按条件查询子集。发布课后思考题：仅用排序和筛选，能否准确、快速地回答“所有城市的平均辐射量是多少？”“哪个省份的累计资源潜力最大？”这类问题？为什么？

提醒学生保存好课堂探索的记录，为下节课学习更强大的统计工具做准备，并预告下节课将最终形成分析报告。

学生活动：整理课堂所学，回答教师提问，明确排序筛选的局限性（无法自动聚合计算），从而对下节课的学习产生期待。小组内部简要交流第一课时的发现。

设计意图：总结巩固，通过设疑制造认知冲突，引导学生认识到数值计算类问题的需求，自然引出统计函数的必要性，为第二课时铺垫，保持项目学习的连续性。

第二课时：数据聚合与项目整合

（五）技能探索三：让数据“开口说话”——统计函数（预计时间：25分钟）

教师活动：承接上节课结尾的问题，指出要回答关于“总和”、“平均”、“极值”等聚合性问题，需要请出“函数”这个强大的工具。类比数学中的函数概念，说明在电子表格中，函数是预定义的公式，可以简化复杂计算。

教师以“计算所有城市年均太阳总辐射量的总和（SUM）”为例，详细演示函数的使用流程：选中存放结果的单元格→点击“插入函数”按钮或输入“=SUM(”→用鼠标拖选需要计算的数据区域（如D2:D20）→回车确认。强调观察编辑栏中显示的完整公式“=SUM(D2:D20)”。

随后，教师“抛锚”，提出一系列需要不同函数解决的问题链，引导学生分组探索：

1.问题A（AVERAGE）：这些城市的平均年日照时数是多少？

2.问题B（MAX/MIN）：太阳总辐射量的冠军和亚军城市是谁？数值是多少？（提示：可用MAX找值，再用筛选或匹配找城市名）

3.问题C（COUNT）：数据表中一共有多少个城市的数据？（COUNT可用于非数字字段吗？尝试COUNT和COUNTA的区别）

教师巡视指导，针对常见错误（如区域选择错误、忽略函数名前的等号、括号不匹配）进行集中讲解。

接着，提出综合应用挑战：“如果公司想初步评估每个省份的太阳能资源总潜力，我们可以尝试按‘所属省份’对‘太阳总辐射量’进行求和。”引出“分类汇总”功能（作为统计函数的场景化高级应用）。教师演示操作前，必须强调关键前提：必须先按分类字段（“所属省份”）进行排序！然后演示“数据”菜单下的“分类汇总”功能，选择分类字段、汇总方式（求和）、汇总项（太阳总辐射量）。展示折叠与展开视图的效果。

布置探索任务三：小组合作，完成以下函数与汇总应用：

1.计算关键指标（总辐射量、日照时数）的平均值、最大值、最小值。

2.使用分类汇总功能，计算不同地形类别下，日照时数的平均值，比较哪种地形平均日照最丰富。

学生活动：跟随教师演示，理解函数输入的基本方法。小组分工合作，尝试解决教师提出的问题链A、B、C，在“试错”中掌握SUM、AVERAGE、MAX、MIN、COUNT函数。然后接受综合挑战，按照“先排序后汇总”的步骤，完成按省份或地形的分类汇总任务，观察汇总结果，比较不同类别间的差异。

设计意图：函数学习避免枯燥讲解，采用“演示核心案例+问题链驱动探索”的方式，让学生在解决实际问题的迫切需求中主动学习多个函数。强调函数的结构和区域选择。引入“分类汇总”作为排序与统计函数的综合应用，展示数据处理流程的连贯性，提升学生解决复杂问题的能力。

（六）项目整合：策略分析与报告撰写（预计时间：30分钟）

教师活动：宣布进入项目攻坚阶段。引导各小组回顾前两节课的所有发现（排序后的排名、筛选出的特定集合、各种统计汇总结果）。在大屏幕上呈现“分析策略思维导图”，提示学生可以从多个角度切入形成选址建议：

1.资源优势导向：直接选择总辐射量或日照时数最高的TopN个城市。

2.稳定均衡导向：选择辐射量高且日照稳定的城市（结合排序与筛选）。

3.区域聚集导向：参考分类汇总结果，选择资源总量或平均量突出的省份/区域。

4.条件约束导向：结合假设的公司战略（如“优先开发西部”、“必须靠近用电负荷中心”），自行设定筛选条件。

要求各小组召开“分析师会议”，整合所有数据分析结果，讨论并最终确定本组的选址倾向（可以是一个城市，也可以是一个区域），并围绕倾向准备三条最具说服力的数据证据。证据必须明确指出使用了哪种或哪几种数据分析方法（如：“根据多关键字排序（辐射量降序、日照时数降序），XX市均名列前茅”；“通过自定义筛选（辐射量>5000且降水量<1000），符合条件的仅有X个城市，其中YY市在……”）。

提供《数据分析报告》简易模板框架：

1.报告标题、小组成员

2.一、任务概述

3.二、主要数据分析过程与方法（简要说明用了哪些工具，做了什么分析）

4.三、核心发现与数据证据（重点部分，用文字+关键数据结果/截图表述）

5.四、选址初步建议及理由

6.五、可能的局限性与后续研究建议

教师巡视，参与小组讨论，扮演“客户”或“专家”角色，对学生的分析逻辑和证据链进行提问和引导，避免他们得出过于武断或忽略数据矛盾的结论。

学生活动：小组热烈讨论，回顾和梳理所有数据产出。运用“分析策略思维导图”的提示，从不同角度评估数据，可能产生争论，最终通过协商达成一致或保留多元意见。根据确定的建议，精心筛选和组合数据证据，学习如何用专业语言描述分析过程（“我们首先…，然后…，数据显示…”）。分工合作，参照模板撰写分析报告的初稿。部分操作熟练的同学可制作报告中的截图，其他同学负责文字撰写和逻辑梳理。

设计意图：这是整个项目学习的核心与高潮。将零散的技能操作整合到解决核心问题的思维框架中，培养学生根据目标制定分析策略、综合运用多种工具、用数据支撑观点的能力。提供思维支架和报告模板，降低认知负荷，引导学生进行结构化思考与表达。教师的角色从讲授者转变为教练和协作者。

（七）成果展示与多维评价（预计时间：10分钟）

教师活动：邀请2-3个有代表性（如结论不同、分析角度独特）的小组进行限时（3分钟）成果展示。要求展示者重点说明分析思路和数据证据，而非单纯演示操作。

组织评价环节。介绍并运用“三维评价量表”：

1.技术运用维度：是否熟练、准确地综合运用了排序、筛选、统计函数/分类汇总？（由教师根据过程观察和报告评价）

2.分析逻辑维度：分析过程是否清晰？结论是否有充分、相关的数据证据支持？（引导全班同学在倾听后评价）

3.报告呈现维度：报告结构是否清晰？表述是否准确、专业？

鼓励其他小组作为“同行评审”提问或补充，例如：“你们为什么没有考虑降水量这个因素？”“如果加入经济成本数据，你们的结论会改变吗？”教师进行点评总结，表扬亮点（如创意的分析角度、严谨的证据链、清晰的表达），指出共性的改进空间（如对“与”“或”逻辑的混淆、对函数区域的错误引用），并最终强调：数据分析没有唯一正确答案，关键在于过程是否科学、证据是否可靠。

学生活动：被选中的小组代表上台，自信地展示本组报告精华。其他小组认真倾听，思考其分析逻辑。根据评价维度，参与提问和评价。通过观看其他组的展示，开阔思路，反思本组分析的优缺点。

设计意图：通过公开展示，为学生提供成果输出的仪式感，锻炼口头表达能力。引入多维评价，将评价主体从教师扩展到学生互评，评价内容从技能掌握扩展到思维过程和成果质量，体现发展性评价理念。通过质疑和辩论，深化对数据分析科学性的理解。

（八）总结升华与延伸拓展（预计时间：5分钟）

教师活动：对本单元项目学习进行系统性总结。通过板书或思维导图，再次梳理“问题→数据→操作（排序/筛选/函数）→信息→决策”的数据分析通用流程。强调今天学习的三大基础操作是未来学习数据可视化（图表）、更复杂函数乃至数据库的基石。

进行价值升华：肯定学生们在项目中表现出的“能源分析师”潜质。指出今天分析的是模拟数据，但方法