高中信息技术二年级《数据结构化与数据清洗》教学设计

高中信息技术二年级《数据结构化与数据清洗》教学设计一、课标定位与教材解析本课选自人教中图版2019版高中信息技术选择性必修教材第二章，是"需求分析与数据采集"单元的收束课。课程标准对本模块提出明确要求：学生应理解数据从采集到可用的完整链路，认识刻画数据质量的核心维度，掌握结构化和清洗的基本方法，并能借助工具解决真实问题。教材在2.1节解决了"要什么数据"的问题，在2.2节解决了"数据从哪儿来"的难题，本节则回答一个更棘手的追问：拿到手的数据为什么常常没法直接用？这是绝大多数学生在项目实践中遭遇的第一堵墙，也是数据分析课程从"讲概念"走向"做实事"的分水岭。结构化回答的是"数据长什么样才能被计算机认识"，清洗回答的是"脏数据如何变得可靠"。两者是同一枚硬币的两面：前者重组织，后者重质量。本课须打破"清洗就是删空格"的浅表认识，引导学生建立数据质量观。二、学情诊断授课对象为高二年级学生，已完成必修课程学习，具备电子表格操作经验和初步的程序设计基础，能够使用Python读写简单文件。但从近三届学生的项目作业看，存在四个典型短板。其一，对"非结构化"缺乏体感。学生能背诵文本、图像属于非结构化数据，却说不清为什么一条微信聊天记录不能直接做统计。其二，清洗操作凭感觉。遇到缺失值一律删除，遇到异常值不敢处理，缺少"判断依据先行"的意识。其三，把清洗当作一次性劳动，不理解清洗规则需要随数据特性迭代。其四，对数据伦理的敏感度不足，认为"改数据"天经地义，未意识到不当清洗本身就是一种数据造假。基于此，本课选择"学校食堂消费流水"作为贯穿情境。该数据集贴近生活、规模适中、缺陷典型，学生有真实体验作支撑，讨论不会悬空。三、教学目标信息意识：面对一份原始数据，能主动审视其完整性和可信度，形成"不轻信、先检验"的用数习惯，认识到数据质量直接决定分析结论的价值。计算思维：能将杂乱的原始数据抽象为规范的记录—字段结构，能针对缺失、重复、异常、不一致等典型问题设计可复用的处理规则，并通过程序化手段批量执行。数字化学习与创新：能熟练使用电子表格或Python完成字段类型转换、去重、填充、筛选等清洗操作，并尝试比较不同工具的适用边界。信息社会责任：理解清洗过程中"修改"与"伪造"的边界，树立有据可依、留痕可溯的数据处理规范，在小组协作中承担起数据守门人的角色。四、教学重点与难点重点：理解结构化数据、半结构化数据、非结构化数据的特征与转化思路；掌握缺失值、重复值、异常值、格式不一致四类典型问题的识别与处理策略。难点：异常值的判断标准选择；清洗规则背后的业务逻辑推理；清洗操作可复现、可审计的意识养成。五、教学准备教师准备：食堂消费数据样例两份，一份为"脏数据"（含缺失、重复、乱码、单位混用、时间格式不统一等预设缺陷共12处），一份为清洗后的对照数据；Python演示脚本；投屏设备。学生准备：机房安装Python环境及pandas库，预装电子表格软件；学习单每人一份，含数据质量检查清单和清洗记录表。六、教学过程（一）情境冲突导入（约7分钟）上课伊始,教师投屏展示一封虚拟的校长来信：学校想分析各年级学生在食堂的消费规律，以优化菜品供应，信息处导出了一份消费流水，请同学们协助。学生打开原始数据文件。三分钟内，教室里必然吵起来：有人发现同一学生一天刷了27次卡；有人发现金额栏里混着"￥8.5"和"8.50元"还有汉字"捌元"；有人发现时间栏有的写"2024/3/512:03"有的写"3月5日中午"。教师不急着讲解，只追问一句：这份数据，你敢直接拿来做统计吗？如果统计结果出了错，责任算谁的？学生在真实的困惑中意识到：数据采集到了，不等于数据可用了。这就是今天的任务——让数据变得可计算、可信赖。设计意图：缺陷不是教师宣布的，而是学生自己翻出来的。发现的兴奋感远胜于被告知，且为后续分类整理埋下伏笔。（二）概念建构：数据的三种形态（约10分钟）教师展示三份材料：一张成绩表、一段JSON格式的调查问卷原始提交内容、一篇学生食堂评价的朋友圈长文截图。学生分组讨论三个问题：这三份材料，计算机处理的难度一样吗？差别在哪儿？能不能互相转化？教师顺着学生的发言提炼：成绩表每条记录字段固定、类型清晰，可以直接放进二维表处理，这是结构化数据；问卷数据有标签、有层次，但没有严格的行列结构，属于半结构化数据，常见形态包括JSON、XML；长文截图里的观点和情绪藏在自然语言里，计算机无法直接统计，属于非结构化数据。追问转化路径：如果想统计昨天朋友圈好评和差评各多少条，中间至少要做哪几步？学生逐步意识到：要先用关键词或情感分析提取特征，把结论落到表格里，非结构化信息才完成结构化改造。教师用学生食堂数据中的"备注"字段举例：有人写"多来点辣的"，这条文本只有经过人工编码或关键词归类，才能进入统计。此环节落在一个判断上：结构化的本质不是"整齐"，而是让每一个数据项都能被精确定位和计算。（三）问题归类：给"脏数据"问诊（约10分钟）各小组回到食堂数据，把刚才吵嚷中发现的毛病逐条登记在诊断单上，并尝试归类。教师巡视，不纠正归类方式，只提醒"别忘记录证据所在的行号"。小组汇报后，教师在黑板上汇聚出四大问题族：缺失——第17行金额栏空白，第42行年级字段没填；重复——第8行与第33行完全相同，疑为系统重复提交；异常——第55行单笔消费428元，远超食堂客单价；不一致——时间格式三种并存，"高一3班""高一(3)班""13班"指同一对象。教师点拨：诊断和治病的次序不能反。先弄清楚病有几种、各占多少、影响多大，再决定用什么药。这个清单,就是清洗的处方底稿。学生此时获得一个可迁移的思维工具：数据质量可以从完整性、唯一性、合理性、一致性多个维度分别检查，而不是笼统地说"数据有点乱"。（四）动手清洗：策略选择与工具实践（约25分钟）这是本课的主干环节，采用"先争论方案、再动手实现"的两段式组织。第一段：方案辩论。针对缺失值，学生通常分三派：删掉、填0、填均值。教师引导用后果说话：删了第17行，当日消费总额就少了一笔真实交易；填0会拉低平均客单价；填均值看似稳妥，但那笔消费可能根本不是平均水平的饭。讨论收敛出一个原则：处理方式取决于该字段在分析中的角色和缺失的比例，没有放之四海皆准的答案，但每一个决定都要写下理由。针对428元的异常值，教师抛出问题：它是错的吗？有学生指出可能是教师代充餐费或购买团体餐，不一定是坏数据。由此引出异常值处理的三步曲：圈定、溯源、裁决——先按规则（如均值上下三倍标准差，或业务上限）圈出，再尽可能查证来源，最后决定修正、保留还是剔除，并全程留痕。针对格式不一致，学生较快统一认识：统一时间格式、统一班级命名、金额统一为纯数值，并现场示范电子表格的查找替换与分列功能。第二段：上机实现。基础任务（全体必做）：用电子表格完成重复行删除、金额字段纯数值化、时间格式统一、缺失值标记，填写清洗记录表，注明每处操作的行号、问题类型、处理方式、处理理由。进阶任务（学有余力）：用pandas完成同样流程。教师给出核心代码框架，学生补全判断条件：导入数据后，用drop_duplicates去除重复行；用带正则的表达替换金额中的非数字字符并转换为数值类型；用条件筛选圈出金额大于阈值的可疑记录；对年级字段用众数填充。运行后输出清洗前后记录条数对比。教师巡视时重点观察两件事：学生是否在清洗记录表上留下了每条决定的理由；用代码的学生是否把规则写成了参数而非魔法数字。设计意图：同一任务双轨并行，让不同基础的学生都能完成，又自然形成对比：表格直观但难复用，代码抽象但可批量、可复现。数据量大到十万行时，谁更有优势，不言自明。（五）对照反思与伦理辨析（约8分钟）教师展示自己清洗后的对照数据，请各组比对差异。差异必然存在：有的组删了异常行，有的组保留了；有的组缺失填了均值，有的组直接剔除。教师追问：哪份是"正确答案"？学生意识到，清洗没有唯一标准答案，但有规范与不规范之别。规范的清洗满足三条：决定有依据、过程可复现、结果可审计。随后抛出伦理情境：如果删掉了所有大额消费记录，调查报告会更"干净"、更好看，校长或许更满意。这样做可以吗？学生讨论后形成共识：这是以清洗之名行篡改之实。清洗只能修正数据表达的错误，不能消灭数据反映的事实。（六）课堂小结与延伸（约5分钟）学生用一句话在学案上写下今天的收获，教师随机朗读五条，归纳出三条主线：数据要能用，先要有结构；结构之内，质量分四个维度把关；清洗是技术活，更是良心活，每一步都要经得起追问。布置课后任务：各组采集本班一周的手机屏幕使用时间数据，先自行判断这份数据存在哪些结构化和质量问题，再完成清洗并提交清洗说明书。下节课将用这批清洗后的数据进入可视化环节，让学生在连续的项目链条中体会前道工序对后续结果的决定性影响。七、板书设计主板书按"形态—质量—规则"三列展开。左列：结构化、半结构化、非结构化及转化方向；中列：缺失、重复、异常、不一致四类问题，各对应处理策略关键词（填或删、去重、圈定溯源裁决、统一）；右列：三条从业准则——有据、可复现、能审计。底部一行：清洗修正表达，不改变事实。八、教学评价设计本课评价采用过程性量表，不设卷面测试。三个观测点：诊断单是否覆盖了预设缺陷的八成以上；清洗记录表是否做到每条操作有理由、可追溯；小组汇报中能否解释"为什么选择删除而不