高中信息技术高一年级用数据说话的决策智慧教学设计

高中信息技术高一年级用数据说话的决策智慧教学设计【教学基本信息】本课选自粤教版（2019）高中信息技术必修1《数据与计算》第五章第三节“数据分析”，授课对象为高一年级学生，计划安排两课时连排，共计90分钟。本节课以“校园食堂满意度与菜品销量数据”为贯穿情境，引导学生经历数据采集整理、特征探索、关联分析、聚类与趋势预测、结论表达的完整过程，初步建立用数据说话的思维习惯，落实数据意识与计算思维两大核心素养。【教材分析】本节内容处于必修1第五章“数据处理与可视化表达”的关键位置。前两章学生已经学习了数据的概念、编码方式以及算法与程序设计基础，本章前两节又完成了数据的采集、整理与可视化表达的内容，而本节“数据分析”正是将前期知识转化为信息时代核心能力的重要节点。教材按照“特征探索—关联分析—聚类分析—数据分类与预测”的主线展开，体现了由描述性分析走向诊断性、预测性分析的进阶路径。教学处理上，本设计弱化个体工具的按钮操作，强化分析思路的选择逻辑，即面对一个真实问题，应当问什么样的数据问题、选什么样的分析方法、得什么样的结论，谨防把学生培养成只会点按钮的“操作工”。【学情分析】授课班级为高一年级平行班，学生已完成第三章程序设计基础与第四章数据处理的学习，能够使用Python的pandas库读取表格数据，能绘制常见统计图表。学生的兴趣点多集中在与自身生活密切相关的领域，如运动、饮食、游戏、社交。主要困难表现在三个方面：一是面对真实数据时不知道该提出什么问题，分析目标意识薄弱；二是容易把相关关系误认为因果关系，逻辑推理缺乏证据意识；三是结论表达往往停留在“数据很大、数据很小”的感觉层面，缺少用统计量和图表支撑观点的习惯。因此本课在任务设计上采取“半开放”策略，即教师给定情境和数据，学生自主提出分析问题并选择方法，教师通过问题链与反例进行思维纠偏。【教学目标】素养目标一，计算思维。学生能够依据分析目的，将真实问题拆解为可计算的数据问题，合理选择描述性统计、分组统计、相关性分析等分析方法，并能借助Python完成分析。素养目标二，数字化学习与创新。学生能够利用电子表格与编程环境协同完成数据探索，并尝试用可视化手段呈现发现的规律。素养目标三，信息意识与信息社会责任。学生能够辨别相关关系与因果关系的差异，理解数据结论的边界条件，形成“数据会说谎、解读需谨慎”的批判性思维品质。行为目标方面，课末学生应达到：能写出一个可检验的数据分析问题；能完成至少一次分组聚合统计；能计算两个变量之间的简单相关程度并说明其含义与局限；能用一句话概括分析结论并对应一张图表作为证据。【教学重点与难点】教学重点为特征探索与关联分析的思路，即从“这个数据长什么样”过渡到“变量之间有没有关系、是什么关系”。教学难点有两处，其一是分组聚合思想，学生容易把每一行数据当成个体去研究，而忽视按类别聚合后显现的群体规律；其二是相关与因果的辨析，这是数据素养中极易被忽视却影响深远的认知点，本课通过经典案例与刻意设计的“陷阱数据”进行突破。【教学准备】硬件环境为计算机教室，保证每位学生一机。软件环境为Python3.x，预装pandas、matplotlib、openpyxl库，同时提供或同类电子表格软件作为无编程路径的备选工具。数据资源方面，教师课前准备了三份数据：一份“某校食堂一个月菜品销售明细”数据，包含日期、星期、菜品名称、类别、单价、销量、天气等字段，共约两千行，其中埋有缺测值与异常值；一份“某市共享单车使用与气温关系”的汇总数据；一份网络上流传的“冰淇淋销量与溺水人数”经典案例数据。所有数据均为模拟或公开数据，不含真实个人信息。【教学策略】采用情境任务驱动与问题链教学相结合的方式。整节课围绕一个大问题展开：食堂管理方想知道“下周应该多做哪些菜、在什么时间加推”，这一问题被拆解为四个层层递进的子任务。每个子任务遵循“提出问题—教师示范关键操作—学生自主探究—小组互评—教师纠偏提升”的流程。两课时中，第一课时完成数据审视与特征探索，第二课时完成关联分析、结论表达与拓展讨论，中间不停顿，保证思维连贯。【教学过程】第一环节情境导入：一份让后勤主任犯愁的报表（8分钟）上课伊始，教师投影呈现学校后勤主任的一段话：“每个星期五中午，食堂总体上比平常多卖出近一倍的菜品，但最左边那个窗口的菜卖不动，每天剩下三成左右。到底是菜不好吃，是位置问题，还是定价问题？”随后大屏幕上出现一个压缩包，解压后是包含两千行数据的表格文件。教师不急于讲方法，先让学生打开文件，自由活动三分钟，随意翻一翻、看一看。三分钟后教师提问：“你第一眼看到了什么？如果你就是后勤主任，你现在最想从这份数据里知道什么？”学生给出的初始回答往往零散而模糊，如“看看哪个菜卖得最多”“看看哪天生意最好”。教师抓住时机指出：所有这些朴素的问题，本质上都是数据分析问题，而数据分析的第一步不是打开工具，而是把模糊的“想知道”变成清晰的问题。教师板书示范问题转化的标准格式：研究对象加变量加关系形式。例如“想知道菜品好不好卖”转化为“不同类别菜品的日均销量是否有明显差异”；“想知道周五人为什么多”转化为“星期几与销量之间是否呈现稳定的规律性关联”。这一环节目的是让学生体会到，同一份数据，不同的人会问出质量完全不同的问题，问题的质量决定后续分析的价值。小组内讨论后，每组在黑板上贴出本组拟研究的一个问题，全班共得到八至十个问题，教师将其归类为三类，恰好对应后续的三个任务：描述现状（特征探索）、寻找关系（关联分析）、给人建议（结论表达）。第二环节任务一：用特征探索摸清这份数据的底细（20分钟）教师指出，在回答任何具体问题之前，分析师都要先完成一件基本功，就是摸清数据的“底细”：有多少条记录、有哪些字段、每个字段的大致取值范围、有没有缺失和异常，这就是教材所说的特征探索。教师在大屏幕上以逐行讲解的方式展示示范代码，使用pandas读取数据后，依次调用字段信息查看、前五行预览、描述性统计三个方法，解释每一个输出结果到底告诉我们什么。特别强调三个概念的落地：记录数反映数据量，缺失值说明哪些字段不能盲目相信，数值列的均值、中位数、最大值、最小值能勾勒数据的整体轮廓。此时教师故意切换到“天气”字段，指出其中混入了“晴”“多云”“晴转多云”等写法不一致的取值，再切换到“销量”字段，指出存在一条销量为9999的明显异常记录和若干空白行。教师提问：“如果直接拿这份原始数据算总销量，结论还靠谱吗？”由此引出数据清洗的三个基本动作：统一类别写法、删除或修正异常值、处理缺失值，并说明本课采用“删除明显异常行＋统一类别名称”的简化策略。学生在本机上完成同样的操作，教师巡视时发现部分学生只是机械照抄代码未看输出，于是追加一个检查点：“请你向同桌口头汇报，这份数据一共有几条有效记录，销量最高的单条记录是多少，你认为它可不可信？”这个口头汇报环节迫使学生真正阅读输出结果而非仅仅运行代码。使用电子表格路径的学生，教师提供等价的操作指引：用筛选功能查看字段取值分布，用“删除重复项”和单元格格式检查发现异常。两条路径殊途同归，最后都回到同一份清洗后的数据表。第三环节任务二：分组聚合，让群体规律浮出水面（18分钟）教师把话题引回黑板上的问题清单：“大家上一轮已经摸清了数据的底细，现在请看看你们提出的问题，有没有发现，几乎没有一个是针对单独某一行数据的？我们关心的都是‘某一类’‘某一天’这样的群体。数据分析里有一个极其重要的思想，就是先按类别分组，再对每组做统计汇总，教材称之为按维度聚合。”教师现场演示用一行代码实现“按菜品类别分组，统计各类菜品的总销量与日均销量”，并把结果绘制成柱状图。图表显示“主食类”销量虽高，但“套餐类”的日均销量反而领先，因为套餐供应的天数更多。教师抓住这个对比追问：“总销量第一和日均销量第一，是两个完全不同的结论。如果你的目标是判断哪个类别最受欢迎，应该看哪一个？如果你的目标是安排采购总量，又该看哪一个？”这一问让学生初步建立“统计口径必须服务于分析目的”的意识。随后学生围绕自己小组的问题开展分组聚合探究，教师提供任务脚手架：第一步，确定按什么字段分组；第二步，确定统计什么指标；第三步，把结果排序或作图。巡视中教师重点关注分组依据的选择是否合理，例如有小组按“单价”分组后发现组数过多、规律零散，教师引导其将单价分段为低价、中价、高价三档再聚合，学生豁然开朗，直观体会到“连续变量离散化”的妙处。各小组将各自的聚合结果截图粘贴到班级共享文档中。教师快速浏览并挑出一组“按星期几分组统计销量”的结果，为下一环节的关联分析埋下伏笔。第四环节承上启下的过渡讨论（4分钟）教师把上一环节的两张图并排投屏：一张是“星期与销量”的聚合柱状图，周五明显偏高；另一张是“单价区间与销量”的图，低价区间销量占优。教师提问：“这两张图告诉我们，销量和星期有关系、和价格有关系。但‘有关系’到底是什么关系？销量高是因为星期，还是因为低价？如果两件事经常同时出现，我们能说一个导致了另一个吗？”带着这个疑问，课堂进入第二课时。第五环节任务三：关联分析，从“同时出现”到“相关程度”（22分钟）第二课时开场，教师先给出本课的“陷阱展示”。投影呈现两组数字：某沿海城市连续五年夏季各月的冰淇淋销量与当月溺水人数，两条折线走势高度一致，几乎同步上升和下降。教师问：“能不能得出结论说冰淇淋导致溺水？”有学生笑答不能，但说不出理由。教师追问：“那这个‘几乎同步’的程度，能不能用一个数来描述？”由此自然引出相关系数的概念：用一个介于负一到正一之间的数，刻画两个数值变量共同变化的紧密程度，绝对值越接近一关系越强，符号代表方向。教师用三个散点图分别展示强正相关、强负相关、几乎无相关的形态，让学生建立“图形感觉对应数值大小”的直观。随后回到冰淇淋案例揭晓谜底：气温才是潜伏在背后的第三个变量，天一热，吃冰淇淋的人多、下水游泳的人也同时增多，两个变量同时被气温驱动，所以呈现强相关却不存在因果关系。教师顺势给出一条通俗但严谨的表达：“相关系数能告诉你两件事一起走，却不能告诉你谁推着谁走。”讲解完毕，学生回到食堂数据，完成本课的关联分析核心任务：计算“单价与销量”之间的相关系数，并绘制散点图验证。多数小组得到的系数为中等强度的负相关，即价格越高销量倾向越低，符合生活直觉；但有细心的学生发现散点图中有几行“高价高销量”的点偏离整体趋势，一查原来是“套餐类”菜品。教师借机提升：“当一个系数解释不了全部数据时，往往说明数据里还藏着不同的群体，把它们分开看，规律会更清晰。”这一发现让部分学生主动提出按菜品类分别计算相关系数，教学自然延伸出“分层分析”的萌芽思想，教师给予充分肯定但不强求全班掌握。随后教师演示第二个关联分析样例：“天气状况”与“销量”的关系。由于天气是类别变量而非数值变量，不能直接计算相关系数，教师示范改用“分组对比平均销量”的思路，说明方法选择必须匹配数据类型，这一处理回应了教材关于分析方法的弹性要求。第六环节任务四：从分析结论到决策建议（20分钟）教师点明本环节的立场转换：“现在你们不再是学生，而是后勤主任高薪聘请的数据顾问。他不在乎你跑了多少行代码，只在乎你能不能给他一两句有用的建议，而且每句建议背后都要有数据证据。”教师先给出“合格建议”的示范模板：“建议什么＋依据哪个统计量或哪张图＋结论在什么条件下成立。”例如：“建议周五中午主食类备货增加三成，依据是过去四周周五主食日均销量比周一至周四均值高出三成以上；但该规律在考试周是否成立，本次数据未覆盖，需谨慎。”教师逐项拆解这个模板的三要素，特别强调第三个要素“条件限定”，它是科学严谨的表达，也是数据伦理的体现。各小组开始撰写分析报告，要求包含三部分：研究的问题、关键发现（至少两条，每条配一张图或一组统计量）、给后勤主任的建议（按上述模板书写）。教师巡视时充当“挑剔的甲方”，专挑没有证据支撑的空话，如“食堂菜很便宜”，追问“便宜到什么程度？和谁比？数据在哪里？”学生不得不回到表格里寻找确切数字，这个过程正是本课目标中最关键的证据意识训练。第七环节小组展示与交叉评议（14分钟）随机抽取四个小组上台展示，每组限时三分钟，只讲一个最得意的发现。第一组发现“周五效应”，第二组发现低价菜品带量但利润贡献未必最高的矛盾现象，第三组发现某窗口“卖不动”菜品的销量与摆放位置的关系数据不足、建议补采数据，第四组展示了套餐类单独分析后价格弹性很小的有趣结果。第三组的展示引发全班讨论：他们诚实地说“现有数据回答不了这个问题”，教师对此给予最高评价，指出“承认数据不够，比硬凑一个结论更有专业含量”，并借此布置一个课外微型任务：设计一个补充数据采集方案，回答“位置是否影响销量”这一问题。每组展示后，其他小组用“一个亮点加一个质疑”的方式进行评议，教师最后统一梳理，把课堂零散发现汇聚成一张完整的“食堂经营数据结论图”。第八环节总结提升与价值引领（4分钟）教师带领学生回顾本课走过的完整路径：从模糊的好奇出发，把好奇心转化为可计算的问题，摸清数据底细，用分组聚合发现群体规律，用相关系数度量变量间的关联，最后写出有证据、有边界、有行动指向的建议。教师总结三句话：“问题决定方向，方法服从数据类型，结论永远带着条件的帽子。”价值引领部分，教师结合生活中常见的数据误导现象，如“某保健品用户康复率高达百分之九十”的广告话术，提醒学生：不看基数、不看对照、不交代条件的数据结论，都值得保持警觉。掌握数据分析能力，既是为了让数据替自己说话，更是为了不被别人的数据牵着走。【板书设计】主板书呈现本课思维主线：提出问题→特征探索（看底数、看分布、看异常）→分组聚合（分组＋统计量）→关联分析（相关系数，相关不等于因果）→结论表达（结论＋证据＋条件）。副板书记录课堂生成内容：学生提出的问题清单、相关系数解读口诀“强弱看绝对值，方向看正负号”、建议书写模板三要素。【分层作业设计】基础层作业：利用课堂提供的共享单车数据，重复完成“特征探索＋按气温区间分组聚合”两个操作，写出一句话结论并附图。进阶层作业：自主计算“最高气温与单车骑行量”的相关系数，绘制散点图，并回答“