高中一年级信息技术教学设计：数据分析与可视化-从冰冷的表格到有温度的结论

高中一年级信息技术教学设计：数据分析与可视化——从冰冷的表格到有温度的结论一、教学基本信息本课面向普通高中一年级学生开设，依据《普通高中信息技术课程标准（2017年版2020年修订）》中必修模块"数据与计算"的内容要求，对应教材第三章第三节。课时安排两课时，第一课时聚焦数据分析的基本流程与方法，第二课时聚焦数据可视化的选型、制作与解读。授课地点为配备投影与局域网的计算机教室，学生人手一机，预装Python3.10及以上版本、openpyxl与matplotlib库，并备用表格作为低代码替代工具。二、课程标准与教材分析课程标准明确要求学生"通过解决实际问题的经历，体验数据分析与可视化的基本过程，能够根据问题需求选择恰当的工具和方法进行数据处理，并以可视化方式呈现分析结论"。本册教材前两章已铺垫信息特征、数字化基础与算法初步、Python语言基础，学生已具备顺序、分支、循环结构与简单文件读写的能力。第三节是数据的"出口"环节——前期采集、加工的数据，唯有经过分析与可视化，才能转化为可被他人理解的结论。教材示例以气温数据与电商销售数据为主线，贴近学生生活但略显单薄，实际教学需引入更具探究意味的素材加以补充和改造。三、学情分析高一学生形象思维仍占优势，对直观图表天然敏感，日常刷短视频、看排行榜的经验使他们对"图表有说服力"这一事实有朴素认知，但普遍存在三个误区：其一，把"画图"等同于"分析"，只填数据不思考结论；其二，盲目堆砌图表样式，忽略图表类型与数据特征的匹配关系；其三，代码层面畏难，面对import语句与缩进出错容易自我否定。此外，学生此前在Excel中做过简单函数运算，具备一定的数据表操作基础，这是可以迁移的起点。教学需以真实问题驱动，让学生在"必须看数据才能回答问题"的情境中完成学习，而非机械跟敲代码。四、教学目标知识与技能目标：学生能说出数据分析的基本流程（明确问题、获取数据、清洗加工、分析计算、可视化呈现、解释结论）；能编写不超过二十行的Python程序完成数据的读取、分组统计与图表绘制；能根据数据特征在柱状图、折线图、饼图、散点图之间做出合理的选择。过程与方法目标：学生以小组协作方式完成一项小型数据分析项目，经历从提出问题到展示结论的完整周期，学会用数据说话、用证据支撑观点。情感态度与价值观目标：学生在分析身边数据的过程中，体会数据对决策的支撑作用，形成审慎对待数据、警惕图表误导的批判性意识，初步树立数据伦理观念——数据中有人，处理数据即处理他人的信息。五、教学重点与难点教学重点为数据分析的基本流程与常用可视化图表的适用情境。教学难点有两点：一是数据清洗的思维转变，学生往往默认拿到的数据就是干净的，对缺失值、异常值缺乏警觉；二是从图表走向结论的能力，即"看图之后能说什么、不能说什么"，避免过度解读。突破难点的策略是：用一份"故意做脏"的真实数据让学生栽个跟头，再用一张"刻意误导"的图表让学生吵一架，错误与冲突是最好的教师。六、教学准备教师准备：脱敏后的"校园食堂一周消费流水"模拟数据两份，干净版与含缺失、重复、异常值的脏数据版；"某市近十年月平均气温"数据；提前调试好的Python示例程序四份；多媒体课件。学生准备：课前完成一份微型问卷——"你每天使用手机的时长估算"，数据汇总至班级共享表格，作为项目素材。七、教学过程第一课时环节一：情境导入，问题先行（约8分钟）上课伊始，教师不打开任何代码，只在屏幕上投出两张图。左图是本报刊的一则标题——"奶茶正在掏空中学生钱包"，配一张陡峭上升的销量柱图；右图是同一组数据，只是纵轴起点从0改到了80，曲线陡然变得平缓。教师提问：这两张图展示的是同一份数据，为什么给人的感觉完全不同？哪一张更诚实？学生很快发现纵轴刻度的猫腻。课堂气氛被点燃后，教师顺势亮出本课主问题：学校食堂想调整菜品种类和价格，但管理者手里只有一堆流水记录。如果你来做顾问，你怎么从数据里找出值得调整的证据？教师明确告知：下周本班要向总务处做一次"用数据说话"的汇报，今天开始准备。真实任务自此挂账，成为贯穿两课时的主线。环节二：认识数据分析流程（约10分钟）教师以"要回答食堂问题，第一步做什么"为线索，与学生共同搭出数据分析流程的框架。学生普遍第一反应是"打开表格看看"，教师追问：看什么？看之前先想什么？由此引出流程的第一环——明确分析目标，比如"哪道菜最滞销""哪个时段最拥挤""周五消费为何总是偏低"。随后教师用板书与学生共建流程链条：明确问题→获取数据→清洗加工→分析计算→可视化呈现→解释与表达。强调这条链不是单向的，画完图发现数据不对，要回头检查清洗环节，这是常态而非失败。为了让学生理解"数据"并不神秘，教师展示课前班级手机时长问卷的原始表格，指出其中有人填了"25小时"、有人留空、有人填"不多"——全班哄笑中自然引出下一环节。环节三：走进脏数据，亲历数据清洗（约15分钟）教师发放"脏数据版"食堂流水，任务驱动：不做任何清洗，直接统计"总消费人次"，记录结果；然后自由观察数据五分钟，找出至少三处问题。学生陆续发现：同一学号同一秒出现三条重复记录；某条金额为9888元，远超餐标；日期列里混着"昨天"这样的文字；个别记录缺少菜名。小组汇报后，教师归纳脏数据的常见类型——重复、缺失、异常、不一致，并让每组用Python完成清洗：```pythonimportpandasaspddf=pd.read_csv("canteen_dirty.csv",encoding="utf8")df=df.drop_duplicates()去重df=df.dropna(subset=["菜名","金额"])删除关键字段缺失行df=df[(df["金额"]>0)&(df["金额"]<50)]剔除金额异常值df.to_csv("canteen_clean.csv",index=False)```学生逐行对照注释理解代码，教师强调清洗规则不是拍脑袋定的，每一条删除都要能说清理由：为什么金额上限定为50元？依据是餐标与实地观察。这一步渗透的是数据分析的职业规范——处理过程必须可追溯、可辩解。清洗前后统计结果对比投在屏幕上，"总人次"相差超过15%。教师点题：你看到的第一个数字往往是错的，未经清洗的数据分析等于给结论埋地雷。环节四：分析计算初体验（约10分钟）各小组用清洗后的数据完成三项统计：总营业额、人均消费、每日消费总额。教师提供pandas分组统计的关键代码骨架，学生补全：```pythondaily=df.groupby("日期")["金额"].sum()print(daily)by_dish=df.groupby("菜名")["数量"].sum().sort_values(ascending=False)```巡视中教师重点关注两类问题：索引与列名写错导致的KeyError，编码问题导致的乱码。共性错误集中讲解，个性问题小组内互助。任务完成后，教师抛出追问：看着这张按菜品排序的数字表，你能一眼说出"哪三类菜贡献了超过一半的销量"吗？学生大多需要心算，教师顺势收束——纯数字表格门槛太高，我们需要一种让结论"自己跳出来"的方式，这正是下节课的任务。环节五：第一课时小结（约2分钟）师生共同回顾流程图，教师留悬念作业：今晚观察家人使用的任何一个App里的图表（运动时长、听歌排行、账单统计均可），思考它为什么选这种图。第二课时环节六：图表选型，从一图胜千言到一图错千里（约12分钟）教师展示四种典型情境，让学生举牌投票选择图表类型：情境A：近十年每月平均气温的变化趋势——多数学生选折线图，正确，趋势看折线。情境B：全校六个年级的人数对比——柱状图，对比看柱形。情境C：班级每日消费中早中晚餐的占比——饼图，构成看占比，但教师随即追问：如果要对比十个品类呢？学生意识到饼图切片过多的问题，教师补充：超过六七个类别，饼图力不从心，应改用条形图。情境D：每日作业时长与单元测试成绩的关系——散点图，关系看散布。教师在此郑重引入"图表误导"的正题，展示三张真实出版物中的问题图表：截断纵轴夸大差异的柱图、用三维饼图扭曲占比的宣传图、双纵轴强行制造相关性的时序图。学生分组讨论每处"手脚"所在。教师总结看图三问：纵轴从哪里起？数据来源是谁？图表想让你得出什么结论？这三问同时也是画图的三条底线——我们做的图，要经得起别人同样的三问。环节七：用代码绘制可视化图表（约15分钟）教师演示matplotlib基础绘图，以气温数据为例：```pythonimportmatplotlib.pyplotaspltplt.rcParams["font.sansserif"]=["SimHei"]解决中文显示months=df2["月份"]temps=df2["平均气温"]plt.plot(months,temps,marker="o",color="tomato")plt.title("某市近十年月平均气温变化")plt.xlabel("月份")plt.ylabel("平均气温/℃")plt.grid(alpha=0.3)plt.show()```学生逐一解决最经典的坑——中文字体显示为方框。教师不止给答案，还解释原理：绘图库默认字体不含中文字形，需要显式指定，这是调试思维而非死记硬背。随后分层布置任务：基础层用清洗后的食堂数据绘制"每日营业额折线图"；进层级绘制"菜品销量前十横向条形图"；拓展层尝试将每日营业额与当日天气温度并排展示，让学生直观感受双数据对照的魅力与风险。各组在组内轮换操作者，确保无人只当观众。教师巡视时重点关注坐标轴标签缺失、图表标题与内容不符这类"图做完了但没说话"的问题，引导学生自查。环节八：从图表走向结论，微型成果发布会（约13分钟）各组用三分钟时间面向全班汇报，教师规定汇报必须遵守一条铁律：每一条观点后面必须接"我们从图上看到……因此认为……"。禁止说"我觉得"。学生汇报中频频出现有趣的发现：周三营业额总是偏低，一查日历，那是社团活动日，学生分流；某道新菜前三天销量高随后骤降，推断是"尝鲜效应消退"。也有小组犯了典型错误——由"冰淇淋销量与迟到人数同月上升"直接推断"吃冰淇淋导致迟到"，全班哄笑，教师抓住时机点明相关不等于因果，这是数据素养中最紧要的一课。教师对每组汇报从三个维度即时反馈：图表选型是否恰当、结论是否有数据支撑、表达是否审慎。并现场演示如何把"销售额下降"升级为一条可执行建议——"建议周五增设快捷窗口，因数据显示周五排队时长导致部分学生放弃就餐"，让学生体会数据分析的终点是决策。环节九：总结提升，回归素养（约5分钟）教师带领学生回望完整流程图，补全最后一环——表达与反思。随后提出三个问题供全班静默思考一分钟：我们今天处理的是脱敏数据，如果是真实的消费记录，学号对应的是一个个真实的人，我们该怎么做？图表可以诚实也可以撒谎，谁在审核你做的图？未来你发布的每一条数据，会如何被别人使用？简短讨论后，教师收束：技术让人能画图，素养让人画好图、敢对自己的图负责。数据伦理不是强加的规则，而是数据分析者与生俱来的重量。八、板书设计主板书以流程链条为主线：明确问题→获取数据→清洗加工→分析计算→可视化呈现→解释与表达，链条下方用虚线箭头标注"随时回头"。左侧副板书为图表选型速查：趋势看折线、对比看柱形、构成看占比、关系看散布。右侧副板书为看图三问：纵轴起何处、数据从何来、图表欲何为。三条内容课中逐步生成，课终构成完整知识图景。九、作业设计基础作业：完成本班手机使用时长问卷数据的清洗与可视化，提交含代码、图表、三条结论的一页分析报告。进阶作业：从体育达标、睡眠时长、兴趣社团参与三项中任选一主题，自主设计采集方案并完成全流程分析，两周后在大单元项目课上展示。思考题：找到一张生活中你认为"有误导嫌疑"的图表，截图并写出你质疑它的理由。十、教学评价设计评价采用过程性评价与表现性评价结合的方式。过程性评价关注两课时中的任务单完成度、代码调试记录与小组协作表现，由小组长记录、教师抽查。表现性评价以微型发布会为核心，采用师生共评的三维量规：数据处理的规范性（清洗是否可追溯）、可视化表达的适切性（选型、标注、诚实的坐标轴）、结论的严谨性（证据链完整、认清相关与因果的界限）。量规在课前即向学生公开，让评价标准先于评价结果抵达学生，评价本身成为学习的导