高中一年级信息技术必修1数据的分析与可视化表达教学设计

高中一年级信息技术必修1数据的分析与可视化表达教学设计一、教材与学情分析本课内容选自粤教版（2019）高中信息技术必修1《数据与计算》第五章"数据处理和可视化表达"中的5.3"数据的分析"与5.4"数据的可视化表达"两节。5.3节围绕特征探索、关联分析、聚类分析、数据分类四种典型数据分析方法展开，5.4节聚焦数据可视化表达的方式与实际价值。两节内容逻辑相承：分析是从数据中提炼信息的过程，可视化是让信息被人快速理解的手段，二者共同构成"用数据说话"的完整链条，是数据与计算这一学科大概念落地的重要支点。授课对象为高一年级学生。经过前四章的学习，学生已掌握算法与程序设计基础，初步具备用Python进行数据处理的技能，并在5.2节经历了数据采集的实践。学生日常接触短视频、购物推荐、运动健康类应用，对"数据能干什么"有模糊体感，但缺乏从"数据"到"结论"的规范方法，常见问题是：拿到数据只会求平均数；做图表盲目追求花哨；看到图表不做质疑便直接采信。本课要高定位地解决三个问题：一是让学生理解四种数据分析方法"各回答什么问题"；二是让学生建立"图表类型必须匹配数据特征与表达意图"的选择意识；三是培养学生的数据批判意识，辨识可视化中的误导性表达。二、教学目标1.信息意识。能从真实情境中识别数据分析的价值，面对图表先追问数据来源与结论依据，形成"数据—信息—知识"的递进认识。2.计算思维。能根据问题性质选择特征探索、关联分析、聚类分析、数据分类中的恰当方法，能用分而治之的思路将可视化任务拆解为"选数据—定图表—调细节"三个步骤。3.数字化学习与创新。能运用Python的pandas、matplotlib（或以NumPy辅助）完成中等规模数据的分析与绘图，能对图表样式进行有目的的改造以强化表达效果。4.信息社会责任。能识别截断坐标轴、偷换比例、选择性取样等可视化误导手段，在本组作品中坚持图表真实、标注完整、结论有据。教学重点：四种数据分析方法的问题指向及适用场景；图表类型与数据特征的匹配原则。教学难点：聚类与分类的本质区别（有无先验标签）；可视化表达的受众意识与批判性审读。三、教学环境与方法网络机房，一人一机，预装Python3.x环境及pandas、matplotlib库，教师机安装广播教学软件。课前下发"城市共享单车一周骑行数据.csv"（约三千条，含日期、时段、骑行时长、起终点区域、是否会员等字段）和"经典误导性图表案例集"两份资源。教学方法上采用"情境问题驱动＋微讲座＋任务探究＋成果互评"的混合路径。两课时连排，每课时45分钟，前一课时主攻数据分析，后一课时主攻可视化表达，中间以"分析结论如何让人一眼看懂"自然衔接。四、教学过程（一）第一课时：数据的分析环节一：情境导入，让问题先于方法出场（约8分钟）大屏幕投放一则本地化情境：学校所在区交通部门拟在中学周边增设共享单车投放点，委托我校学生利用一份真实脱敏的骑行数据回答三个问题——哪些时段骑行最密集？哪些起终点组合最常见？用户群体大致可以分成几类？教师不急于给出方法，先让学生凭直觉说出自己的猜测并记录在黑板上。学生普遍能说出"上学放学时段车多"，但对"凭什么让人相信"缺乏抓手。教师顺势亮出本课的核心任务：用数据的方法验证或推翻直觉，并把结论讲得让人信服。设计意图是让学生在"有结论动机、无方法储备"的状态进入学习，使四种分析方法成为被需要的工具而非被灌输的知识。环节二：师生共建，给方法一个"问题标签"（约12分钟）教师以微讲座方式组织四种方法与三类问题的对应关系，边讲边让学生把四种方法填入学案中的四宫格。第一个问题"这组数据整体长什么样、有没有异常"对应特征探索，即用最大值、最小值、平均值、中位数、众数、方差以及频次分布等手段刻画数据全貌。教师现场用一段代码演示骑行时长的描述性统计，学生直观看到平均骑行时长约11分钟，但最大值高达180分钟，由此引发"异常值从哪来"的追问——可能是忘锁车，可能是数据录入错误。这一追问让学生体会特征探索不仅是"看全貌"，还是数据质量的体检。第二个问题"哪些事物总是一起出现"对应关联分析。教师以"早高峰起点为地铁站、终点为学校周边"这类组合为例，说明关联分析寻找的是数据项之间的共生规律，生活中购物篮分析、视频平台"看了又看"均属此类。第三个问题"对象天然分成几伙"对应聚类分析。教师强调聚类是在事先不知道类别的情况下，依据相似程度让数据自己"抱团"，如按骑行时长与频次可把用户分成通勤型、休闲型、偶发型。第四个问题"新对象该归入已定好的哪一类"对应数据分类。教师用一道辨析题点破难点：垃圾邮件过滤是分类而非聚类，因为"垃圾邮件"这一类事先由人工标注存在，模型学的是有标签的经验。随即安排同桌互考：医院根据指标把患者分为轻重症，属于分类；对未标注的用户按行为分组，属于聚类。学生在这一辨析中跨过本课时最大的思维门槛。环节三：分组探究，让方法跑在真实数据上（约18分钟）学生以四人小组领取三个递进任务。任务一，特征探索。用pandas读取数据，计算骑行时长的均值、中位数、方差，统计各时段骑行次数，找出三个值得向交通部门报告的发现。教师巡回时重点观察两类小组：一类只会机械跑代码，教师在白板上提示"每个数字后面必须跟一句人话结论"；一类发现了异常值却直接删除，教师引导其讨论"异常值是错误还是真相的线索"，渗透实事求是的科学态度。任务二，关联探索。统计出现频率最高的十组起终点组合，尝试解释其背后的生活逻辑。多数小组会发现"地铁站—学校""地铁站—商圈"高频出现，个别组能进一步提出"投放点应沿地铁站放射布置"的有依据建议。任务三，思考升级。如果要把用户分成三类，该选哪几个字段作为依据？是聚类还是分类？该题不要求写代码，重在论证方法选择的理由，为下一环节汇报埋下观点分歧，促成真实讨论。环节四：汇报点拨与小结（约7分钟）邀请两组汇报，其余学生用"证据是否支持结论"的单一标准质疑。教师将学生零散结论整理成结构化板书：数据分析回答四类问题——描述现状、发现关联、物以类聚、按例归类；方法没有高下，问题决定方法。（二）第二课时：数据的可视化表达环节一：反转导入，先上"当"再学招（约7分钟）大屏幕展示三张来自真实媒体的误导性图表：一张纵轴从96起算夸大降幅的折线图；一张用半径而非面积表示数值、视觉差异被平方放大的气泡图；一张只展示近三个月而隐藏全年走势的截图。请学生先凭图表下结论，教师再逐步放出完整数据，学生发现首读结论全部被推翻。教师点题：图表不是中立的，制作者的每一个选择都在悄悄替读者下结论。今天既要做出诚实的图表，也要炼就不被图表牵着走的眼睛。环节二：方法建构，图表选择的决策依据（约10分钟）教师不逐一讲解图表种类，而是给出"意图—图表"的匹配框架：表达大小与比较，用柱形图或条形图；表达随时间的变化趋势，用折线图；表达部分占整体的比例，用饼图且类目不超过五六项；表达两个数值变量的关系，用散点图；表达分布的集中与离散，用直方图或箱线图；表达地理空间上的分布，用地图。随即进行快问快答：想展示一天24小时骑行量的起伏用什么？想把五个行政区的人口规模排个序用什么？想比较两种品牌手机市场份额各半年，有人做成两张并排饼图，行不行？最后一问制造认知冲突——两张饼图难以精细比较，改用堆叠条形图更优，教师借此强调"可视化的目标是比较的便利，而非形式的完整"。环节三：动手实践，把昨天的分析变成今天的图（约20分钟）延续第一课时的数据与结论，学生完成可视化三连任务，代码基于matplotlib，教师提供含有中文显示设置的模板代码片段以降低门槛：其一，用折线图绘制一周每日骑行量趋势，要求标题明确、坐标轴标注完整、纵轴从零起算；其二，用条形图展示早、中、晚三个高峰时段的骑行量对比，鼓励用颜色突出最高峰但不得滥用渐变色；其三，自由选图。小组从前一日的分析发现中任选一个结论（如起终点组合频次）匹配合适图表，并在图下用一句话写出"本图想让读者看到什么"。教师巡回时抓住两个典型问题即时广播：有的组把骑行时长做成饼图，教师追问"这是部分与整体的关系吗"；有的组折线图的横轴"周一"到"周日"顺序被打乱导致趋势线乱窜，教师引导其检查数据排序。两处点拨均指向同一原则——图表必须忠实于数据本身的结构。对学有余力的小组布置拓展：用词云呈现骑行目的调查文本中的高频词，体验文本数据可视化的独特价值。环节四：画廊互评与批判性审视（约8分钟）全班作品以画廊形式轮播展示，每组发三个评价点贴纸，分别从"选图恰当""信息诚实""结论清晰"三个维度投票。得票最高的两组上台互评彼此作品，教师只补一句关键点评：好的可视化是让读者用最少的时间获得最准确的理解。随后回到开课时的三张误导图，学生用今天的框架逐项诊断问题所在，完成从"会看"到"会判"的闭环。五、作业与拓展基础作业：从家中水电费、个人运动记录、学科测验成绩中任选一类真实数据，完成一次"特征探索＋一张恰当的图表＋三条有依据的结论"的小报告。拓展任务：搜集一则媒体报道中的图表，写一段两百字左右的"体检报告"，说明其在数据来源、坐标处理、图表选择上的得失。六、板书设计主板书分左右两栏。左栏以"问题—方法"对应列出四种数据分析方法；右栏以"意图—图表"对应列出六组可视化选择，底部横贯一行本课箴言：数据自己会说话，但它说的是真话还是让人误解的话，取决于我们如何分析、如何表达。七、教学评价评价采用过程与结果并重的多元结构。过程性评价依据学案中四宫格辨析完成情况、小组任务的代码运行与结论撰写质量、互评环节的提问深度三个观测点；结果性评价以后置可视化作品的"准确性、适切性、表达力"三维量规打分。量规的核心条款公开给学生：图表失实一票否决，与上一环节"诚实优先于美观"的价值立场保持一致。八、教学反思（