高一年级信息技术分析停车位使用数据教学设计

高一年级信息技术分析停车位使用数据教学设计一、教材与学情分析本课选自沪科版（2019）高中信息技术必修1《数据与计算》项目四"采集和分析数据，解决停车场管理问题"的第三课时。前两课时学生已通过网络爬虫和实地考察完成停车位使用数据的采集与整理，形成了包含日期、时段、车位编号、占用状态等字段的结构化数据表。本课时的核心任务是运用Python中的pandas库对数据进行统计分析，借助matplotlib实现可视化表达，进而从数据中提炼出支持停车场管理决策的结论。高一学生已于开学初接触过Python基本语法，能理解变量、列表、循环结构，但对pandas的DataFrame操作仅停留在"见过"的层面，独立编写数据处理代码仍有困难。学生对停车场这一生活场景感知真实，尤其部分走读学生对早晚高峰校门口拥堵深有体会，这为数据分析注入了真实的问题动机。需要警惕的是，学生容易把本节课上成"照着敲代码"的操作课，丧失思维含量，因此教学设计必须以问题为轴、以数据为证，让代码服务于分析，而非分析迁就代码。二、教学目标与核心素养指向信息意识方面，学生能认识到海量原始数据背后隐藏着管理决策所需的信息，体会"用数据说话"比凭经验判断更可靠。计算思维方面，学生能将"找出车位最繁忙的时段"这类现实问题分解为数据筛选、分组统计、结果排序等可计算步骤，并选择相应的pandas方法实现。数字化学习与创新方面，学生能使用函数库这一数字化工具完成数据可视化，并对图表类型做出合理选择。信息社会责任方面，学生能初步讨论个人位置轨迹类数据采集的边界，理解数据分析应服务于公共利益而非侵犯个人隐私。本课重点为运用分组聚合方法完成时段利用率统计并绘制图表。难点在于把模糊的管理问题转译为精确的数据问题，即从"什么时候最忙"走向"按小时分组计算占用率的均值并排序"。三、教学准备与环境机房安装Anaconda与JupyterNotebook，预置pandas、matplotlib环境；教师课前将脱敏处理的真实停车场数据（约两万条记录）分发至每台机器的学习文件夹；准备三份打印好的"数据分析任务单"，对应课堂三个探究环节；多媒体投影使用双屏，一屏演代码，一屏呈问题。四、教学过程（一）情境唤醒：一张报表引发的争论（约五分钟）上课伊始，教师呈现张师傅——校门口停车场管理员——的一句抱怨："每到放学，车位明明还有空的，家长却在外面排长队，投诉电话都打到我这来了。"另一名保安却反驳："高峰时段明明一位难求。"教师提问：两个人都在现场，为什么感受相反？有没有办法让争论停息？学生七嘴八舌地提出"装计数器""查监控"等想法后，教师引导：我们手里就有连续三十天的车位占用记录，争论的答案其实埋在数据里。今天这堂课，我们当一次数据分析师，把停车场的一天"算"出来。此环节刻意制造认知冲突，让学生意识到数据分析的出发点不是技术，而是争议本身。（二）问题拆解：从"什么时候忙"到"算什么"（约八分钟）教师板书生成分解链条。第一层，把自然语言问题具体化："什么时候忙"指的是按什么粒度统计？学生讨论后确定以"小时"为统计粒度。第二层，定义"忙"的度量：某小时内被占用的车位比例，即利用率。教师请一名学生口头写出计算逻辑：某时段利用率=该时段占用记录数÷该时段总记录数第三层，拆解为程序化步骤：读取数据——按小时分组——对占用状态求和或计数——计算比例——排序——绘图。教师在黑板上保留这条拆解路径，并在后续每个编程环节结束时回到黑板打钩，让学生始终看得见"全局地图"，避免迷失在代码细节里。这一步是计算思维落地的关键，宁可慢，不可省。（三）数据初探：用代码与数据"打个招呼"（约七分钟）学生打开JupyterNotebook，运行教师预置的第一段代码：importpandasaspddf=pd.read_csv("parking.csv")df.head(10)()教师布置"三看"任务：一看字段名称与数据类型，二看记录总量，三看是否存在异常取值（例如车位编号为负数、占用状态超出0和1的集合）。一名学生很快发现第1723行占用状态是"占用"而非数字1，教师顺势讲解真实数据"脏"是常态，清洗是分析的前置工序，并现场演示用替换语句完成统一编码。这一插曲虽不在预设流程之内，却成为本课最珍贵的生成性资源。（四）分组聚合：算出每小时利用率（约十二分钟）这是本课的技术核心。教师采用"最小骨架+逐步填充"的支架策略，先给出半成品代码，关键处留白由学生补全：df["hour"]=df["时间"].str.slice(0,2)busy=df.groupby(___)["占用"].___()busy=busy/df.groupby("hour")["占用"].count()busy.sort_values(ascending=False)学生两人一组补全参数并运行。教师巡视时重点观察三类典型错误：把groupby的对象写成原始整表、漏写聚合函数导致得到的是分组对象而非数值、比例计算时分子分母对调。对普遍性问题投屏讲评，对个别错误到组点拨。运行结果显示：17时至18时利用率高达0.93，而14时至15时仅为0.41。教师追问：0.93意味着什么？安保队长说的"一位难求"在哪个时段得到证实？张师傅说的"还有空位"又对应哪些时刻？学生恍然大悟：两个人都没说谎，他们描述的只是不同时段的真实切片。数据消解争论的价值在此刻不言自明。（五）可视化表达：让结论一目了然（约十分钟）教师抛出选择题：呈现24小时利用率变化，柱状图、折线图、饼图选哪个？为什么？学生排除了饼图——它不擅长表现连续时间趋势；在柱状图与折线图之间产生分歧，教师引导：二者皆可，柱状图强调各小时的个体对比，折线图强调起伏态势，本例取折线更能凸显"早晚双峰"。学生补全绘图代码：importmatplotlib.pyplotaspltplt.rcParams["font.sansserif"]=["SimHei"]plt.plot(busy.sort_index().index,busy.sort_index().values)plt.xlabel("时刻")plt.ylabel("车位利用率")plt.title("停车场全天利用率变化曲线")plt.show()曲线在屏幕上跃出的一刻，早晚两座"山峰"清晰可见。教师提醒设置中文字体的语句不可省略，否则标题会变成方框，并让操作最快的小组示范展示。（六）决策输出与价值思辨（约八分钟）教师布置结课任务：以数据分析师身份，给停车场管理处写一段不超过五十字的建议，必须引用至少一个数据证据。学生写出的答案角度多样："建议17时至19时启用错峰放行，分流预约""建议14时前后开放车位共享给周边商户""建议增设电子诱导屏实时发布余位"。教师挑选三条展示，点评其数据依据的扎实程度。随后教师话锋一转：这份数据里有没有车主的车牌、进出时间？如果分析公司把这些轨迹卖给保险公司会怎样？学生意识到个人轨迹数据的敏感性。教师小结时点到为止：分析数据的手艺越高，守住边界的责任越重。（七）课堂小结（约两分钟）师生共同回顾黑板上的拆解路径：争议问题——可计算的指标——分组聚合——可视化——管理建议。教师收束：今天我们解决的不仅是校门口停车的小问题，更是"如何让数据开口说话"的大方法。这个方法换个数据集，就能分析食堂排队、图书馆座位、公交客流。五、作业设计基础层：完成学习包中"食堂消费数据"的同款分析，复用本课代码框架，替换字段名。提高层：将停车场数据按工作日与周末拆分，比较两天利用率曲线的差异并解释成因。挑战层：查找一篇媒体上的数据新闻报道，指出其用了何种分组与图表，评价结论是否被数据支撑。六、板书设计左栏为问题拆解链：何时忙→按小时分组→利用率=占用数÷总数。中栏为核心代码三行：分组、聚合、排序。右栏为结论：17—18时峰值0.93，14—15时低谷0.41，以及学生生成的管理建议关键词。底部一