高中信息技术选修四《数据挖掘概述》教学设计

高中信息技术选修四《数据挖掘概述》教学设计一、教学分析本节课是浙教版高中信息技术选修四《人工智能初步》第五章"数据挖掘"的开篇内容，承担整章知识框架搭建与学习动机激活的双重任务。本节内容位于全书的收束位置，学生此前已完成知识表示、搜索求解、机器学习初步等内容的学习，具备了理解"从数据中发现知识"这一命题的知识储备。教材在5.1节中围绕数据挖掘的概念、产生背景、基本任务与典型应用展开叙述，概念密度高、抽象程度强，若照本宣科，极易滑向名词灌输。数据挖掘的学科定位介于人工智能、统计学与数据库技术的交叉地带。对高中阶段的学生而言，不要求掌握关联规则、聚类、分类的具体算法实现，但必须建立三层认识：其一，知道数据挖掘"是什么"，即它是从大量、不完全、有噪声的数据中提取隐含的、潜在有用的信息与知识的过程；其二，理解"为什么需要它"，即数据爆炸与"数据丰富而知识贫乏"的现实矛盾；其三，能够辨析它与数据库查询、统计报表、机器学习之间的边界。学情方面，授课对象为高二年级选修本模块的学生。他们普遍拥有外卖平台推荐、短视频推送、购物猜你喜欢等生活体验，建议情境天然丰富；同时他们已经学习过数据管理与分析的基础内容，对数据库、结构化数据有初步概念。难点在于：学生容易把数据挖掘等同于"查数据"或"做统计"，对"发现未知模式"这一核心特征缺乏感知；部分学生对"知识"二字停留在学科知识层面，难以理解"啤酒与尿布"这类可行动规则也属于知识。二、教学目标1.信息意识层面：能从"数据丰富而知识贫乏"的现实矛盾出发，感知数据挖掘产生的必然性，主动将生活中的推荐系统、信用评分、客流预测等现象与数据挖掘建立联系。2.计算思维层面：理解数据挖掘的定义及其与数据库查询、统计分析的区别；能用自己的语言描述数据挖掘从原始数据到可用知识的基本流程（数据准备—挖掘—评价—表达）；初步识别分类、聚类、关联分析、回归预测、异常检测五类基本任务的典型特征，并能对生活实例进行归类判断。3.数字化学习与创新层面：借助提供给学生的真实样例数据集和可视化工具情境，开展小组探究，经历"提出假设—挖掘验证—解释规律"的微型研究过程。4.信息社会责任层面：正确认识数据挖掘技术应用中的隐私、偏见与算法滥用问题，形成谨慎客观的技术价值观，理解数据使用需要在便利与伦理之间取得平衡。三、教学重难点教学重点：数据挖掘的概念、产生背景与基本任务体系；数据挖掘与数据库查询、统计分析的区别。教学难点：理解"挖掘出的知识必须满足有效性、新颖性、潜在有用性、最后可理解性"这四个判据；能够独立于讲授内容，对新情境做出"是否属于数据挖掘应用"的辨析判断。四、教法学法本课采用情境驱动与问题链牵引相结合的教学策略。教师以三个层层递进的生活情境作为主线索，通过"体验—冲突—建构—辨析—迁移"五步展开。学生以三人小组为单位开展卡片分类、判据辩论与微型探究活动。教师提供的数据集为教师在课前基于公开超市流水模拟生成的小型样本（200余条记录），规避真实商业数据的隐私风险。五、教学过程环节一：情境导入——一笔超市账（约6分钟）上课伊始，教师投影两张图片：一张是上世纪八十年代堆满账本的超市办公室，一张是今天超市后台系统一键生成的销售报表。教师陈述：三十年前，超市经理想知道"顾客往往把什么商品放在一起买"，要靠人工翻账本，几乎不可能完成；今天，收银机每秒钟都在产生数据，某大型零售集团一年积累的数据量以千万亿字节计。教师抛出问题一：数据比过去多了一万倍，这位经理对顾客的了解，是不是也多了一万倍？学生通常给出否定回答。教师顺势引出本课的核心矛盾：人类正身处"数据丰富而知识贫乏"的时代——数据躺在硬盘里，不等于知识躺在头脑里。需要一种技术，让隐藏在数据背后的规律自己"显形"。这就是本节要认识的数据挖掘。设计意图：以"数据量与认知量不成正比"这一认知冲突开场，让学生在课程开始的头三分钟内自己说出"为什么需要数据挖掘"，而不是接受教师灌输的结论。环节二：概念建构——淘金与掘矿（约10分钟）教师给出教材中的核心定义，并在黑板上板书拆解后的定义骨架：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道、但又是潜在有用的信息和知识的过程。教师带领学生逐词解剖这一定义，每个定语都对应一个追问：——"大量的"：挖掘十条销售记录没有意义，挖掘一千万条才可能显现规律。数据量是前提。——"不完全的、有噪声的、模糊的"：真实数据从来不像课本例题那样干净。顾客填错年龄、网购退货无记录，挖掘必须容忍脏数据。——"事先不知道的"：这是最关键的词。如果结论早已写在规章里，无需挖掘。——"潜在有用的"：挖掘出来的规律要能转化为行动——调整货架、优化库存、识别风险。随后教师给出"掘金"的比喻：数据是矿石，挖掘是选矿与冶炼，金子才是知识。并立刻抛出辨析问题二：图书馆管理员用检索系统找到《三体》放在三楼B架，这是不是知识挖掘？学生讨论后辨析：检索找到的是"已知存在的事实"，属于数据库查询；挖掘找的是"事先未知、隐含于数据中的模式"。教师在黑板上画出对比坐标：一端是"找已知"（查询），一端是"找未知"（挖掘），中间插入"找趋势"（统计分析的一般定位），让学生将三者在数轴上定位，形成直观区分。设计意图：定义拆解是高中概念教学的关键动作。把长定义的每个限定词还原成一个可回答的问题，学生对概念的理解就从背诵转向理解。对比数轴则将易混淆概念做一次显性分离。环节三：判据探究——什么样的发现才算知识（约8分钟）教师提出：挖掘机器每小时能产生成千上万的"规律"，难道都要采纳？由此引出数据挖掘结果的四个判据，板书：有效性、新颖性、潜在有用性、最终可理解性。小组活动一"四张卡片"：教师为每组发放四张情境卡片——卡A：某系统发现"所有顾客都在地球上购物"。（普遍为真，但无新颖性，淘汰）卡B：某系统发现"周五晚上购买尿布的顾客常同时购买啤酒"。（有效、新颖、可行动，保留）卡C：某系统输出一个上千条规则的复杂列表，业务人员无法阅读。（不可理解，淘汰）卡D：某系统发现"彩票中奖号码与被挖掘历史数据存在某规则"，实际验证无效。（无效，淘汰）小组讨论每张卡片通过了哪些判据、倒在哪个判据上，推选一名代表陈述。教师点评时强调：四个判据必须同时满足，缺一不可；"啤酒与尿布"故事之所以流传，正是因为它在四个判据上全部过关。设计意图：抽象的四个判据经由典型案例测评后，从名词变成了学生手里的"筛子"。第三环节中卡片的"淘汰"动作，为后续辨析活动奠定了方法论基础。环节四：任务体系——挖掘究竟挖什么（约10分钟）教师过渡：既然知道要挖、也知道什么算合格的金子，接下来的问题是——挖什么？教师依次介绍五类基本任务，每类都用"一个生活情境+一句任务描述"的方式呈现：——分类：给定已标注的样本（如历史邮件标注过"垃圾/正常"），学习规则，再对新样本判定类别。类比：有经验的质检师傅带徒弟。——聚类：不给任何标注，让数据自己"物以类聚"，如把平台用户自动分成若干消费行为相似的群体。类比：让陌生旅客在候车厅自由找同伴。——关联分析：发现"买了A往往也买B"之类的规则，典型应用是购物篮分析与商品摆放优化。——回归与预测：用历史数据预测连续数值，如预测明天的用电量、下个月的客流。——异常检测：找出与绝大多数样本显著不同的个体，应用场景如信用卡盗刷识别、设备故障预警。小组活动二"任务归归类"：教师在屏幕上逐条投放六个应用情境（天气预报中的降水概率预测；将新闻报道自动分成体育、财经、娱乐等主题；电商"买了此商品的人也买了"；银行识别一笔异地深夜大额消费；视频网站按观看口味给用户分组；医院依据历史病例判断新病人的疾病类型）。小组用记号笔在表格里标注每项分别对应五类任务中的哪一类，并说明理由。教师巡视，重点统计"按口味分组"（应为聚类而非分类）一题的错误率，并把错误答案请上台，让答对小组解释"有没有事先给定的标签"是区分分类与聚类的钥匙。设计意图：五类任务的概念若靠讲授，一节课根本无法消化。归类活动迫使学生调用"有无标签""输出是类别还是数值""目标是多数还是少数"三条判据，体现学以致用的教学导向。环节五：流程体验——一次微型挖掘（约12分钟）教师说明：知道了挖什么，还要知道怎么挖。数据挖掘不是一键启动的魔法，而是一条由四步构成的工序链：数据准备与预处理、挖掘算法执行、结果评估、知识表达与应用。教师板书四字口诀：备—挖—评—用。课堂进入微型探究。教师向各组发放模拟超市流水数据集（含日期、时段、商品类别、是否会员、是否促销等字段，共200余条记录），并提供支持简单交叉汇总统计的工具。每组任选一个探究问题：其一，啤酒类商品是否真的与尿布类商品同时段高发；其二，会员与非会员在促销商品上的购买差异；其三，一天中哪一时段是学生用品的销售高峰。各组按"备—挖—评—用"流程操作：先观察数据，剔除明显异常记录；再用汇总工具统计，寻找目标规律；然后用历元内数据交叉验证结论是否稳定；最后一名组员用一句话向全班汇报"我们发现的规律+我们建议超市怎么做"。教师巡游时向遇到困难的组提示：如果发现"周五晚上啤酒销量高"但一百条数据只出现三次，该怎么办？引导学生认识到样本量不足时结论不可信，从而真切理解数据质量与数量是挖掘的地基。汇报结束后，教师点拨：大家刚才完成的，就是一次袖珍版的数据挖掘。真实工业界的挖掘只是规模更大、算法更精密，工序与你们走过的完全一样。设计意图：亲手操作是本课的分水岭。学生只有亲历"脏数据被我剔除、规则被我找出、结论被我质疑"的全过程，才会真正内化"挖掘是工程不是魔法"。把流程口诀"备—挖—评—用"镶嵌在实操中，比任何讲述都有效。环节六：边界辨析与责任审视（约9分钟）辨析活动"是不是挖掘"三题抢答：其一，教务系统查询某学生上学期总评成绩（否，查询已知事实）；其二，公安通过海量通行记录识别套牌车的高发区域（是）；其三，财务软件自动汇总本月支出总额（否，确定性统计）。责任讨论：教师展示两个真实语境的公共事件情境——购物平台利用行为数据对不同用户显示不同价格的"大数据杀熟"争议；某机构未经授权对公开照片做人脸聚类分析。教师提出问题链：数据挖掘本身有错吗？技术是中立的意味着使用它的人没有责任吗？如果你是平台工程师，会怎样守住底线？学生发言后，教师小结三点：数据来源要合法；用户要知情同意；挖掘结论用于决策要避免系统性歧视。技术越强，约束越要紧。设计意图：高中人工智能课程不能只培养"会用工具的人"，更要培养"善用工具的人"。把伦理讨论放在课尾而非独立成节，让学生带着技术的余温审视技术，情感记忆更深。环节七：课堂小结与作业布置（约5分钟）师生共同完成课堂生成式板书：矛盾（数据多知识少）—概念（四限定词定义）—判据（有效·新颖·有用·可懂）—任务（分类·聚类·关联·预测·异常）—流程（备·挖·评·用）—责任（合法·知情·公平）。学生当堂用思维导图软件复刻这一板书并上传班级空间。课后作业分两层：基础层为辨析题，从五个生活案例中判断哪些属于数据挖掘应用并说明理由；拓展层为微研究，记录自己一天内被推荐系统"猜到"的三次经历，推测平台用了哪些数据、属于哪类挖掘任务，下节课做三分钟分享。六、板书设计主板书采用"淘金图"结构：左侧为矿石（海量原始数据），中间为四步工序（备—挖—评—用），右侧为金锭（满足四判据的知识），底部用横线标注伦理红线。副板书滚动记录学生在辨析与归类活动中的争议焦点及结论。七、教学评价过程性评价依托三处活动完成：四判据卡片测评检测概念理解深度；五任务归类检测知识迁移能力；微型挖掘实操检测综合运用水