高中信息技术必修1第三单元项目7用计算机计算圆周率-设计简单数值数据算法教学设计

高中信息技术必修1第三单元项目7用计算机计算圆周率——设计简单数值数据算法教学设计一、教材与课标分析《普通高中信息技术课程标准（2017年版2020年修订）》把计算思维列为信息技术学科四大核心素养之一，明确要求学生能够依据问题特征，选择恰当的数据结构描述问题，设计算法并用程序语言实现。沪科版必修1第三单元"算法和程序设计"是全书承上启下的枢纽单元，项目7"用计算机计算圆周率"以数学史上经典的数值计算问题为载体，将随机模拟思想引入程序设计课堂，标志着学生的程序设计学习从"确定性计算的自动化"走向"用算法解决真实问题"。本课时是项目7的第一部分，核心内容是理解蒙特卡洛方法估算圆周率的原理，读取单位圆内随机落点数据，运用循环与分支结构统计落点分布情况，进而写出圆周率的近似值表达式。教材把"设计简单数值数据算法"这一标题点得很准：数值数据是对象，算法是路径，程序是载体。教师在教学设计时若只停留在"让学生照着课本敲代码"的层面，就会丧失本项目最有价值的思维养分——用概率与随机去逼近确定值的数学直觉。本项目与数学学科的关联紧密。高一学生已在数学课上学习了几何概型，知道"面积之比等于概率"这一朴素结论。信息技术课恰好提供了一个让几何概型"活起来"的场景：数百万个随机点在正方形中撒落，落入四分之一圆内的点数与总点数之比，逼近π/4。跨学科的呼应是本课时应当充分利用的教学资源，也是培养学生"用数据说话"意识的绝佳契机。二、学情分析授课对象为高一年级学生。经过前两单元的学习和本单元前几个项目的训练，绝大多数学生已经能够熟练使用Python的print、input语句，理解变量的含义，能够书写包含for循环、while循环和if分支的简单程序，对random模块有初步接触。从思维层面看，学生存在三个明显的认知断层。其一，经历了大量"输入—处理—输出"精确计算的训练后，学生对"计算结果可以是近似的、随机的"这一观念缺乏心理准备，容易产生"计算机算出来的数怎么会每次不一样"的困惑。其二，学生对随机数的理解停留在"抽签"层面，没有建立"大量重复试验后频率稳定于概率"的统计直觉，而这一直觉恰恰是蒙特卡洛方法的地基。其三，把数学公式π≈4×（圆内点数÷总点数）转写为程序语句时，学生容易在整数除法、数据类型转换、计数变量初始化这些细节上栽跟头。基于以上判断，本节课的教学不能以程序编写为主线，而应当以"思想方法的形成"为主线、以"代码实现"为落脚点，先让学生在纸面和思想上"看见"随机模拟，再上机动手。三、教学目标知识与技能层面：学生能够说出蒙特卡洛方法估算圆周率的基本原理；理解几何概型中"落点概率与面积成正比"的关系并能推导出π＝4×（圆内点数÷正方形内总点数）这一核心算式；会使用random模块的random()函数生成0到1之间的随机实数；能编写程序统计随机落点并输出圆周率近似值；能通过改变试验次数观察并解释结果的波动与收敛现象。过程与方法层面：学生经历"提出问题—数学建模—算法设计—程序实现—结果分析"的完整数值计算过程，体会把几何问题转化为数值统计问题的抽象过程，初步掌握"用大数定律支撑算法正确性"的验证思路。情感态度与价值层面：学生在程序运行结果的一次次波动中感受"偶然蕴含必然"的统计思想，理解计算工具对数学研究范式的深刻改变，形成对算法结果进行审视与质疑的审慎态度。四、教学重点与难点教学重点：蒙特卡洛方法估算圆周率的原理；利用循环结构和分支结构统计落点的算法设计。教学难点：一是理解随机试验次数与结果精度之间的关系，接受"近似值"作为合法答案；二是把面积比例关系抽象为程序中的计数判断逻辑，即判断条件x²＋y²≤1的建立与运用。五、教学方法与教学准备教法上采用问题驱动与讲授示范相结合的方式，辅以小组协作探究。学情决定了本课不适合完全放手的翻转课堂，但核心环节——试验次数与精度关系的探究——必须留给学生亲手操作。课前准备：机房安装Python3.x环境并确认random模块可用；教师准备投骰子模拟实验的材料（或预录视频）、演示用半成品代码文件、课堂任务单；多媒体投影设备。学生四人一组，组内以两人结对编程为基本单位。六、教学过程（一）情境导入：祖冲之的困扰（约6分钟）上课伊始，教师在黑板上写下两个数字：3.1415926和3.1415927，提问："这两个数之间藏着什么？"学生回忆后答出：祖冲之将圆周率精确到了小数点后七位，这一纪录保持了近千年。教师追问："祖冲之用的是割圆术，把圆内接正多边形的边数不断加倍，算到正24576边形的时候才得到这个结果。大家可以想象一下，在没有计算器的年代，这样的计算量意味着什么。"随后话锋一转："今天我们不割圆，我们换一种听起来有点'偷懒'的办法——往一个图形里随机撒点，数一数点落在哪儿，就能把圆周率算出来。并且我们不做，让计算机替我们做。"教师在屏幕上展示一个边长为2的正方形，内接一个半径为1的四分之一圆（第一象限部分），留下悬念：撒点和圆周率之间，到底有什么关系？设计意图：用数学史制造认知落差，以"偷懒的办法算出周率"激发探究欲，同时把本课的几何模型直观地呈现在学生面前，为后续推导铺设道路。（二）探究原理：从投骰子到撒点（约12分钟）环节一：重建随机直觉。教师现场演示：投掷一枚均匀骰子十次，记录点数，统计"点数大于4"出现的频率。学生发现十次里可能只出现两三次，与理论值三分之一相去甚远。接着教师展示事先准备好的两百次、两千次投掷的统计结果，学生亲眼看到频率向三分之一收敛。板书结论：试验次数足够多时，频率稳定在概率附近。这一结论是整节课的逻辑基石，必须让学生先信服。环节二：建立几何模型。投影上回到正方形与四分之一圆的图形，教师引导提问链："如果我们在边长为1的正方形里均匀随机地撒点，点落在四分之一圆内的可能性是多少？"学生结合几何概型回答：可能性等于四分之一圆的面积除以正方形面积。四分之一圆面积为π/4，正方形面积为1，所以这个概率恰好是π/4。"那么反过来，如果我不知道π，但我撒了很多很多点，数出圆内的点数m和总点数n，能不能反过来估计π？"学生推导：m/n≈π/4，所以π≈4m/n。教师在黑板上写出这个式子并用红笔圈出，告诉学生："这就是本节课的全部数学核心：π≈4×m÷n。剩下的事情，是教会计算机替我们撒点、替我们数数、替我们做这次除法。"环节三：点的问题。"'撒点'这件事，在程序里怎么表达？"教师引导学生思考：正方形对应坐标范围[0,1]×[0,1]，一个随机点就是一个坐标对（x，y），其中x和y都是0到1之间的随机数。Python的random.random()函数每调用一次就返回这样的一个随机小数。"撒点"被翻译成了"调用两次random()"。"点怎么算落在圆内？"学生回忆圆的方程，得出判断条件：x²＋y²≤1。教师板书这一判别式，算法的关键构件到此全部备齐。设计意图：随机直觉、概率模型、坐标抽象、判别条件四步走，每一步都由学生答出关键结论，教师只做串联与确认。这一环节花足十二分钟是划算的——后面写程序时所有的"知道这么写"，都来源于这里的"知道为什么"。（三）算法设计：从自然语言到流程图（约7分钟）教师布置任务：不碰电脑，用自然语言把"撒点算π"的过程描述出来，讲给同桌听。两分钟后请学生发言，教师把发言提炼为五步：第一步，准备两个计数器：总点数n和圆内点数m，都从零开始；第二步，重复做n次下面的动作——生成随机数x，生成随机数y；第三步，判断x²＋y²是否不超过1，如果是，m加1；第四步，全部撒完后计算4×m÷n；第五步，输出结果。接着学生在任务单上把五步描述改画成流程图。教师巡视，重点关注两处：循环的开始与结束是否正确；分支判断的出口是否都回到循环。巡视中发现的典型错误——例如把m＝0的初始化写进循环体内部、把计算4m/n写进循环体内——在投屏上匿名展示，全班共同诊断。教师顺势小结程序要素与算法的对应关系：初始化对应变量赋值，重复对应for循环或while循环，判断对应if语句，统计结果对应算术表达式与print。至此，程序框架已在学生脑中成形，只待翻译成代码。设计意图：先语言、后图形、再代码的三级抽象递进，避免学生"边想边敲、敲到哪算哪"。流程图中高频错误的公开诊断，把错误转化为教学资源。（四）程序实现：结对编程（约15分钟）学生两人一组上机，任务单一发到手，要求先共同完成基础任务，再挑战拓展任务。教师给出包含注释框架的半成品文件，挖去关键语句由学生填写：基础任务是补全并运行如下程序。导入随机数模块后，设定总点数n为100000，计数器m初始化为0，随后用for循环执行n次：x赋值为random()，y赋值为random()，若x的平方加上y的平方小于等于1，则m自增1。循环结束后，用4.0乘以m再除以n得到pi的近似值并输出，输出格式为"圆周率的估计值是："后接结果。运行并记录结果三次。学生操作期间教师巡回指导，观察下列典型问题并即时点拨：问题一，忘了importrandom，程序报出NameError。教师不直接给出答案，而是反问："random()是谁家的函数？"引导学生追溯报错信息找到模块导入语句。问题二，把判断条件写成x²＋y²＜1且错写为2x或x^2。教师借此机会讲解Python中的乘方写法是双星号，即x的平方写作x＊＊2，并顺带指出x＊x同样可行。问题三，循环缩进错误，把m＝m＋1写到了if外面，导致m始终等于n，结果永远是4.0。这个错误极具教学价值：教师请出错的学生把程序投屏，全班分析"为什么结果是整4"，学生在推理中重温了缩进表达层次关系的语法规则。问题四，用整数运算时忘记类型问题，部分学生写出4＊（m/n）在不同版本下的表现差异，教师引导观察并说明乘以4.0可确保结果为浮点数。各组陆续得到3.14附近的结果，但每组数字不尽相同。教师收集五六组的结果写在黑板上：3.15288、3.13692、3.14144、3.14028、3.13956……故意停顿，让"为什么每组的答案都不一样"这个疑问在教室里发酵。设计意图：结对编程保证每人都有操作机会；半成品代码降低语法门槛，把课堂时间留给算法逻辑；预设的四类错误覆盖了初学者在本项目中的几乎全部高发区，纠错过程本身就是深度教学。（五）探究深化：撒多少点才够（约8分钟）承接黑板上那一串不尽相同的数字，教师抛出本课的探究核心："答案不一样，说明我们的算法错了吗？"学生讨论后形成共识：算法没有错，是随机性导致每次结果围绕真值波动。教师追问："那怎样才能让结果更靠近3.1415926？"探究任务布置：保持程序不变，只修改总点数n，分别取1千、1万、10万、100万，每组负责两个数量级，各运行三次，把结果填入任务单表格，并观察记录运行耗时。五分钟后汇总。数据清晰地呈现出规律：n为1千时，结果可能在3.0与3.3之间大幅摇摆；n为10万时，结果稳定在3.14附近；n为100万时，误差缩小但运行时间明显拉长，少数机器出现数秒等待。教师引导学生归纳两条结论：其一，试验次数越多，估计值越稳定地逼近真值，这正是开课投骰子实验结论的程序版印证；其二，精度与时间是一对此消彼长的矛盾——想要更准，就要付出更多计算代价。教师点明："真实工程中的数值计算，永远是在精度与成本之间寻找平衡点。你们刚才干的这件事，就是数值算法工程师的日常。"学有余力的小组继续完成拓展任务：在程序中加入计时功能，用time模块记录不同n值下的运行时长，尝试画出"n—误差"的粗略折线，直观感受误差的衰减速度。设计意图：把"算法分析"这一抽象概念落为学生自己跑出来的数据。精度与效率的权衡思想在此埋下种子，为后续学习更复杂的算法效率分析预热。（六）总结提升与课堂评价（约5分钟）教师带领学生沿着板书回顾整节课的思维路线：祖冲之的困境引出随机模拟的思想；投骰子实验确立"频率稳定于概率"的信念；几何概型给出核心公式π≈4m/n；自然语言与流程图完成算法设计；循环加分支的程序把思想变成现实；百万次撒点的对比实验让人见识了数值计算的精度逻辑。教师强调三个值得带走的观念。第一，计算机除了能精确计算，还能通过大量随机试验"逼近"答案，蒙特卡洛方法如今在物理模拟、金融定价、芯片设计中无处不在。第二，设计一个数值算法，先想清楚数学原理，再考虑程序语法，顺序不能颠倒。第三，面对程序输出的任何数字，都要追问一句：它可靠吗？我验证过吗？课堂即时评价采用三题快测：口头复述核心公式的来由；判断程序段中计数器初始化位置的合理性；预测把撒点区域改为以原点为圆心的整圆后公式应如何调整（答案不变，因为面积比仍为π/4，此题考查对原理的理解深度）。评价结果作为下一课时分层教学的依据。分层作业布置：必做，修改程序使其同时输出估计值与Python内置math.pi之间的误差；选做，查阅资料了解布丰投针问题，用一句话说明它与今天方法的共同思想；挑战，尝试用割圆术思想编写程序计算圆周率，与本课方法从精度、速度两方面作对比，写成一段不超过二百字的分析报告。七、板书设计主板书以思维主线纵向展开：最上方是课题"用计算机计算圆周率——蒙特卡洛方法"；其下依次是"原理：落点概率＝四分之一圆面积÷正方形面积＝π/4"、"核心公式：π≈4×m÷n"、"判别条件：x²＋y²≤1"、"算法五步：初始化→循环→判断→计数→输出"；右侧副板书记录学生各组实验数据与探究结论"次数↑则波动↓精