高中一年级信息技术必修一了解机器学习中的数据采集与预处理教学设计

高中一年级信息技术必修一了解机器学习中的数据采集与预处理教学设计【教学基本信息】本教学设计面向高一年级学生，依托沪科版高中信息技术必修一第三单元内容，聚焦"机器学习中的数据采集与预处理"这一项目主题，建议安排四课时完成，每课时45分钟，采用项目式学习与小组协作相结合的方式组织实施。教学环境为配备互联网的计算机教室，预装Python环境及pandas库，并准备校园生活中的真实数据集。【学情与教材分析】高一学生在初中阶段已接触过数据的概念，能够从Excel中获取和处理简单数据，对"人工智能""机器学习"等名词有生活化认知，但多数停留在"机器很神奇"的模糊层面。他们尚未建立"数据质量决定模型质量"的工程思维，容易误以为机器学习的关键在于算法本身而忽视数据准备环节。教材将本项目置于"数据处理与应用"主线之下，既承接了前期的数据编码与信息表示知识，又为后续的算法与人工智能应用模块奠基。教材创设了"为学校食堂优化菜品推荐"的项目情境，要求学生经历数据采集、清洗、标注的完整流程。这一编排符合从真实问题出发、以任务驱动建构知识的课程理念，教学时应保留并强化这一真实性情境。【教学目标】信息意识方面，学生能识别校园生活中可采集的数据源，判断数据的类型与价值，理解数据采集须遵循合法、正当、必要的原则。计算思维方面，学生能对原始数据进行结构化分析，运用过滤、去重、填补、转换等方法完成预处理，并能解释每一步操作对后续建模的影响。数字化学习与创新方面，学生能借助表格工具或Python脚本完成批量数据清洗，形成可复用的预处理流程。信息社会责任方面，学生能在采集涉及他人信息的数据时主动说明用途、征得同意，认识数据偏差可能导致算法歧视。【教学重点与难点】教学重点：数据采集的常见途径与质量评价标准；数据清洗的基本方法及其实施。教学难点：理解"垃圾进、垃圾出"机制的深层含义，即数据噪声、缺失、不平衡如何传导至模型并放大偏差；根据任务需求选择恰当的预处理策略而非机械执行步骤。【教学准备】教师准备三份配套数据：一份"干净"的食堂消费示例数据，一份埋有18处典型问题（缺失值、异常值、重复记录、格式混乱、单位不统一）的同源数据，一份涉及学生个人信息的敏感数据样例。同时录制三分钟微课《一条数据是怎样进入模型的》，准备小组任务单、数据质量检查清单、过程性评价量规，并调试好每台计算机的Python运行环境。【教学过程】第一课时：情境导入与数据采集规划环节一，真实问题引入。教师展示学校食堂两个窗口的排队监控截图，提问："为什么有的窗口排长队，有的窗口几乎无人？食堂想根据学生偏好调整菜品，第一步该做什么？"学生自然想到"先看看大家爱吃什么"，教师顺势指出：让机器学习人类经验的前提是获取数据，而获取什么样的数据直接决定了能学到什么。环节二，头脑风暴数据源。各小组围绕"了解学生就餐偏好"列举可能的数据来源：消费刷卡记录、问卷调研、窗口观察记录、网络点评等。教师在黑板归拢后追问每一个来源的三个问题：数据以什么形式存在？获取它是否方便？是否涉及他人隐私？在讨论中生成数据采集的三条评价维度——真实性、可获得性、合规性。环节三，辨析采集方式。教师用对比案例讲授人工采集、传感器采集、网络爬取、系统导出四种途径的适用场景。此处强调：校园刷卡系统每月产生的数万条记录属于系统导出，人工誊抄一周观察数据属于人工采集，方式不同，误差特征也不同。人工采集易出错但灵活，系统导出的数据规范但可能因系统口径问题存在系统性偏差。环节四，合规教育嵌入。教师出示某APP过度收集用户通讯录被处罚的新闻材料，引导学生对照《个人信息保护法》中关于最小必要与知情同意的原则，为小组即将开展的问卷设计添加"说明用途、匿名处理、自愿填写"三项承诺。此环节不讲法条条文，让学生在起草承诺语的写作中体会规则。第二课时：认识脏数据与数据质量环节一，制造认知冲突。教师将同一份"干净"与"脏"数据分别输入预先写好的简单统计脚本，展示两个结果：偏好最多的菜品一个显示"红烧肉"，另一个显示"未知"。悬殊的结论立刻激发学生追问原因，教师揭开谜底：两份数据的差别只是后者多了一些似乎没有大碍的小问题。环节二，找茬活动。各组打开脏数据文件，依照数据质量检查清单逐一排查，给发现的问题分类贴标签。教师在巡视中引导学生自主归纳出六类典型问题：缺失（某条记录消费金额为空）、重复（同一刷卡记录出现两次）、异常（单笔消费8888元）、不一致（日期写成"9/1"又写成"20250901"）、错误编码（性别栏出现"3"）、无关字段（与偏好分析毫无关系的家庭住址）。环节三，形成质量观。师生共同提炼数据质量的四个标准：完整性、一致性、准确性、时效性。教师用一句话收束：模型没有常识，数据里的每一个错误它都会信以为真。请学生用自己的话复述"垃圾进、垃圾出"的含义，并用刚才的实验佐证。第三课时：数据清洗与预处理实践本课时上机操作，以任务单驱动，流程清晰分为五步。任务一，去重与过滤。学生用pandas加载数据，执行重复行检测后删除，并筛掉与分析目标无关的字段。教师提示思考：删除重复的判据是什么？如果两条记录时间不同但金额、菜品相同，算重复吗？由此理解数据清洗规则的制定本身需要业务判断。任务二，处理缺失值。教师呈现三种策略：删除含缺失的记录、用该列平均值填补、保留缺失标记。以年龄字段为例，平均年龄为：x̄=(x₁+x₂+…+xₙ)/n当n=200、消费金额合计3200元时，均值x̄=3200÷200=16（元）。学生以该均值填补"金额"列的空缺，并讨论：如果缺失比例达到一半，填补还合理吗？多数学生能意识到大量填补会稀释真实分布，此时应回溯采集环节补数据而非在清洗环节硬处理。任务三，处理异常值。教师引入基于四分位距的判别方法，下界与上界分别为：下限=Q₁−1.5×IQR，上限=Q₃+1.5×IQR（其中IQR=Q₃−Q₁）示例数据Q₁=8元、Q₃=20元，则IQR=12元，上限=20+1.5×12=38元，超过38元的记录应复核。那笔"8888元"被识别为异常，学生讨论后判断其大概率是录入错误而非真实消费，予以剔除，并记录到清洗日志。任务四，格式统一与类型转换。将日期统一为"YYYYMMDD"，将"红烧鸡腿/红烧鸡腿饭"这类因表述差异被误判为两个菜品的名称做归一化映射，将文本型数字转为数值型。学生在此体会到计算机对格式差异毫无容忍度，从而理解前端录入规范化的意义。任务五编写可复用脚本。小组将全部清洗步骤整合为一段顺序脚本，要求每一步都有注释说明"做了什么、为什么做"。教师选取两组脚本对照展示，强调清洗不是一次性的修补，而是面向后续数据的可重放流程。第四课时：数据标注·成果汇报与评价环节一，数据标注体验。为了让机器识别菜品图片，需要给图片打上标签。各组领取30张菜品照片完成分类标注，再交换检查。当"糖醋排骨算不算辣菜"引发组间争议时，教师点明：标注标准不统一会直接把分歧带进模型，因此正式工程中必须先制定标注规范并做一致性检验。学生亲身体验到"人工智能背后有人的智能"。环节二，流程图建构。各组用流程图梳理从"确定需求—选择数据源—采集—清洗—标注—交付建模"的完整链条，并在每个环节标注本项目中发生过的具体决策。教师展示机器学习项目中数据准备通常占据整个项目工期的六成至八成的行业共识，修正学生"算法为王"的认知偏差。环节三，成果汇报与多元评价。每组五分钟汇报，采用三维度量规：技术维度看清洗脚本是否正确可运行，思维维度看异常与缺失的处理是否有依据且能自圆其说，责任维度看数据采集与标注是否体现合规意识。评价主体由教师评价、组间互评与组内自评构成，权重分别为4:3:3。环节四，迁移与延伸。教师抛出拓展问题："如果给食堂推荐系统的数据里，高一学生的记录占90%，训练出的推荐会偏向谁？"学生结合本课经验推理出样本不平衡会造成推荐结果系统性偏向高一学生，从而初步形成对算法偏见的警觉，为后续人工智能伦理单元的学习埋下伏笔。【板书设计】主板书采用左右双栏结构。左栏写出数据链条：确定需求→采集→清洗→标注→交付，各环节下挂本课关键方法，采集中挂"真实·可得·合规"，清洗中挂"去重·补缺失·辨异常·统格式"，标注中挂"先定规范再动手"。右栏竖排一句核心论断："模型没有常识，数据质量即模型上限。"下方留白区动态记录学生在讨论中生成的精彩观点。【作业设计】基础作业：完成家中一周水电用量数据的采集记录表，指出其中两处可能影响分析的问题并说明理由。提升作业：尝试用本课脚本思路清洗教师提供的另一份运动打卡数据，提交清洗前后的文件与处理说明。拓展作业：采访一位家长或社区工作人员，了解其工作中的数据采集场景与合规要求，写200字心得。三层作业对应"理解—应用—迁移"，学生依据自身情况选做后两层之一。【教学反思预设】本设计将抽象的预处理知识锚定在食堂这一全员熟悉的场景中，认知冲突实验与找茬活动能有效激活课堂。预判实施中存在两处风险：一是第三课时上机任务量偏大，部分动手能力弱的小组可能卡在环境操作，应准备半成品脚本作为兜底支架；二是标注环