高中信息技术必修一 1.3.1数据采集 教学设计

高中信息技术必修一1.3.1数据采集教学设计一、教材分析与单元定位浙教版高中信息技术必修一第一章“数据与信息”第三节“数据的采集、存储与应用”首课时，承担着从认知数据概念走向实践数据获取的关键过渡。教材以“数据从哪里来”引入，依次展开传感器采集、爬虫采集、问卷采集、公开数据集获取四大路径，旨在建立学生“数据源多元、采集有度、过程留痕”的完整认知链。这一课时不再是概念堆砌，而是要求学生在真实情境中完成从需求分析、工具选型、代码实现、异常处理到合规性审查的全链路体验，为后续数据清洗、可视化乃至人工智能模型训练奠基。对比旧版教材，新版显著强化了“计算思维”与“信息社会责任”的双重渗透。传感器实验不再止步于读取数值，转而要求设计采集频率、阈值判断与本地存储策略；网络爬虫引入`robots.txt`解析与反爬机制应对，倒逼学生正视法律边界；问卷设计引入李克特量表与跳转逻辑，凸显统计学素养。这些变化倒逼教学从“演示操作”转向“问题驱动、工程落地、伦理兜底”的深度学习模式。二、核心素养与教学目标依据《普通高中信息技术课程标准（2017年版2020年修订）》核心素养框架，本课时锚定三维目标：信息意识层面：学生能在具体场景中识别数据源特征，判断采集方式的适配性，形成“数据不凭空产生、质量源于过程把控”的朴素认识论。面对同一研究问题，能论证为何选择传感器而非爬虫，或为何需融合多源数据。计算思维层面：学生能将采集任务分解为“目标定义—源锁定—协议分析—脚本编写—异常处理—持久化—合规复核”七步建模流程。掌握HTTP请求/响应结构、HTMLDOM树遍历、JSON解析、CSV读写等关键知识点，并能在Python环境下独立实现含重试机制、随机延时、增量采集的爬虫原型。数字化学习与创新层面：学生能协作完成跨学科微项目（如“校园微气候监测”“高考专业热度舆情分析”），产出包含采集日志、数据字典、伦理审查表的规范化交付物。初步具备在开放数据生态中检索、评估、引用数据集的能力，为后续PBL单元积累素材库。三、学情诊断与教学策略高一学生已修初中Python基础语法，具备变量、循环、函数、文件读写、第三方库安装能力，但普遍缺乏网络编程、并发控制、结构化数据处理经验。前测问卷显示：78%学生未接触`requests`/`BeautifulSoup`，65%混淆“爬虫”与“非法获取数据”界限，90%未撰写过数据字典。认知区最近发展区集中在“从语法会用到工程会造”的跨越。据此采取三大策略：一是脚手架分层，提供从“完整代码注释版”到“核心函数缺失版”再到“仅需求文档版”三级代码模板，支持分层走班；二是真实性还原，引入真实气象站API、某招聘网站公开页面、教育部阳光高考平台数据集，拒绝玩具数据；三是过程性评价，将采集日志完整性、异常处理覆盖率、合规性自查清单纳入形成性评分，弱化单一成品考核。四、教学环节设计（六课时）（一）首课时：需求拆解与采集路径决策情境导入：展示“智慧教室温湿度优化”项目背景——校方计划根据各教室温湿度动态调节空调新风系统，需前端采集支撑。抛出三组数据源：教室部署的温湿度传感器（MQTT协议推送）、气象局开放API（HTTPRESTful）、学生主观舒适度问卷（微信小程序）。引导小组讨论：三类数据各自解决什么子问题？采集频率、实时性、可靠性如何权衡？输出《采集方案对比表》，包含协议、频率、存储容量预估、隐私风险四列。核心任务：每组领取一张“任务卡”，场景涵盖“校园食堂菜品热度榜”“周边共享单车分布热力图”“高三一模成绩与作息相关性分析”。要求在20分钟内完成：1.列出所需数据字段与粒度；2.确定主采集方式与备选方式；3.识别至少两个法律/伦理风险点；4.绘制采集流程泳道图。教师巡回提问聚焦“为什么不用爬虫采食堂菜价”“问卷如何避免幸存者偏差”，倒逼学生回归场景本质。总结提炼：全班汇总形成“采集方式决策树”锚图——结构化/实时/自可控→传感器/物联网；半结构化/公开/高频→爬虫/API；非结构化/主观/低频→问卷/访谈；权威/历史/大体量→公开数据集。锚图贴至教室侧板，贯穿全单元。（二）第二课时：传感器数据采集与边缘预处理硬件环境：每组配备ESP32开发板、DHT22温湿度传感器、MicroSD卡模块、移动电源。软件环境：ThonnyIDE烧录MicroPython固件，预置`umqtt.simple`、`machine`、`utime`库。工程任务：设计一套“断网续传、异常自检、低功耗”的采集固件。关键技术点讲解15分钟：1.深度睡眠唤醒周期与NTP对时策略；2.读取失败指数退避重试（最多3次，间隔2/4/8秒）；3.本地CSV命名规则`YYYYMMDD_HHMMSS.csv`，单文件不超10k行自动分卷；4.上传失败队列写入Flash，联网后批量推送至MQTTBroker。编码实战：学生基于框架代码填充`read_sensor()`、`log_local()`、`push_remote()`三个核心函数。常见坑位预设：DHT22读取间隔<2秒返回None、SD卡写入需`flush()`保证掉电不丢、MQTT心跳包防断连。教师不直接给答案，而是引导查阅数据手册、串口打印调试、逻辑分析仪抓包。验收标准：设备连续运行48小时，数据缺失率<0.5%，本地与云端行数一致，异常日志含时间戳、错误码、重试次数。引导学生撰写《设备部署运维手册》，含接线图、固件烧录步骤、常见故障排查表，作为跨学科项目交付物归档。（三）第三课时：网络爬虫原理与合规边界理论夯实：用Wireshark抓包演示浏览器访问某招聘网站首页全过程——DNS解析、TCP三次握手、TLS握手、HTTP/2多路复用、响应头`ContentEncoding:gzip`、响应体HTML片段。重点拆解`RequestHeaders`中`UserAgent`、`Cookie`、`Referer`、`XRequestedWith`字段作用，以及`ResponseHeaders`中`SetCookie`、`CacheControl`、`XFrameOptions`含义。合规实战：现场演示如何查阅`robots.txt`，解析`Useragent:`、`Disallow:/search/`、`Crawldelay:10`、`Sitemap:...`指令。引入《中华人民共和国网络安全法》第二十七条、《数据安全法》第二十八条、最高法司法解释“破坏计算机信息系统罪”量刑标准。案例研讨：某学生爬取某教务系统200万条成绩获刑案、某公司高频爬取竞品价格被判不正当竞争案。学生分组完成《爬虫合规自查清单》：目标站点是否允许爬取、是否绕过验证码/登录态、频率是否低于人工阈值、是否仅获取公开字段、数据用途是否非商业、是否已最小化存储。代码实战：实现“某招聘网站Python岗位薪资分布采集器”。分步骤：1.DevToolsNetwork面板分析搜索接口`/api/jobs?keyword=python&page=1`返回JSON结构；2.编写`parse_job_list(json)`提取职位名、薪资区间、城市、技能标签；3.实现`fetch_page(page)`含随机延时`random.uniform(3,6)`、会话复用`requests.Session()`、状态码非200指数退避重试；4.主循环遍历页码，写入SQLite表`jobs`，主键`job_id`去重；5.运行采集50页，导出CSV并校验字段完整率。反思迁移：讨论“若目标站点渲染前端为ReactSPA，接口加密签名`sign=md5(timestamp+secret)`如何破解？”引出逆向分析、Headless浏览器（Playwright/Selenium）方向，明确告知此类技术仅限授权测试环境使用，严禁实战。（四）第四课时：问卷设计与主观数据采集统计学前置：微讲李克特量表（5/7级）、语义差异量表、NPS净推荐值、MaxDiff最大差异量表适用场景。演示问卷星/金数据跳转逻辑设置：如“Q3选择‘从未使用’则跳过Q4Q7”。强调预测试必要性——小样本（n=30）计算Cronbach'sα>0.7、KMO>0.6、因子载荷>0.5方可正式发布。实战任务：设计“高中生生成式AI工具使用现状调查问卷”。要求：1.匹配研究问题“使用频率—使用场景—感知效用—风险认知—校规建议”五维度；2.含人口学特征题3题、实测题15题（含1道反向计分题）、质控题2题（陷阱题+一致性校验题）；3.设置显示/跳转逻辑≥3处；4.生成链接与二维码，配置防刷策略（IP限制、设备指纹、最短作答时长）。数据导出与字典：演示导出Excel/SPSS/CSV三格式差异，重点讲解标签值与数值映射（如“1=从不，2=偶尔……”）。学生现场制作《数据字典v1.0》：变量名、标签、类型（离散/连续）、取值范围、缺失值编码、来源题项、备注。引导发现导出数据中“其他（请填写）”非结构化文本需后续编码，预告文本挖掘内容。伦理落地：全员签署《调查知情同意书》电子版，含研究目的、数据匿名化承诺、退出机制、联系方式。模拟伦审会：教师扮演IRB委员，抽查组别答辩“如何保护填写‘学校禁止使用ChatGPT’学生的隐私”，驳回整改至达标。（五）第五课时：公开数据集检索、评估与融合资源导航：演示在国家统计局、浙江省政府数据开放平台、Kaggle、UCIMachineLearningRepository、HuggingFaceDatasets、GitHubAwesomePublicDatasets检索“高考录取分数线”“杭州地铁客流”“中文情感分析语料”。讲解数据集元数据阅读：版本号、更新频率、授权协议（CCBY4.0/ODbL/GPL）、文件格式（Parquet/Feather/HDF5）、基准任务与SOTA指标。评估实战：分组领取“高考志愿填报辅助系统”数据包，含教育部阳光高考平台CSV（近五年分专业录取分数/位次）、某省一分一段表Excel、高校招生章程PDF、QS学科排名JSON。任务：1.编写JupyterNotebook完成四源数据清洗融合，输出统一Schema表`admission_major(year,province,university,major,category,min_score,min_rank,quota)`；2.编制《数据质量评估报告》，含缺失率、异常值率（如录取分>满分）、一致性校验（同专业同年份跨源差异）、时效性标注；3.设计“查询接口”函数`query(university,major,student_rank,risk_appetite)`返回推荐梯度。教师重点巡查融合键设计（院校代码+专业代码+年份）、脏数据处理留痕（不删除原始行，新增`_clean`列）、版本控制（GitLFS管理原始数据）。扩展视野：介绍DataCard、DatasheetforDatasets规范，展示GoogleAI开源的DataCardsPlaybook模板，要求学生为融合后数据集填写一页DataCard，包含数据来源、预期用途、偏见风险（如某省数据缺失导致地域偏见）、维护计划。（六）第六课时：综合实战与成果交付微项目冲刺：三人一组，从“校园微气候监测”“高考志愿智能推荐”“校园二手交易市场分析”“食堂满意度持续追踪”四题中选一，完成全链路采集交付。交付清单：1.《采集设计文档》（需求、源、频率、存储、合规）；2.可运行代码仓库（Git提交记录≥20次，含README、requirements.txt、.gitignore）；3.原始数据+清洗后数据（CSV/Parquet，含数据字典）；4.《采集日志与异常处理记录》（时间戳、错误类型、处理动作、耗时）；5.《伦理合规自查表》（风险点、缓解措施、知情同意证据）；6.5分钟答辩PPT（问题背景、采集架构图、关键难点突破、数据样本展示、局限与迭代计划）。答辩评审：邀请教研组教师、校网络管理员、学生代表组成评审团。评分维度：采集方案合理性30%、代码工程质量25%、数据规范完备性20%、合规落实度15%、团队协作与答辩表达10%。现场提问示例：“若传感器供电中断6小时，你的缺失数据插值策略是什么？”“爬虫遇到Cloudflare5秒盾如何在不破解前提下合规绕过？”“问卷回收量不足时如何通过配额抽样补救？”。复盘沉淀：全班共建“采集避坑指南”Wiki，条目示例：“requests默认不验证SSL证书需`verify=True`”“CSV含Emoji导致Excel打开乱码需指定`utf8sig`”“问卷选项顺序固定引发首选偏差需随机轮转”“公开数据集字段含义变更需建立版本映射表”。Wiki托管于校内GitLab，纳入校本资源库，供后续届迭代。五、教学评价体系过程性评价（60%）：采集日志完整性（每日自动提交GitLabCI检查）、代码规范静态分析（pylint≥9.0/10）、异常处理覆盖率（pytestcov≥80%）、合规清单打勾率（逐项核验）、小组协作贡献度（Git提交热力图+队友互评）。终结性评价（40%）：微项目交付物评审分（评审团打分）、个人反思报告1500字（含技术复盘、伦理思考、跨学科迁移构想）、数据字典与DataCard编写规范度（抽查交叉互评）。评价工具包：教师端部署基于Gitea+DroneCI的自动化评测流水线，学生推代码即触发语法检测、单元测试、数据Schema校验、敏感词扫描，实时反馈至看板。学生端使用Obsid