高中信息技术必修一第四单元“非数值计算”教学设计与实践

高中信息技术必修一第四单元“非数值计算”教学设计与实践——基于真实问题驱动的算法思维培养路径一、单元整体规划与教学定位本单元是高中信息技术必修一“数据与计算”模块的收官单元，承接着前三单元关于数据采集、整理与简单统计分析的学习成果，聚焦于用计算机解决非数值型问题的核心方法。从课程标准看，2017年版2020年修订的普通高中信息技术课程标准将“算法与程序实现”列为学科核心素养之“计算思维”的关键载体，而非数值计算正是该载体中最贴近学生生活经验、最能体现“抽象—建模—自动化”思维过程的典型领域。学生在此前已掌握了Python语言的基本语法、顺序与分支结构，本单元将系统引入循环结构、列表与字典等组合数据类型，并通过对文本、表格、图像等非数值数据的处理，完整经历“问题分析—模型建立—算法设计—代码实现—调试优化”的工程化思维流程。从单元结构看，4.1节起以“电子词典中的查找”引入二分查找算法，4.2节讲解恺撒密码与暴力破解，4.3节则聚焦“用贪心算法解决日常问题”，并将重心放在“体验与实践”上。三节课在认知梯度上呈螺旋上升：4.1节让学生理解算法效率与有序数据的关系；4.2节让学生体会穷举思想在信息安全中的应用；4.3节则将视角从“寻找最优解”转向“寻找近似最优解”，理解贪心策略在时间复杂度敏感场景下的实用价值。三节共同构成“精确算法—暴力枚举—启发式策略”的认知序列，为后续选修模块中的动态规划、数据结构等内容埋下伏笔。二、本节课教学目标与重难点教学对象为高一年级已完成Python基础语法学习的学生，具备顺序、分支结构编程经验，但对列表、字典等组合数据类型接触较少，对算法的时间复杂度缺乏感性认识。本节课的核心目标设定如下。（一）学科核心素养目标计算思维维度：能针对“找零钱”“活动安排”等典型生活问题，抽象出“贪心选择”模型，理解贪心算法的适用边界与局限性；信息意识维度：在体验“电子词典快速查找”“密码破解”等场景中，感受算法对信息处理效率的决定性影响；数字化学习与创新维度：能用Python语言实现贪心选择的过程，体验从算法思想到代码实现的转化；信息社会责任维度：通过讨论“贪心策略是否总能得到最优解”，养成批判性思维与严谨求证的科学态度。（二）三维度教学目标知识与技能：理解贪心算法的基本思想与贪心选择性质；掌握列表排序、遍历与元素交换的Python实现方法；能针对“找零钱”“区间调度”问题编写贪心解法程序。过程与方法：通过“硬币兑换”情境的问题分解、策略对比、代码迭代，经历“提出贪心假设—验证反例—修正策略或确认适用范围”的完整探究过程。情感态度与价值观：体会算法设计中“权衡”与“取舍”的工程哲学，避免陷入“算法万能”的认知误区。（三）教学重点与难点教学重点为贪心算法思想的形成与Python代码实现，难点有二：一是理解贪心选择的“局部最优未必导致全局最优”这一辩证关系，二是将生活问题准确抽象为可贪心的数学模型。三、教学过程设计本节课采用“两段五环节”结构，总时长45分钟。前20分钟为问题驱动与思想建构阶段，后25分钟为代码实现与思维升华阶段。具体设计如下。环节一：情境引入，激活前知（4分钟）教师演示“电子词典查词”与“手工翻页查词”的对比视频，引导学生回忆4.1节二分查找的原理：有序数据加二分策略，使查找次数从线性级降至对数级。继而抛出问题：“如果词典无序，能否用更聪明的策略实现快速查找？”学生可能的回答是“先排序再二分”。教师肯定后追问：“排序本身需要时间，有没有不必全排序就能快速查找的方法？”此问为4.3节后续内容留白，本节课暂不展开，转而切入硬币兑换情境。投影呈现问题情境：小明去便利店购物，付款50元，店员需找回37元零钱。收银台有1元、5元、10元、20元四种面额纸币及1角、5角硬币。为减少硬币数量，店员应如何找零？学生凭生活经验几乎一致回答“先给20元，再给10元，再给5元，再给1元，再给1元，再给1元”。教师板书这一策略：每一步都选择当前可用的最大面额。教师顺势命名：这就是“贪心算法”的核心思想——在每一步选择中都采取当前状态下最好或最优的选择，从而希望导致结果是全局最好或最优的算法。环节二：模型抽象，建立贪心假设（6分钟）教师引导学生将上述过程抽象为数学模型。设需要找零的金额为N，纸币面额集合为D＝{d₁，d₂，…，dₖ}，且d₁＞d₂＞…＞dₖ，贪心策略的具体操作是：从最大面额d₁开始，若N≥d₁，则取一张d₁，更新N＝N−d₁，重复此过程直到N＝0。学生分组讨论：这一策略在上述情境中是否得到了硬币数量最少的方案？经计算，共需6枚纸币。学生尝试寻找更优方案：能否用2张20元加3张5元加2张1元？显然不成立，因为20元×2＋5元×3＋1元×2＝65元，超过37元。由此学生初步验证：在此情境下，贪心策略确实得到了最优解。教师进一步引导：是否所有找零问题都能用贪心策略得到最优解？投影展示反例情境：需找零8元，纸币面额为1元、3元、4元。若用贪心策略，先取1张4元，再取4张1元，共需5张；若改取2张3元加2张1元，仅需4张。学生通过对比发现：贪心策略在此情境下失败，因为它在第一步选择了面额为4元的纸币，虽然局部最优，但导致后续需要更多小额纸币。此环节是本节课的认知转折点。教师应在此处停留足够时间，组织学生展开小组辩论：为什么贪心策略有时有效、有时失效？失效的根源是什么？学生经过讨论得出初步结论：当面额集合满足“面额之间存在倍数或近似倍数关系”时，贪心策略往往有效；当存在“跳跃式”面额时，贪心策略可能失效。这一结论为后续讨论贪心算法的适用边界奠定基础。环节三：代码实现，体验算法自动化（10分钟）教师将“硬币兑换”情境交由学生编程实现。考虑到学生编程经验差异，采用“半开放任务单”形式，提供代码框架的核心函数，要求学生补全关键步骤。代码框架如下所示。defgreedy_change(N,denominations):N:待找零金额，denominations:面额列表（已按从大到小排序）result=[]fordindenominations:whileN>=d:N=Ndresult.append(d)returnresult教师提问：上述代码中，为什么外层循环用for遍历面额，内层循环用while反复取同一面额？学生解读：外层循环确保按面额从大到小顺序处理，内层循环则处理“同一面额可能需要多张”的情况。教师进一步追问：如果面额列表未按从大到小排序，代码会出错吗？学生通过测试发现：当输入未排序的列表时，代码输出的零钱组合并非最优。教师借此强调：在贪心算法中，“选择顺序”本身就是算法的一部分，必须严格遵循预设规则。学生完成代码后，教师要求其运行测试案例：输入N＝37，denominations＝[20,10,5,1]，预期输出[20,10,5,1,1,1]。学生测试通过后，进一步探索：输入N＝8，denominations＝[4,3,1]，预期输出[4,1,1,1,1]，即5张纸币。学生通过对比感受到：尽管代码运行无误，但结果并非最优。教师不急于给出答案，而是将这一问题悬置，留待环节五深入讨论。环节四：迁移应用，解决区间调度问题（10分钟）教师引入第二个经典贪心问题——“最多会议安排”。情境如下：某会议室上午8:00至12:00开放，现有若干会议申请，每个会议有起始时间和结束时间。如何选择最多会议使会议室不冲突？这是贪心算法在区间调度问题中的标准应用。教师引导学生思考：贪心策略可能有哪些？学生提出多种假设：选开始最早的会议、选持续时间最短的会议、选结束最早的会议。教师组织小组验证：将三组策略分别应用于一组小型数据，观察哪种策略能安排最多会议。举例数据如下表所示。会议编号开始时间结束时间①8:309:00②9:0010:30③10:0011:00④9:3011:30⑤11:0012:00•策略A（最早开始）：先选①（8:309:00），剩余时间可选②（9:0010:30）或③（10:0011:00）与⑤（11:0012:00）。若选①、②、⑤，共3场。•策略B（最短时长）：①时长30分钟，②时长90分钟，③时长60分钟，④时长120分钟，⑤时长60分钟。先选①，再选③或⑤。①、③、⑤共3场。•策略C（最早结束）：按结束时间排序，①（9:00）、②（10:30）、③（11:00）、⑤（12:00）。依次选择：①、②、③冲突跳过、⑤可选。共①、②、⑤共3场。此例中三种策略结果相同，无法体现差异。教师补充反例数据：会议⑥为8:008:45。若用策略A，选①后无法选⑥；若用策略B，⑥时长45分钟，与①等长，结果取决于排序稳定性；若用策略C，先选⑥（8:45结束），再选①（8:309:00冲突跳过），再选②……最终可得⑥、②、⑤共3场。学生通过亲历数据对比，初步认同“最早结束”策略的合理性。教师引导学生用Python实现这一策略。代码框架如下：defmax_meetings(meetings):meetings:列表，每个元素为(start,end)sorted_meetings=sorted(meetings,key=lambdax:x[1])count=1current_end=sorted_meetings[0][1]foriinrange(1,len(sorted_meetings)):ifsorted_meetings[i][0]>=current_end:count=count+1current_end=sorted_meetings[i][1]returncount学生运行代码，验证上述案例均得到预期结果。教师强调：sorted函数中的key参数是Python高阶函数的典型应用，此处用lambda表达式提取每个元组的第二个元素（即结束时间）作为排序依据，是数据处理中的常用技巧。环节五：辩证思考，升华算法认知（15分钟）本环节是本节课的思维制高点。教师先回到环节三遗留的“找零8元”反例，组织学生深入讨论：贪心算法既然不能保证全局最优，为什么仍然被广泛使用？学生经过讨论得出三点认识。第一，许多实际问题无法承受穷举所有方案的时间成本，贪心算法以线性或近线性时间复杂度给出“足够好”的解，是工程实践中的务实选择。第二，某些特定结构的问题（如面额满足“规范贪心”性质、区间调度问题）贪心解恰好就是最优解，此时贪心算法兼具效率与最优性。第三，贪心算法思想的本质是“分阶段决策”，这种思维方式可迁移到学习规划、时间管理等生活领域。教师进一步引出贪心算法的局限性。若学生基础较好，可补充“背包问题”作为反例：有一个容量有限的背包，若干物品有不同重量与价值，如何装入使总价值最大？贪心策略（按价值密度排序）通常得不到最优解，因为物品不可分割。这为选修模块中的动态规划留下接口。课堂最后5分钟，教师布置分层作业：基础层要求学生独立完成“找零问题”中贪心代码的输入验证，并书面总结贪心算法的适用条件；提高层要求学生查阅资料，了解“赫夫曼编码”如何用贪心思想实现数据压缩；拓展层鼓励学有余力的学生尝试用动态规划求解01背包问题，感受不同算法策略的差异。四、教学评价与反思本节课采用过程性评价与终结性评价相结合的方式。过程性评价关注学生在小组讨论中的参与度、代码调试中的错误修正能力、对反例问题的辩证思考深度；终结性评价则通过课堂练习与课后作业检验学生对贪心思想的理解程度。教学反思应聚焦三个问题：一是情境引入是否能充分激发学生探究欲望；二是反例呈现的时机是否恰到好处；三是代码框架的开放度是否适配不同学情。建议在后续教学中，将“反例验证”环节前置，让学生先经历“贪心失败”的认知冲突，再学习贪心思想的精髓，这样更能体现“问题驱动”的教学理念。五、教学特色与创新点本节课的设计摒弃了“直接讲授贪心定义—举例说明—代码实现”的传统模式，采用“生活情境—数学抽象—编程验证—辩证反思”的探究路径，让学生在“做中学”“思中悟”。特别是在“找零反例”与“会议安排”两个情境的对比中，学生不仅掌握了贪心算法的技术细节，更形成了“算法有适用边界”“工程问题需权衡取