高中信息技术必修一《数据与信息》单元 1.1 数据及其特征 教学设计

高中信息技术必修一《数据与信息》单元1.1数据及其特征教学设计一、教材与学情分析《数据及其特征》是粤教版（2019）高中信息技术必修1《数据与计算》模块的首课，承担着建立学科核心概念、确立计算思维基调的关键任务。教材以“数据、信息、知识”三元关系为主线，通过二维码识别、气象预报、图像数字化等情境，引导学生理解数据是客观事物符号化的表示，掌握数据的可机读性、可传递性、可加工性三大核心特征，并初步体会数据编码与压缩的基本原理。学情方面，高一学生刚经历初中信息科技的工具操作与初步编程训练，思维模式多停留在具体操作层面，对抽象概念的归纳能力较弱。他们熟悉二维码扫描、天气查询等生活场景，却鲜少从数据视角审视背后的计算逻辑。部分学生存在“数据即数字”的误区，难以理解文本、图像、声音均可作为数据处理对象。教学需以熟悉情境为锚点，通过层层深入的任务驱动，完成从现象到本质、从直观到抽象的认知跨越。二、核心素养导向的教学目标1.信息意识：能在真实情境中识别数据与信息的转化关系，判断数据质量对决策的影响，形成“数据说话、证据决策”的初步意识。2.计算思维：能运用抽象、分解、建模方法分析数据特征，理解编码规则与压缩算法的计算逻辑，会用结构化方式表达半结构化数据。3.数字化学习与创新：能利用Python或电子表格工具完成简单数据采集、清洗、可视化，体验数据驱动问题解决的全过程。4.信息社会责任：明确数据采集与使用的法律边界，认识数据隐私保护与伦理规范的必要性，养成规范引用数据来源的习惯。三、重难点突破策略重点：数据的三大特征及其在实际问题中的体现；数据编码与压缩的基本原理。难点：从“数据是符号”上升到“数据是可计算的抽象”这一本质认知；有损压缩与无损压缩的边界判断及参数权衡。突破策略：构建“二维码溯源→气象站建模→图像像素还原”三阶递进任务链。第一阶段借熟悉载体破除“数据即数字”误区；第二阶段引入结构化建模强化“可加工性”理解；第三阶段通过像素级操作内化“编码与压缩”算法逻辑。引入JupyterNotebook交互环境，让代码即时反馈可视化结果，降低抽象门槛。四、教学过程设计（一）情境导入：二维码里的“隐形墨水”8分钟课堂伊始，屏幕投射三张二维码：一张链接经典诗词《将进酒》，一张编码某同学完整家庭住址，一张为损坏版《将进酒》码（人为遮挡20%面积）。请学生掏出手机扫描，记录观察现象。学生反馈：前两张均成功跳转，第三张虽有遮挡仍能识别出大部分文本，但地址码扫描后提示“内容过长无法完整显示”。追问：同一个扫描动作，为什么载体是黑白方块，结果却是文字、地址？为什么遮挡部分不影响阅读，过长内容却截断？这引出核心问题——数据到底是什么？它具备何种特性支撑这些现象？教师小结：二维码中的黑白模块是符号，符号化的诗词与地址是数据。数据不等于数字，而是客观事物属性的符号化表示。这便是今日探索的起点。（二）任务一：数据侦探——溯源“数据、信息、知识”三角关系12分钟发放任务单，包含三组素材：素材A：某气象站某日每小时记录的温度序列：[22.1,21.8,21.5,21.0,20.8,21.2,22.5,24.0,26.3,28.1,29.5,30.2,31.0,31.5,31.2,30.8,30.0,29.0,27.5,26.0,25.0,24.2,23.5,22.8]单位℃。素材B：该气象站发布的天气预报文本：“今日白天多云转晴，最高温31℃，最低温20℃，偏南风2级，紫外线指数强，建议涂抹SPF30+防晒霜”。素材C：市民张先生据此决定“上午带伞防晒，午后穿薄款长袖，携带水杯”。小组讨论任务：1.哪些是数据？哪些是信息？哪些是知识？请用教材定义标注依据。2.素材A→B→C经历了什么过程？数据量如何变化？确定性如何变化？3.若素材A缺失14:0015:00两小时读数，素材B还能生成吗？素材C会受影响吗？全班汇聚讨论要点：素材A是原始观测记录，未经解释，是数据。特征体现为可机读（传感器自动采集）、可传递（无线上传中心）、可加工（后续计算统计值）。素材B是气象员对数据分析、建模、推理后生成的预报，消除了不确定性，供决策使用，是信息。数据量大幅压缩（24点→极值趋势），语义密度升高。素材C是张先生内化预报结合经验形成的行动方案，是知识。具有个性化、隐性化特征。缺失数据场景：素材B若依赖插值算法仍可生成但可信度下降；素材C若张先生不知缺失风险，决策可能失效。这揭示数据质量是信息质量的基石，也是“可加工性”受限的体现。教师显性化核心结论：数据→信息→知识，是不确定性递减、语义密度递增、数据量递减的过程。数据三大特征贯穿全链条：可机读支撑自动采集，可传递保障流转共享，可加工实现增值转化。（三）任务二：气象站建模——结构化表达与“可加工性”深度体验15分钟情境升级：气象站需将素材A上传省中心，要求按XML格式封装，含站点ID、时间戳、温度值、质量标识字段。请设计数据结构，并编写Python代码完成：①生成符合规范的XML片段②计算日均温、日较差③模拟缺失值线性插补。提供代码框架，关键处留白：```pythonimportxml.etree.ElementTreeasETfromdatetimeimportdatetime,timedelta原始数据raw_temps=[22.1,21.8,21.5,21.0,20.8,21.2,22.5,24.0,26.3,28.1,29.5,30.2,31.0,31.5,31.2,30.8,30.0,29.0,27.5,26.0,25.0,24.2,23.5,22.8]station_id="GZ_001"base_time=datetime(2024,5,20,0,0)任务1：构建XML结构root=ET.Element("WeatherData")root.set("station",station_id)请补充循环，为每小时创建Record子元素，包含time,temp,quality属性quality=1表示正常，0表示缺失（假设第14、15索引缺失）任务2：统计计算请计算有效温度的平均值与极差，保留1位小数任务3：线性插补缺失值针对quality=0的时刻，利用前后有效值插补，更新XML并输出```学生分组协作编程，教师巡回指导关键难点：时间戳生成：`base_time+timedelta(hours=i)`体现数据离散化采样的时间维度。缺失值判断：引入`None`或`NaN`概念，区分“缺失”与“零值”，强化数据质量维度认知。插补算法：`temp[i]=(temp[i1]+temp[i+1])/2`，直观展示“可加工性”依赖数据间内在关联。代码运行输出对比：原始XML与插补后XML差异，直观感受数据加工前后的价值增值。教师强调：结构化是“可机读、可加工”的前提，非结构化文本（如素材B）难以直接参与自动化计算。（四）任务三：像素显微镜——编码与压缩的算法本质18分钟切换至图像数字化情境。屏幕显示一张16×16像素的简笔画“笑脸”放大图，每像素为黑或白。子任务1：编码方案设计竞赛要求：设计两种方案将该图像转为二进制串。方案A：逐行扫描，黑=1，白=0，得256位串。方案B：游程编码（RLE）。首位记录起始色（0/1），后续记录连续同色像素个数。因像素值非0即1，个数最大256，用8位二进制表示个数。学生手工计算两方案编码长度，填入对比表。方案原理描述编码长度(bit)压缩比适用场景特征:::::方案A位图法逐像素直接映射2561:1细节丰富、色变频繁方案B游程编码(RLE)记录连续同色长度约72约3.5:1大面积同色、结构简单子任务2：有损压缩体验——JPEG核心思想简化版提供一张8×8灰度图像矩阵（数值0255）。引导学生操作：1.分块：已是单块。2.离散余弦变换（DCT）概念引入：将空间域转频率域。低频系数集中能量，高频系数近似为0。3.量化：提供量化矩阵Q，计算`Y[i][j]=round(DCT[i][j]/Q[i][j])`。观察高频区大量变为0。4.Z字形扫描+RLE+霍夫曼编码（仅讲原理不手算）。5.逆量化、逆DCT还原图像，计算均方误差（MSE）。学生在Jupyter中运行预置简化代码，调整量化矩阵缩放因子`k`（1.0,2.0,5.0,10.0），观察还原图像视觉质量与压缩比变化。```python简化版JPEG流程演示核心片段importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.fftpackimportdct,idctdefdct2(block):returndct(dct(block.T,norm='ortho').T,norm='ortho')defidct2(block):returnidct(idct(block.T,norm='ortho').T,norm='ortho')标准亮度量化表Q_std=np.array([[16,11,10,16,24,40,51,61],[12,12,14,19,26,58,60,55],[14,13,16,24,40,57,69,56],[14,17,22,29,51,87,80,62],[18,22,37,56,68,109,103,77],[24,35,55,64,81,104,113,92],[49,64,78,87,103,121,120,101],[72,92,95,98,112,100,103,99]])block=np.random.randint(0,256,(8,8),dtype=np.float32)模拟图像块dct_block=dct2(block)forkin[1,2,5,10]:Q=Q_stdkquantized=np.round(dct_block/Q)dequantized=quantizedQrecon_block=idct2(dequantized)mse=np.mean((blockrecon_block)2)non_zero=np.count_nonzero(quantized)print(f"k={k}:非零系数={non_zero}/64,MSE={mse:.2f}")```运行结果分析：`k`增大，非零系数骤减（压缩比升高），MSE升高（失真加重）。学生直观体会“有损”本质：牺牲人眼不敏感的高频细节，换取极致压缩。教师点拨：这是“可加工性”在感知层面的妥协与权衡，参数选择取决于应用场景容忍度（医学影像k≈1，网络传图k≥5）。（五）综合迁移：数据全生命周期视角下的“校园微气候”项目启动7分钟布置单元项目式作业：分组建设“校园微气候监测站”。阶段1（采集）：利用Arduino+温湿度传感器，每10分钟采集一次，存储为CSV（时间戳、温度、湿度、光照），体现“可机读、可传递”。阶段2（清洗与建模）：Python处理缺失值、异常值，生成日均/极值报表，绘制趋势图，体现“可加工”。阶段3（压缩与传输）：对比原始CSV与JSON、Parquet格式体积；尝试对时间序列做差分编码+RLE压缩，计算压缩率。阶段4（知识输出）：撰写《校园热岛效应微调研报告》，引用数据图表支撑论点，标注数据来源与处理代码链接，践行信息社会责任。项目贯穿全单元，每课产出阶段性成果，本课重点完成阶段1方案设计与阶段2算法原型验证