高中信息技术必修一大数据处理的单元教学设计_第1页
高中信息技术必修一大数据处理的单元教学设计_第2页
高中信息技术必修一大数据处理的单元教学设计_第3页
高中信息技术必修一大数据处理的单元教学设计_第4页
高中信息技术必修一大数据处理的单元教学设计_第5页
已阅读5页,还剩11页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

高中信息技术必修一大数据处理的单元教学设计一、教学背景与课标定位本节课选自浙教版高中信息技术必修一第四章第二节第一课时,内容聚焦大数据的处理流程与基本方法。在2025—2026学年的教学语境中,大数据已深度嵌入社会治理、科学研究和日常生活,学生对“数据”的感知十分丰富,但对“数据如何被处理并产生价值”的认知仍停留在经验层面。依据《普通高中信息技术课程标准(2017年版2020年修订)》中“数据与计算”模块的要求,本课旨在帮助学生理解数据处理的基本过程,掌握数据清洗、分析与可视化表达的常用方法,形成用数据思考和表达问题的意识。本课在单元中处于承上启下的位置。第四章以“数据处理与应用”为主题,前一节完成了数据采集与编码的铺垫,后一节将走向数据挖掘与综合应用。本课聚焦“处理”本身,既是对前面知识的逻辑延伸,也是后续项目学习的核心支撑。从学科大概念来看,“数据需要经过适当处理才能转化为信息与价值”是贯穿本课的关键主线。二、学情分析与设计思路高一学生已经具备基础的计算机操作能力,能够使用电子表格软件进行简单的数据录入和统计,部分学生接触过Python编程,但对数据处理的认识是零散的、工具取向的。他们习惯用手机刷短视频、看实时路况、使用个性化推荐,却很少思考这些应用背后的数据处理链条。在本课学习中,学生的困难预计集中在三处:一是难以理解数据清洗的必要性,觉得“多一步不如少一步”;二是面对真实数据时缺乏问题分解意识,不知道从哪个环节入手;三是将可视化简单等同于“画图”,忽略了图形选择与信息传达之间的匹配关系。基于这样的学情,本课采用“真实情境—问题驱动—项目实践—反思迁移”的设计路径,以校园智慧食堂的一日订单数据为素材,让学生经历从原始数据到信息图表的完整处理过程。设计的基本立场是:不把数据处理讲成软件操作说明书,而是让学生站在“数据工程师”的视角,体会每一步操作背后的判断与决策。三、教学目标其一,能够准确描述大数据处理的一般流程,说出数据清洗、数据分析、数据可视化三个关键环节的功能与关系,并能够用自己的语言解释“清洗为什么是处理的第一步”。其二,能够使用电子表格工具完成数据去重、缺失值处理、异常值识别等基本清洗操作;能够依据问题需要选择合适的统计指标(如平均值、众数、占比)进行有效分析;能够根据数据特征和分析目标选择恰当的可视化图表类型(如柱状图、折线图、饼图、散点图),并独立完成图表的生成与解读。其三,通过对真实校园数据的处理体验,养成严谨、负责的数据态度,认识到数据处理中的每一个判断都可能影响最终结论,进而形成“用数据说话、按证据决策”的理性思维习惯。四、教学重点与难点教学重点有两个方面:一是数据处理完整流程的建立,特别是“从原始数据到可用数据再到可视化结论”这条主线;二是数据清洗中常见问题的识别与处理方法,这是学生最缺乏经验但又是真实项目中最重要的环节。教学难点在于如何让数据清洗不沦为机械操作。数据清洗表面上是技术动作,实质上是基于业务理解的价值判断——什么样的数据是“脏”的,什么样的数据应该保留,什么样的异常需要追溯原因。学生在没有业务背景知识的情况下,容易陷入“为了清洗而清洗”的误区。因此本课将清洗动作嵌入对食堂运营问题的求解过程中,让每一次清洗都关联到一个具体的决策问题。五、教学准备硬件环境方面,需要多媒体计算机教室,确保每人一机,教师机具备广播演示功能。软件环境方面,学生机预装表格或MicrosoftExcel,同时安装Python集成开发环境(如Thonny或VSCode,若条件不允许,可使用在线Python平台备用)。数据资源方面,教师提前准备一份模拟的“校园智慧食堂一日订单数据”,包含约2000条记录,字段有订单编号、学号、姓名、食堂窗口、菜品名称、单价、数量、支付金额、支付时间、支付方式。数据中预埋以下问题:存在完全重复的订单记录;部分记录缺少支付金额;个别单价异常(如0.01元或999元);菜品名称中存在同一菜品的不同写法(如“红烧肉”与“红烧肉(大份)”);支付时间格式不统一(有“2025091512:03:22”与“2025/09/1512:03:22”两种格式)。此外,教师需要准备一份学生任务单,内容包括清洗清单、分析问题提示、图表草图区域和反思记录表。任务单不是答案手册,而是思维支架,帮助学生记录每一步操作的理由。六、教学过程(一)引入环节:从一次“不愉快”的食堂消费说起上课伊始,教师在大屏幕上呈现一张“校园智慧食堂一周消费投诉汇总表”,表中列出三条典型投诉:第一条,同学A反映:“我昨天中午在二号窗口打了一份糖醋排骨,刷卡显示扣了28元,但我记得这个菜平时只卖12元。”第二条,同学B反映:“我通过校园App查我的消费记录,发现一条9月14日晚上10点37分的订单,但那天晚上我在教室上晚自习,根本没去过食堂。”第三条,同学C反映:“我想在App上看看自己这个月在食堂花了多少钱,结果统计出来的数字比我实际感觉的多了差不多50块,不知道哪里出了问题。”教师提问:“如果你是学校信息化中心的工程师,收到这三条投诉,你会从哪里入手排查?这三条投诉分别指向了数据可能存在哪些问题?”学生结合生活经验自然说出“价格可能标错了”“可能是系统时间不对”等猜测。教师顺势将学生的猜测引导到专业概念上来——这些“不对头”的地方,就是“脏数据”。教师板书课题:大数据的处理——从“脏数据”到“好结论”。同时明确本课的核心任务:处理一份真实的校园食堂订单数据,回答三个问题:食堂各窗口的销售额分布如何?一周内食堂的客流高峰出现在哪些时段?学生对食堂菜品的价格敏感度是否与消费次数有关?设计意图:以贴近学生生活的事例切入,不绕弯子,用三个问题迅速激活学生的经验,同时预告了本课的任务主线。此环节约6分钟。(二)第一环节:走近大数据处理——流程的整体图景教师出示一份来自某电商平台的“用户购物数据流转示意图”作为导入,图中展示了从用户点击、产生日志、存储到推荐系统输出的完整链条。教师引导学生观察后提问:“在这张图中,数据到达最终被使用之前,经历了几个不同的阶段?每个阶段分别在做什么?”学生指认,教师归纳,并在黑板上写下四个关键词:采集、存储、处理、应用。教师说明:本课聚焦“处理”这一核心环节,而处理本身又可以分为三个子步骤——清洗、分析、可视化。接着,教师用一段简洁的口头讲解帮助学生建立整体认知。数据处理不是一条线性的流水线,而是一个反复迭代的过程。清洗之后发现数据不够,可能需要回头重新采集;分析过程中发现某些字段定义模糊,可能需要回到清洗阶段重新定义规则。因此,数据处理更像是一个螺旋上升的循环。教师随即展示本课的学习路径图(此图在PPT上呈现),标明“订单数据→数据清洗→数据统计→图表可视化→结论与建议”五个节点,并在节点之间用双向箭头连接,强调可回溯性。教师解释:“这张图是你们今天工作的路线图,也是评分时的检查清单。”设计意图:在动手操作之前,先给学生一张“认知地图”,避免学生在后续操作中迷失方向。同时通过双向箭头的设计传递“处理是可迭代的”这一重要观念。此环节约6分钟。(三)第二环节:数据清洗——为分析打好地基教师将预置的“食堂订单数据.csv”文件分发到每一台学生机,要求学生打开文件。教师先不急于布置清洗任务,而是请学生花两分钟时间自由浏览数据表,并回答一个问题:“看到这张表,你凭直觉觉得哪些地方让你不舒服、不放心?”学生陆续说出“有几行完全一样的”“金额列有空白”“菜名好像有重复但又不一样”“有个菜品单价是0.01元,肯定不对”等发现。教师将这些发现逐一记录在白板左半侧,再请学生尝试把这些“不舒服”归一下类:哪些是数据本身错了,哪些是格式不统一,哪些是信息缺失,哪些是重复冗余。学生在教师引导下整理出一份“脏数据清单”,包括四类问题:重复数据、缺失数据、异常数据、不一致数据。教师补充说明:这四类问题就是数据清洗要处理的主要对象。随后,教师带领学生逐一完成清洗操作。每个操作之前,教师先提问“为什么要处理这类问题?如果不去处理,对后续分析有什么影响?”以此保证学生不是在做机械操作。第一步,删除完全重复的行。教师演示使用“删除重复项”功能,同时请学生记录删除了多少行重复数据。教师追问:“重复的数据是怎么来的?可能的原因有哪些?”学生推测可能是系统重复提交或用户多次点击。教师肯定后补充:“在真实业务中,发现重复数据本身就是一个有价值的信号——它可能提示系统存在逻辑漏洞。”第二步,处理缺失值。学生发现“支付金额”列存在约20行空白,另有少量“数量”为空。教师出示两种处理策略的对比:一种是直接删除这些记录,另一种是用合理值(如该菜品的历史平均单价)进行填补。教师提问:“在这个食堂消费场景中,这两种策略各自的利弊是什么?”学生讨论后认识到,如果直接删除,可能丢失有价值的消费行为信息;如果用平均值填补,则可能引入人为偏差。教师给出一种务实的处理建议:对于金额缺失但菜品单价明确且数量已知的记录,可以通过计算补全;对于多个字段都缺失的记录,直接删除。学生照此操作并记录处理的行数。教师同时提醒:“你们的每一步清洗决策都要写在工作日志里,这是评价的一部分。”第三步,识别并处理异常值。教师请学生用排序功能查看“单价”列的最小值和最大值,学生发现0.01元和999元两个极端值。教师不直接告诉学生如何处理,而是引导他们讨论:“这两个值有没有可能是真实的?”学生结合生活经验判断,0.01元不可能是正常售价,999元也不符合食堂菜品的定价区间。教师进一步引导:“那这两个极端值可能是系统错误、测试数据或录入失误。对于这种明显不符合业务逻辑的值,通常采用删除或者标记的方式。我们选择删除,并在工作日志中备注原因。”第四步,统一数据格式。学生发现“支付时间”列有两种日期格式,教师演示使用“分列”或“文本转列”功能统一格式。同时,菜品名称中的“红烧肉”与“红烧肉(大份)”被视为同一菜品的不同规格。教师提问:“如果不对这类名称进行统一,后续按菜品统计销量时会发生什么?”学生回答:“同一个菜会被拆成两个,统计数据就分裂了。”教师引导学生使用查找替换功能统一名称,并强调命名规范的重要性:“数据治理中有一句话叫’垃圾进,垃圾出’,名称不规范就是最典型的源头问题。”清洗完成后,教师请学生在工作日志中总结:“本次清洗共发现四类问题,删除重复记录X条,处理缺失值Y条,删除异常值Z条,统一格式N处。经过清洗,数据从2000条变为约1950条。”教师提示:“清洗后的数据才是分析的原料,但清洗本身不能随意进行——你的每一个删除动作背后都要有业务逻辑支撑,这也是数据伦理的基本体现。”设计意图:将清洗过程组织为“发现问题—归类问题—讨论策略—执行操作—记录依据”五个步骤,突出清洗环节的决策属性而非工具属性。通过让学生亲历真实脏数据,建立对“数据质量决定分析质量”的深刻体验。此环节是整个教学过程的重点,约20分钟。(四)第三环节:数据分析——用统计回答具体问题清洗完成后,教师带学生回到本课开头提出的三个问题,明确分析阶段的任务:“清洗后的数据是一块璞玉,现在我们需要借助统计工具把它雕琢成有用的信息。”第一个问题:食堂各窗口的销售额分布如何?教师请学生使用数据透视表,以“食堂窗口”为行标签,以“支付金额”为求和项,生成各窗口的销售总额统计表。学生完成操作后,教师引导学生观察数据并回答:“哪个窗口的销售额最高?哪个最低?最高和最低之间相差多少倍?”学生在回答后,教师进一步追问:“销售总额高的窗口一定代表菜品质量好吗?还有哪些因素会导致这个结果?”学生可能提到窗口数量、营业时长、位置等因素。教师肯定后总结:“这是数据分析中的一个重要原则——一个数字本身说明不了问题,必须结合业务背景进行解读。数据分析不是计算出数字就结束了,而是要解释数字背后的原因。”第二个问题:一周内食堂客流高峰出现在哪些时段?教师引导学生统计各时间段(按小时划分)的订单数量。学生使用数据透视表或COUNTIF函数完成统计。教师请学生用语言描述自己看到的规律:“中午11点到13点的订单数量明显高于其他时段”“晚上17点到19点是第二个高峰”“上午10点之前几乎没有订单”。教师追问:“知道了高峰时段,对食堂管理有什么实际意义?”学生提出可以安排更多人手、提前备菜、调整窗口开放数量等。教师肯定这些建议,并指出“数据分析如果不能转化为行动建议,就只是数字游戏”。第三个问题:学生对菜品的价格敏感度与消费次数之间的关系。此问题的分析在Excel中操作稍复杂,教师可以提供一个简化的方案:按菜品单价从低到高排序,统计每个价位的菜品被购买的次数,再做分组统计。教师演示使用散点图初步呈现单价与购买次数的大致关系。教师提醒:“这一轮分析不必追求精确的数学模型,重点是体会统计方法的选择——用什么样的指标来度量‘消费次数’和‘价格水平’本身就是需要设计和判断的。”在分析和讨论的基础上,教师相机补充一个必要的知识模块:大数据处理的常见技术形态,包括批处理与流处理的区分、离线分析与实时分析的适用场景。教师以本课使用的电子表格为例说明这是“批处理”的典型方式,再以食堂刷脸支付的实时扣款为例说明“流处理”的特征,帮助学生在掌握动手技能的同时理解学科观念。设计意图:三个问题分别对应描述性统计(销售额)、分布分析(时间分布)和关联探索(价格与次数),在难度上逐步递进,在认知层次上从“读数”走向“读道”。教师通过追问不断将学生的注意力拉回业务情境,避免统计操作沦为纯技术展示。此环节约18分钟。(五)第四环节:数据可视化——让结论自己说话教师以“一个图表胜过千言万语”引入本环节,但并不把可视化简化为“把数据变成图”的操作。教师出示四张图——柱状图、折线图、饼图、散点图,请学生根据刚才分析得到的三个问题的数据类型分别判断:用什么图来展示窗口销售额最合适?用什么图来展示客流高峰时段最合适?用什么图来展示单价与购买次数的关系最合适?学生选择后,教师追问:“为什么销售额分布不用饼图而用柱状图?”“为什么客流时段用折线图而不是柱状图?”学生在讨论中理解到选择的依据是变量的类型和分析目的:类别比较用柱状图优先,趋势变化用折线图自然,占比构成用饼图直观,双变量关系用散点图最能揭示规律。随后,学生利用电子表格的图表功能,完成三张图表的制作,并对图表进行必要的格式调整:添加标题、调整坐标轴刻度、标注数据来源。教师要求每张图表下方加上一句不超过20个字的结论陈述。学生完成后,教师选取两到三份作品进行展示,请全班同学从“信息传达是否清晰”“图表选择是否恰当”“结论表述是否准确”三个维度进行点评。教师在此过程中不急于纠正,而是引导全班围绕“图表有没有误导性”展开讨论,引入一个重要的批判性视角:“同样的数据,换一种图表呈现方式可能让人产生完全不同的感觉——如果纵轴从0开始画和从接近最小值的数字开始画,视觉效果会有什么差异?”学生通过观察发现,纵轴起点的改变可能“放大”数据的细微差异,从而影响读者的判断。教师强调:“数据可视化不是纯粹的审美工作,它同时承担着伦理责任——一个负责任的数据呈现者,应该让图表如实反映数据,而不是用视觉技巧操纵读者。”设计意图:将可视化从操作技能提升为思维方法和伦理实践,强调“图表的品格即人的品格”。通过交叉点评和批判性讨论,让学生不仅会做图,更会“看图”“评图”。此环节约15分钟。(六)第五环节:复盘与迁移——从食堂数据到更广阔的数据世界教师请学生回到白板左侧的“脏数据清单”,对照清洗后的结果,逐一确认四类问题都是如何被解决的。教师提问:“如果给你一份完全陌生的数据,比如城市交通卡口的车辆通行记录,你会按照什么样的顺序来处理?哪些经验可以直接迁移?哪些可能需要调整?”学生试图迁移时,教师顺势引导他们抽象出通用的数据处理流程框架:先进行质量检查(是否有重复、缺失、异常、不一致),再进行业务理解(数据里的每个字段对应什么现实含义),然后明确分析目标(到底要回答什么问题),最后执行统计和可视化。教师进一步展开一个问题:“本课我们用的是电子表格软件,所有操作都以菜单、按钮的方式完成。但面对真正的海量数据,电子表格还能胜任吗?——比如全校学生三年来的每一笔消费记录,可能有几十万行,电子表格勉强能处理;但如果是全国范围内某外卖平台一天产生的数亿条订单数据,电子表格就会卡死,甚至无法打开。这时候就需要另一种工具来处理。”教师随后简单演示一段Python代码,用Pandas库对同一份订单数据完成“按窗口统计销售额”的任务。学生看到仅用三行代码即可实现此前用数据透视表完成的功能,发出了然的赞叹。教师解释:“电子表格适合处理中小规模数据的快速探索,而编程方式适合处理更大规模、更复杂的处理任务。两者并不冲突,而是各有所长。在后续的学习中,你们会逐步接触Python的数据处理能力。”最后,教师投影展示一张“大数据技术栈”的宏观视图,图中标记了数据采集(Flume、Kafka)、数据存储(HDFS、NoSQL)、数据处理(MapReduce、Spark、Flink)、数据分析(Hive、Pig)、数据可视化(ECharts、Tableau)等代表性工具的名称,但这些不做展开,仅作为拓展视野的窗口。教师说明:“今天的课堂中,你们用电子表格完成了数据处理的完整闭环——从清洗到分析到可视化。这个闭环就是大数据处理的缩影,工具可以升级,但流程和思维是相通的。”设计意图:通过经验迁移建立知识的结构化,通过Python演示打开通往高层次工具的天窗,通过宏观视图帮助学生在学科体系中定位本课所学。此环节约10分钟。七、教学评价设计本课的评价以过程性评价为主,形成性评价为辅,聚焦学生在数据处理中的思维品质和操作规范,而非仅看最终图表是否美观。课堂观察方面,教师随堂巡视时关注学生是否能够独立完成清洗操作,是否有意识地为每一步操作记录理由,是否在讨论中主动表达自己的判断依据。教师使用简易的量规表记录学生表现,量规分为三个维度:操作规范性、决策合理性、表达清晰性,每个维度分A、B、C三个等级。工作日志方面,学生每人提交一份电子工作日志,内容包含清洗处理记录表、分析过程说明和可视化作品截图。教师对日志进行等级评定,重点考查“是否写清楚了为什么这样做”,而非“是否选对了标准答案”。因为数据处理中往往没有唯一正确答案,只有更合理的决策。小组互评方面,在可视化环节安排全班展示与互评,每个学生使用“两点优点一点建议”的方式对他人的作品进行书面反馈,作为评价的组成部分。终结性评价采用课后练习,提供一份陌生的“城市共享单车骑行数据”,包含骑行时长、起点终点、车辆编号、开锁时间等字段,同样预置清洗问题,要求学生独立完成从清洗到可视化再到给出管理建议的完整任务,并以短文形式提交分析报告。八、教学反思与改进方向本课在设计之初,最担心的问题是清洗环

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论