第四章 数据处理与应用 项目挑战：助力公益用数据普惠民生（教学设计）-2024-2025学年《信息技术》高中·必修 1 数据与计算（浙教版）

第四章数据处理与应用项目挑战：助力公益，用数据普惠民生（教学设计）-2024-2025学年《信息技术》高中·必修1数据与计算（浙教版）授课内容授课时数授课班级授课人数授课地点授课时间设计意图本章节旨在让学生通过数据处理与分析，解决实际问题，培养学生运用信息技术助力公益、服务民生的能力。以“助力公益，用数据普惠民生”为主题，引导学生结合课本知识，运用数据统计、图表分析等方法，探究数据在公益领域的应用，提高学生的信息素养和社会责任感。核心素养目标分析本节课旨在培养学生的信息意识、计算思维、数字化学习与创新以及信息社会责任。通过数据分析项目，学生能够学会从数据中提取信息、运用统计图表进行表达，提升解决实际问题的能力；同时，通过参与公益项目，增强学生的社会责任感和公民意识，培养他们的创新思维和团队合作精神。重点难点及解决办法重点：1.数据的收集与整理；2.数据的统计与分析；3.数据图表的制作与展示。

难点：1.如何选择合适的数据分析方法；2.如何有效地将数据分析结果可视化。

解决办法：1.通过实际案例，引导学生了解不同数据类型和分析方法的应用场景；2.采用小组合作学习，让学生在实践中探索和尝试不同的分析方法；3.邀请专业人士进行讲座，介绍数据分析工具的使用技巧；4.通过课堂练习和项目实践，让学生在实践中掌握数据可视化的技能，突破数据分析的难点。教学资源准备1.教材：确保每位学生都有《信息技术》高中·必修1数据与计算（浙教版）教材。

2.辅助材料：准备与教学内容相关的数据集、统计图表模板、公益项目案例视频等多媒体资源。

3.实验器材：电脑设备，用于数据分析和图表制作。

4.教室布置：设置分组讨论区，提供白板或投影仪展示分析结果，确保网络连接稳定。教学过程设计一、导入环节（5分钟）

1.创设情境：展示一组关于公益活动的图片，如志愿者服务、慈善捐助等，引导学生思考数据在公益活动中的作用。

2.提出问题：通过提问“数据如何帮助我们更好地了解公益活动的影响？”激发学生的兴趣和求知欲。

二、讲授新课（15分钟）

1.数据收集与整理：介绍数据收集的方法和工具，如问卷调查、网络数据等，并讲解数据整理的步骤。

2.数据统计与分析：讲解常用的统计方法，如平均值、中位数、众数等，以及如何运用统计图表（柱状图、饼图、折线图）展示数据。

3.数据图表的制作与展示：演示如何使用电子表格软件制作图表，并讲解图表设计的原则。

三、巩固练习（10分钟）

1.分组讨论：将学生分成小组，每组选择一个公益项目，收集数据并进行分析。

2.小组展示：每组派代表展示分析结果，其他小组进行评价和讨论。

四、课堂提问（5分钟）

1.提问环节：教师针对课程内容提出问题，如“如何判断数据的有效性？”“如何选择合适的图表类型？”等。

2.学生回答：鼓励学生积极回答问题，教师给予点评和指导。

五、师生互动环节（10分钟）

1.教师提问：针对课程重难点，教师提问并引导学生思考，如“如何运用数据分析方法解决实际问题？”

2.学生回答：学生回答问题，教师进行点评和补充。

3.小组合作：教师提出问题，要求学生分组讨论并解决问题，如“如何利用数据分析提高公益活动的效率？”

4.小组展示：每组派代表展示讨论结果，其他小组进行评价和讨论。

六、核心素养拓展（5分钟）

1.教师引导：教师引导学生思考如何将数据分析应用于其他领域，如商业、教育等。

2.学生分享：学生分享自己的见解和想法。

七、总结与反思（5分钟）

1.教师总结：回顾课程内容，强调重点和难点。

2.学生反思：学生反思自己在课程中的收获和不足，提出改进意见。

整个教学过程共计45分钟，各个环节紧密衔接，确保学生在轻松愉快的氛围中掌握知识，提升核心素养。拓展与延伸六、拓展与延伸

1.拓展阅读材料：

-《大数据时代：生活、工作与思维的大变革》：这本书深入探讨了大数据对社会、经济和人类生活的影响，可以让学生了解数据分析在现实世界中的应用。

-《数据之美》：这本书通过丰富的案例展示了数据可视化的魅力，对于培养学生数据分析的审美观和创造力有很好的帮助。

-《统计学的艺术》：介绍了统计学的基本原理和方法，有助于学生更深入地理解数据分析的数学基础。

2.课后自主学习和探究：

-学生可以尝试收集自己感兴趣的公益项目的数据，如环保活动、社区服务等，进行数据分析，并撰写分析报告。

-引导学生关注日常生活中的数据，如社交媒体上的数据、经济指数等，尝试用数据分析方法解读这些数据背后的信息。

-鼓励学生利用在线资源，如数据可视化工具、数据分析软件教程等，进行自我学习，提升数据分析技能。

3.知识点全面性：

-数据收集方法：除了课本中提到的问卷调查、网络数据等，还可以探讨实验数据、观察数据等收集方法。

-数据分析方法：除了平均数、中位数、众数等基本统计量，还可以引入概率分布、假设检验等更高级的统计方法。

-数据可视化：介绍不同类型图表的制作和适用场景，如散点图、热力图、网络图等，以及如何通过可视化增强数据表达的效果。

-数据伦理：讨论数据隐私、数据安全等伦理问题，引导学生树立正确的数据使用观念。

4.实用性：

-学生可以尝试将数据分析应用于解决实际问题，如设计一个社区垃圾分类的推广方案，通过数据分析来评估不同策略的效果。

-鼓励学生参与学校的科学探究活动，利用数据分析来支持实验设计、结果解释和结论得出。

-引导学生关注国家政策和社会热点，通过数据分析来理解政策背后的数据支持和实际效果。典型例题讲解例题1：某社区组织了一次环保公益活动，共有100名志愿者参与。活动结束后，统计了每位志愿者参与的小时数，数据如下：

5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24

请计算以下指标：

（1）平均参与小时数；

（2）中位数参与小时数；

（3）众数参与小时数。

答案：

（1）平均参与小时数=(5+6+7+...+23+24)/20=12.75小时

（2）中位数参与小时数=(11+12)/2=11.5小时

（3）众数参与小时数=24小时（出现次数最多）

例题2：某学校进行了一次英语水平测试，成绩分布如下：

A：90-100分，人数20；

B：80-89分，人数30；

C：70-79分，人数40；

D：60-69分，人数10；

请计算以下指标：

（1）平均分；

（2）中位数；

（3）众数。

答案：

（1）平均分=(90*20+80*30+70*40+60*10)/100=76分

（2）中位数=(80+70)/2=75分

（3）众数=70-79分（人数最多）

例题3：某市居民对公共交通满意度调查，调查结果如下：

非常满意：30人；

满意：50人；

一般：70人；

不满意：20人；

非常不满意：10人。

请计算满意度指数。

答案：

满意度指数=(非常满意人数+满意人数)/总人数=(30+50)/160=0.875

例题4：某班级学生身高分布如下（单位：cm）：

150-160，20人；

160-170，30人；

170-180，25人；

180-190，15人；

190-200，10人。

请计算以下指标：

（1）平均身高；

（2）中位数身高；

（3）众数身高。

答案：

（1）平均身高=(150*20+160*30+170*25+180*15+190*10)/100=167.5cm

（2）中位数身高=(160+170)/2=165cm

（3）众数身高=160-170cm（人数最多）

例题5：某公司员工加班时间如下（单位：小时）：

5,6,7,8,9,10,11,12,13,14

请计算以下指标：

（1）平均加班时间；

（2）中位数加班时间；

（3）众数加班时间。

答案：

（1）平均加班时间=(5+6+7+8+9+10+11+12+13+14)/10=9小时

（2）中位数加班时间=(9+10)/2=9.5小时

（3）众数加班时间=9小时（出现次数最多）课堂小结，当堂检测课堂小结：

本节课我们学习了数据处理与分析的基本方法，包括数据的收集与整理、数据的统计与分析以及数据图表的制作与展示。通过实际案例和练习，同学们掌握了如何运用数据分析来助力公益，服务民生。以下是本节课的重点内容：

1.数据收集与整理：了解不同数据收集方法，如问卷调查、网络数据等，以及数据整理的基本步骤。

2.数据统计与分析：学习常用的统计方法，如平均值、中位数、众数等，以及如何运用统计图表展示数据。

3.数据图表的制作与展示：掌握电子表格软件制作图表的方法，了解图表设计的原则。

4.数据分析在公益领域的应用：通过实际案例，了解数据分析如何帮助公益活动提高效率，增强社会影响力。

当堂检测：

1.以下哪项不是数据整理的基本步骤？

A.数据清洗

B.数据录入

C.数据分析

D.数据可视化

2.在一组数据中，以下哪项指标最能反映数据的集中趋势？

A.平均值

B.中位数

C.众数

D.方差

3.以下哪种图表最适合展示不同类别数据的占比？