清华大学版（2024）（青海）八下信息科技 第1单元 第4课 跨学科活动：身高推断 教学设计.docxVIP

课题名称

第4课跨学科活动：身高推断

课时目标

1.熟练运用所学的机器学习知识和数据处理方法，完成从数据收集、模型训练到搭建身高推断系统的全流程操作，提升综合实践能力。

2.通过小组分工，增强团队协作和沟通能力，学会在团队中发挥各自优势，共同完成项目任务。

3.能够根据项目需求设计合理的方案，选择合适的工具和技术，解决实际问题，并对项目成果进行客观的评价与反思，提高问题解决能力和自我认知能力。

教学准备

计算机设备，确保每台设备均安装好XEdu编程环境

导学过程

意图交流

一、跨学科项目介绍

1.再现单元项目情境

在数字化浪潮下，机器学习技术广泛应用于各个领域，为解决实际问题提供了创新的思路和方法。在我们的生活中，存在着大量的数据，如日常消费记录、学习行为数据等，这些数据背后隐藏着许多有价值的信息。以学生学习情况为例，老师和家长常常希望了解学生的学习状态，以便及时给予帮助和指导。我们能否运用机器学习技术，通过收集和分析生活学习中的相关数据，通过机器学习的模型训练，为生活学习提供方便呢？

2.跨学科项目基本流程简介

需求分析→合作分工→规划实施（数据收集与处理、模型构建与训练、系统开发、测试优化）→交流评价

3.跨学科项目评价要求简介

——展示项目成果评价量规

项目成果

评价标准

评价方式

优

良

差

自评

他评

项目需求分析表

需求描述全面、准确、具体，深度剖析影响学习状态的各类因素，清晰确定数据收集的方法、范围，明确预期的模型效果，实现功能清晰、无歧义。

需求描述完整且正确，覆盖主要影响学习状态的因素和基本功能要求。

需求描述存在明显遗漏或错误，对关键要素把握不准确。

数据收集与处理

数据收集全面且具代表性，包含学习行为、成绩、时间管理等多维度学习相关数据。数据清洗和整理工作精细，有效去除错误和异常数据，数据集划分科学合理，相关记录详细、准确。

数据收集较全面，基本涵盖主要方面，整理和划分基本合理，记录无明显错误。

数据收集不完整，仅涵盖少量相关数据。整理划分存在问题，如未处理明显的错误数据，数据集划分不合理。

模型构建与训练

模型选择完全契合学习数据特点，训练过程严格规范，尝试多种算法并深入对比分析。评估指标表现优异。

模型选择基本符合学习数据特点，训练和评估过程正确，尝试了多种算法并进行比较。评估指标表现较好。

模型选择不当，与学习数据特点不匹配，训练过程存在问题，如参数设置不合理。

预测系统开发

系统功能完整，涵盖所有预期功能。界面设计友好美观，操作便捷。能精准载入训练好的模型，输出可靠的预测结果。

系统功能基本实现，可正常载入模型并输出结果。界面设计有一定合理性，交互设计能满足基本需求。

系统功能存在明显缺陷，如无法正确载入模型或输出结果频繁出错。交互设计差，界面不友好。

测试优化记录

记录详细完整，对发现的问题深入分析，解决思路合理、具体且有效，能显著提升系统性能。

测试记录正确，能发现主要问题，解决思路基本合理，能使系统性能有所改善。

测试记录不完整，对问题分析不清，解决思路不合理或无效，无法有效改进系统性能。

组织实施跨学科项目

1.开展需求分析

自主阅读教材中关于机器学习项目需求分析的相关内容以及提供的学习状态预测系统的参考资料。

2.优化分工合作

根据各小组的实际情况，调整并优化表项目小组的分工合作表

3.开展规划实施

（1）自主阅读“设计方案”，并完成如下任务。

①自主阅读项目的设计方案资料，明确项目实施的具体步骤和要求。

②数据收集与处理，对收集到的数据进行仔细清洗，去除错误数据和异常值。

③模型构建与训练：选择适合学习状态预测任务的机器学习算法进行模型训练。

④系统开发：根据系统的实现目标，选择合适的开发工具搭建应用系统。

4.开展交流评价

（1）各小组整理相关成果，并制作汇报PPT

（2）先组内交流，再组间交流

（3）开展评价，填写表3.4.3

三、单元课外作业

要求完成单元的“小结与评价”