第 4 课 跨学科活动：身高推断 教学设计 湘教版2025八年级信息科技下册.pdf

第4课跨学科活动：身高推断

活动概述

本次跨学科活动以“身高推断”为任务，学生将综合运用信息科技与生物医学、

统计学等学科知识，通过组建小组完成从数据收集、模型训练到系统搭建的完整项目

流程。通过实践，学生能够掌握机器学习在跨学科场景中的应用方法，提升数据处理、

团队协作和问题解决能力，体会人工智能技术在现实生活中的实际价值，培养创新思

维与实践能力。

教材分析

教材以“神探通过脚印推断身高”的情境引入，引导学生理解身高与身体特征

（脚长、脚宽、步长等）的关联性，明确通过机器学习构建身高推断模型的任务目标。

内容涵盖需求分析、分工合作、规划实施、交流评价四大环节，具体包括：设计调查

问卷收集数据、使用BaseML工具训练回归模型、利用PyWebIO搭建交互系统。教材

强调跨学科整合，注重将数据收集、算法选择、模型部署等技术环节与实际问题解决

结合，培养学生的项目化学习能力。

学生能识别跨学科问题中数据的关键作用，理解身高推断背后的

信息数据分析逻辑；

意识能够根据任务需求筛选有效数据特征，增强对多源数据的敏感度

和应用意识。

通过设计数据收集方案、选择回归算法、优化模型参数，培养问

计算题分解和逻辑规划能力；

核心思维理解“特征-目标”映射关系，提升利用计算思维解决跨学科

素养问题的能力。

目标数字

借助教材工具（BaseML、PyWebIO）自主完成模型训练与系统搭

化学

建，掌握数字化工具在跨学科项目中的应用方法；

习

在数据清洗、算法调优中尝试创新策略，培养实践创新能力。

创新

信息在数据收集过程中尊重他人隐私，遵守数据伦理规范；

社会通过团队分工明确责任，培养协作意识和科学探究精神，树立技

责任术服务于现实问题的价值观。

完成“身高推断”项目的全流程：数据收集→模型训练→系统

教学

教学搭建；

重、

重点掌握BaseML工具进行回归模型训练与评估的方法；

难点

利用PyWebIO实现简单交互界面，输出推断结果。

设计合理的调查问卷，确保数据的完整性和有效性；

教学分析不同算法（如线性回归、多项式回归）对模型效果的影响，

难点选择最优方案；

调试系统交互逻辑，实现用户输入与模型推理的无缝衔接。

教学方法项目式学习法、小组合作法、案例分析法、实践操作法

媒体课件、在线调查工具（如腾讯问卷）、BaseMLPyWebIO

教学用具

工具指南、“身高推断”数据集模板、项目分工表、评价量规

课时安排二课时

教学过程（第一课时）

教学

教学活动二次备课

环节

播放一段侦探剧片段，剧中侦探通过现场脚印成

选择的影视片段

功推断出犯罪嫌疑人的身高。播放结束后，提问学生：

要情节紧凑、引人入

“大家想不想知道现实中如何通过科学的方法实现

课程胜，能快速吸引学生注

类似的身高推断呢？”