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.docx

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。

核心素养目标

信息意识

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数据分析逻辑；

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。

计算思维

通过设计数据收集方案、选择回归算法、优化模型参数，培养问题分解和逻辑规划能力；

理解“特征-目标”映射关系，提升利用计算思维解决跨学科问题的能力。

数字化学习与创新

借助教材工具（BaseML、PyWebIO）自主完成模型训练与系统搭建，掌握数字化工具在跨学科项目中的应用方法；

在数据清洗、算法调优中尝试创新策略，培养实践创新能力。

信息社会责任

在数据收集过程中尊重他人隐私，遵守数据伦理规范；

通过团队分工明确责任，培养协作意识和科学探究精神，树立技术服务于现实问题的价值观。

教学重、难点

教学重点

完成“身高推断”项目的全流程：数据收集→模型训练→系统搭建；

掌握BaseML工具进行回归模型训练与评估的方法；

利用PyWebIO实现简单交互界面，输出推断结果。

教学难点

设计合理的调查问卷，确保数据的完整性和有效性；

分析不同算法（如线性回归、多项式回归）对模型效果的影响，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

教学用具

媒体课件、在线调查工具（如腾讯问卷）、BaseML与PyWebIO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）

教学环节

教学活动

二次备课

课程导入

播放一段侦探剧片段，剧中侦探通过现场脚印成功推断出犯罪嫌疑人的身高。播放结束后，提问学生：“大家想不想知道现实中如何通过科学的方法实现类似的身高推断呢？”引导学生思考身高与身体其他特征之间可能存在的联系，从而引出本次跨学科活动——身高推断，激发学生的学习兴趣和探索欲望。

选择的影视片段要情节紧凑、引人入胜，能快速吸引学生注意力。提问后，给学生一些思考时间，鼓励他们大胆猜测和发言。

知识讲授

需求分析

讲解身高推断系统的基本功能，即通过分析与身高相关的因素数据来预测身高。引导学生思考影响身高的因素，结合教材内容，介绍常见的与身高相关的因素，如脚长、脚宽、步长、体重、性别等，并解释这些因素与身高可能存在的关联。例如，从生物学角度说明骨骼发育对身高的影响，脚长、步长等作为骨骼长度的外在体现，与身高有一定的比例关系。

介绍根据需求选择数据收集方法的要点，针对本次活动，推荐使用在线调查的方式收集数据，详细讲解在线调查工具（如腾讯问卷、问卷星）的使用方法和优势，如操作简便、数据收集快速、可自动统计等。

2.分工合作

讲解小组分工在项目式学习中的重要性，参照教材中的项目小组分工合作表示例，介绍组长、负责数据集制作与文档撰写的成员、负责模型训练与评估的成员、负责模型部署与程序测试的成员等不同角色的职责。强调各成员之间需要密切协作，共同完成项目任务。

通过实际案例，如之前学生完成的类似项目，展示不同分工角色如何协同工作，让学生更清晰地理解每个角色的工作内容和重要性。

在讲解需求分析时，可结合生活实例，如篮球运动员通常身材高大，其脚长、步长等也相对较长，帮助学生理解各因素与身高的联系。介绍在线调查工具时，可现场演示创建问卷的过程，让学生更直观地感受其操作方法。讲解分工合作时，多鼓励学生提问，确保他们明确每个角色的职责范围。

实践操作

需求分析实践

学生分组，每组根据身高推断的需求，利用教材和网络资源，讨论并填写项目需求分析表。教师为学生提供一些引导问题，如“除了教材中提到的因素，还有哪些可能影响身高？”“如何确保收集到的数据准确可靠？”等。

教师巡视各小组，观察学生的讨论情况，适时给予指导和帮助，解答学生在需求分析过程中遇到的问题，如对某些因素的相关性