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PyWeblO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

素养科问题的能力。

目标数字

借助教材工具（BaseML、PyWeblO）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；

习与

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：数据收集一模型训练一系统

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PyWeblO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）、BaseML与PyWeblO工

教学用具

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