第11课 预测模型构建 教学设计 2025-2026学年九年级全册信息技术浙教版.docxVIP

课程基本信息

学科

信息科技

年级

九年级

学期

秋季

课题

预测模型构建

教科书

书名：信息科技教材

出版社：浙江教育出版社出版日期：2023年8月

教学内容与学习对象分析

本课是智能预测的第二课，通过预测模型的构建过程，以人工智能预测出行项目为主线，让学生学会构建数据集、建立神经网络分类模型，并应用模型进行预测。

本课第一部分“预测模型构建”，同学们通过分享自己的人工智能预测出行项目，明确项目主题、影响因子、采集方式并对数据进行采集。同时，引发思考，收集的收据能否直接进行模型训练，从而引入对数据预处理的学习，了解构建数据集的一般过程，学会数据编码。本课第二部分，基于第一部分的数据处理成果上，继续进一步对模型的构建过程进行探究，通过分析模型代码模块的功能，总结训练人工智能预测模型的过程，学习模型的初步构建，为后续课程中实现人工智能预测出行模型奠定基础。

学习对象是九年级学生，他们具备一定的逻辑思辨能力和动手能力，具有较强的个人意识。在知识储备上，他们能综合运用Excel软件处理数据，了解机器学习相关知识，并在生活中对智能预测的相关应用有所接触，但对于数据清洗、数据编码、神经网络分类模型了解较少。

教学目标分析（含核心素养导向）

1.通过对收集的数据集进行整理和数据编码，学会根据表格数据建立预测模型。

2.通过对人工神经网络模型的学习，初步构建本组的智能预测模型。

教学重难点

核心素养。指向

教学重点：

学习预测模型的构建过程，掌握数据处理、模型建立和预测方法。

教学难点：

预测模型的构建过程。

【信息意识】通过设计人工智能预测出行项目，了解人工智能预测对生活的改变。

【计算思维】通过对数据集的分析和处理，掌握数据清洗、数据编码的方法。

【信息社会责任】关注数据变量对人工智能预测模型训练的影响。

教学过程

课前回顾

回顾上节课学习内容：预测的基本概念和原理、人工智能预测的一般步骤。

学生汇报分享设计的人工智能预测出行项目以及采集的数据。

新知学习

数据预处理

展示学生汇报时的采集数据，询问该数据是否可以直接进行模型训练。

学生回答：不能。

引出数据预处理。

【学习活动1】（1）打开自己采集的数据，分析其中存在哪些问题，思考该如何进行处理，并记录在任务单上。

学生分享发现的异常值和处理方案。

【新知讲解1】

1.数据处理过程中，异常值、缺失值的处理办法。

2.数据集的构建过程。

【学习活动1】（2）根据数据处理方案，处理数据。

【新知讲解2】学生化身程序员，分析并优化数据集。提出数据编码。

【学习活动2】（1）确定编码方案，并填写在任务单上。

学生分享编码方案。教师补充并小结。

【学习活动2】（2）打开自己的数据集，结合编码方案，处理数据。

模型训练

【新知讲解3】提出神经网络训练模型。

【学习活动3】（1）学生阅读并分析代码的功能模块，记录在任务单上。

学生分析代码模块。

【学习活动3】（2）总结训练人工智能预测模型的过程，记录在任务单上。

【新知讲解4】小结神经网络训练模型的过程。

【学习活动4】将处理好的数据集命名为“data.xls”，复制到程序文件的根目录处，并运行代码，记录模型的预测结果。

学生分析运行代码的过程。

课堂小结

课堂小结，并布置课后作业。

【课后作业】填写项目化结构反馈表，分析本项目的亮点、问题并思考如何解决。