机器如何自学-探索无监督学习（教学设计）五年级下册信息科技清华版.docxVIP

《机器如何自学——探索无监督学习》教学设计

课时教材分析：

本课作为单元第三课时，引导学生从监督学习过渡到无监督学习。通过“图形找朋友”、“生活场景辨析”等活动，学生将体验机器如何在没有标签的情况下，借助聚类算法自主发现数据的内在结构与规律。课程还启发学生关注数据偏见对结果的影响，旨在培养其计算思维、模型理解能力，以及公平负责的技术应用观念。

2.学情分析：

五年级学生具备较强的观察、比较和归纳能力，能够基于图形的颜色、形状等显性特征完成分类任务，这为理解“聚类”概念提供了直接的认知基础。通过学习本单元前两课，他们已初步建立起“监督学习”需要标签指导的认知，这为对比理解本课“无监督学习”的“自学”模式做好了铺垫，但也可能因“没有标准答案”而产生思维冲突。他们的思维正处在从具象向抽象过渡的关键期，对于“K-均值聚类”中迭代优化的抽象过程，需要借助角色扮演、流程图排序等直观活动来辅助理解。学生乐于动手操作图片聚类工具，但对技术背后的伦理问题，如“数据偏见”，尚缺乏敏感度，需通过实例进行引导。

3.教学重点：

（1）理解无监督学习的核心思想：在没有预设标签的情况下，机器自主发现数据中的相似性并进行分组。

（2）体验聚类算法的基本过程，能描述K-均值算法的核心步骤。

4教学难点：

（1）理解K-均值聚类算法中“选中心-分组-更新中心”的迭代优化思想。

（2）初步建立对数据偏见的认知