高中信息技术选择性必修4《使用K-均值算法进行聚类》教学设计.docxVIP

高中信息技术选择性必修4《使用K均值算法进行聚类》教学设计

一、教学目标

本课面向高二学生，依托人教/中图版选择性必修4《人工智能初步》教材中聚类单元展开。教学目标设定为四个层次。知识层面，学生能够说出聚类与分类的本质区别，描述K均值算法选中心—分小组—移中心—再分组的迭代流程，理解距离度量与收敛条件的含义。能力层面，学生能够用Python的sklearn库对校园真实数据完成一次完整的聚类实践，并用matPLOTlib可视化结果，能根据肘部法则初步判断K值。思维层面，通过人工分堆到机器聚类的对照，体会算法如何用确定性的迭代逼近看似模糊的物以类聚。素养层面，在讨论聚类结果是否合理、是否公平的过程中，形成对算法局限性的批判意识。

二、教学重点与难点

教学重点是K均值算法分配—更新两步迭代的机制理解，以及用肘部法则选择K值。难点有二：其一，学生容易把聚类误解为分类，不理解无监督学习中没有标准答案这一前提；其二，初始中心点的随机选择会导致结果不稳定，这一随机性背后的数学原因对高二学生较为抽象，需要借助可视化手段化解。

三、学情分析

授课对象为高二选考信息技术的学生，已完成必修一Python基础学习，会调用函数、能读懂循环结构，多数学生具备两点距离公式的数学基础。学生的经验世界里充满被聚类的场景——短视频推荐、游戏分服、购物猜你喜欢——但他们从未意识到背后存在一种不依赖标签的学习方式。本课恰