学科核心素养视角下高中信息技术单元教学设计与实践研究

《普通高中课程方案（2017 年版 2020 年修订）》明确提出，普通高中课程必须坚持立德树人的根本任务，以发展学生核心素养为宗旨，推动人才培养模式的变革，实现从‘知识本位’到‘素养导向’的根本转变[1]。修订的课程标准新增了“学科核心素养”和“学业质量标准”两部分内容，强调对学生综合能力的衡量，而非仅关注知识技能的掌握。学科核心素养是学科育人价值的集中体现，需贯穿课程设计、教学实施与评价的全过程。

传统教学模式往往将学科知识解构为孤立的知识点进行机械传授，缺乏对学科大概念的统整，难以实现知识的结构化迁移。单元教学设计是以主题项目为统领的结构化教学组织方式，以学科核心素养为导向，以项目式学习为途径开展单元教学设计实践，落实学科核心素养[2]。如何通过单元教学设计落实学科核心素养？笔者结合粤教版高中信息技术必修一《数据与计算》第五章的内容，以学科核心素养为导向，以项目主题“学生行为与学业表现分析”为途径开展单元教学设计与实践。

一、学科核心素养视角下的单元教学设计与实践

信息技术学科核心素养是指学生在学习信息技术课程过程中应形成的、适应终身发展和社会发展需要的必备品格和关键能力。具体来说，信息技术学科核心素养主要包括以下几个方面：信息意识、计算思维、数字化学习与创新以及信息社会责任[3]。基于学科核心素养的单元教学设计，坚持以素养导向，目标指向核心素养的四个维度，强调以学生为主体，通过知识技能和情景的有机整合，让学生在问题解决中经历"实践-反思-内化"的素养发展过程。笔者以 ADDIE 为框架阐述项目主题为“学生行为与学业表现分析”的单元教学设计与实践过程。

（一）分析（A）

素养导向的项目学习目标：

1.信息意识

了解大数据的概念，能够描述学生行为与学业表现数据的特征，理解数据在分析中的价值。能够明确项目需求，制定数据采集的需求清单，确保数据的相关性和有效性。

2.数字化学习与创新

能够根据项目需求，选用合适的数字化工具进行数据采集、处理和分析，提升学习效率与创新能力。在数据分析过程中，尝试运用多种技术探索数据背后的规律。

3.计算思维

了解数据采集的基本方法，并选择合适工具进行数据收集。

能够利用软件工具对数据进行整理、清洗、计算与分析，形成结构化数据。学会选用恰当的可视化工具清晰表达数据分析结果。

4.信息社会责任

在数据处理过程中，遵守数据隐私与安全规范，合理使用和保护学生数据，体现信息社会责任意识。

5.成果输出与实践应用

基于数据分析结果，总结学生行为与学业表现之间的关联，反思个人时间分配问题，提升数据驱动决策的能力。

通过本项目学习，学生将综合运用信息意识、数字化工具、计算思维及社会责任等核心素养，完成从数据采集到分析的全流程实践，培养数据思维与问题解决能力。

（二）设计（D）

基于素养导向的项目学习目标，从内容设计、活动设计、核心素养达成的证据收集三个维度设计（如表1）

脚手架工具：数据分析的关键算法以及 python 代码实现。

（四）实施（I）

1.情景引入：观看《大数据时代》纪录片

任务：归纳大数据的含义与特征。

任务：查阅相关资料，从数据规模、数据类型、处理速度、分析技术四个维度对比分析传统数据与大数据的区别。

2.数据采集的基本方法和工具

（1）系统日志采集法

任务：体验查看操作系统日志的方法，感受系统日志采集法。

（2）网络数据采集法——网络爬虫

教师演示网络爬虫实例如爬取天气信息，介绍网络爬虫的原理。

任务：完善 python 爬虫程序，采集相关网页内容并保存。

（3）其它数据采集法——传感器采集

教师引导学生举例生活中传感器采集数据的应用实例，如运动手环等穿戴设备。

引出项目主题任务：学生行为与学业表现分析，需要采集哪些数据？如何采集？

3.数据处理和分析的方法

教师介绍数据分析的目的：在一大批杂乱无章的数据中，运用数字化工具和技术，探索数据内在的结构和规律。

数据分析的工具和技术介绍：Pandas 库，Python 中最受欢迎且广泛使用的机器学习库之一 scikit-learn。

教师展示部分学生行为数据，提出问题"这些数据中是否存在隐藏规律？如何用数据分析优化学习策略？"。

（1）特征探索（清洗数据，查看缺失值和异常值）

任务：时间合规性检查，计算每日总时间，标记异常值（如<18h 或>24h，可能存在记录错误）

思考：数据清洗的重要性？

（2）关联分析

任务：成绩预测与关键因素分析，例如通过数据分析计算"当学生每天睡眠 <6 小时，成绩下降的概率是多少？"。

思考：结合自身经验讨论其他可能影成绩的行为因素，并用数据验证。

（3）聚类分析

任务：利用高斯混合模型（GMM）进行学生分群与个性化建议。选择三维特征学习时间，社交时间与运动时间分析群组特征。

（4）数据分类

任务：利用朴素贝叶斯分类器进行压力水平的多因素分类。输入个体数据，实时预测压力等级。

思考：时间分配不同对压力的影响，解读特征重要性（如运动对压力的影响）。

4.数据驱动决策

任务：反思总结数据分析前/后我对___的认识变化是__

（五）评价（E）

关注素养发展过程，主要通过课堂观察记录、学生反思了解学生素养的达成情况

二、教学实践反思

通过基于学科核心素养的项目学习，学生经历从据采集工具、分析工具和可视化工具基本操作技能操作到问题解决的进阶式实践。通过完成数据清洗、整理、计算等标准化操作以及数据透视、统计检验（如相关性分析）或机器学习（如聚类分析），挖掘行为与学业表现的潜在规律，形成可解释的结论，培养以数据驱动决策的核心素养。单元教学是落实核心素养的有效载体，教师需从“知识传授者”转向“素养引导者”。在教学过程实践过程中，也存在不少的问题和挑战，如跨学科单元设计、技术支持下的个性化学习与有效评价仍然存在显著提升空间。

参考文献

[1]中华人民共和国教育部.普通高中课程方案（2017 年版2020 年修订）[M].北京：人民教育出版社，2020.

[2]徐福荫.信息技术必修 1 数据与计算教师教学用书.广州：广东教育出版社 2019.

[3]中华人民共和国教育部.普通高中信息技术课程标准（2017 年版2020 年修订）[S].北京：人民教育出版社 ，2020.