资源简介

中小学教育资源及组卷应用平台
学习任务单
课程基本信息
学科 信息科技 年级 九年级 学期 秋季
课题 智能预测出行方式
教科书 书 名：信息科技 出版社：浙江教育出版社 出版日期：2023年8 月
学生信息
姓名 学校 班级 学号
学习目标
1. 通过上一阶段的项目成果汇报和梳理，理解人工智能建立预测模型的基本过程。 2. 通过重构数据集和模型调参两个对比实验，了解影响模型准确率的因素，感受数据、算法、算力对于人工智能发展的重要性。
课前学习任务
1.准备小组汇报材料 2.准备好学习任务单。
课上学习任务
（1）回顾项目任务，填写项目结构化反馈表表格。 项目目标：P(plus)/亮点D（delata）/建议Q（question）/问题
（2）总结并记录训练人工智能预测模型的过程。 实验一：重构数据集 根据小组要探究的实验目的，选择不同的数据训练模型，对模型进行测试评估。 实验目的：因素选择平均误差节假日（） 高峰（） 出行方式（） 距离（） 雨雪（） 雾（） 节假日（） 高峰（） 出行方式（） 距离（） 雨雪（） 雾（） 节假日（） 高峰（） 出行方式（） 距离（） 雨雪（） 雾（） 节假日（） 高峰（） 出行方式（） 距离（） 雨雪（） 雾（） 你们的发现：
实验二：模型调参 根据小组要探究的实验目的，设计不同的神经网络参数，对模型进行测试评估。 实验目的：隐藏层层数每一层神经元数量平均误差训练时间你们的发现：
生活应用 生活中还有哪些预测模型，它们又是如何进行预测的呢？
推荐的学习资源
21世纪教育网(www.21cnjy.com)中小学教育资源及组卷应用平台
教学设计
课程基本信息
学科 信息科技 年级 九年级 学期 秋季
课题 智能预测出行方式
教科书 书 名：信息科技 出版社：浙江教育出版社 出版日期：2023年8 月
教学目标
1. 通过上一阶段的项目成果汇报和梳理，理解人工智能建立预测模型的基本过程。 2. 通过重构数据集和模型调参两个对比实验，了解影响模型准确率的因素，感受数据、算法、算力对于人工智能发展的重要性。
教学内容
教学重点： 人工智能建立预测模型的过程。 教学难点： 探究影响模型准确率的因素。
教学过程
教学环节 教学活动 设计意图
旧知回顾 以小组为单位，对前两节课的成果进行汇报，梳理并完善人工智能建立预测模型的过程。 【学生活动】结合前两节课的学习经验，梳理人工智能建立预测模型的过程，并以图示的形式画在活动记录单上。 以小组为单位，结合已经画好的图示，讲一讲自己组的项目成果。 《导学单》上记录:训练人工智能预测模型的过程。 【教师活动】教师组织学生交流互动，并要求学生思考问题：你觉得你们组训练的模型预测的准确度高吗？你判断的依据是什么？你认为影响模型准确度的因素有哪些？ 学生前面已经经历人工智能建立预测模型的全过程，以项目回顾和汇报的方式，对这个过程进行梳理，有利于学生巩固旧知，同时通过问题链的形式，引发新的思考，也为本节课的学习做好铺垫。
新知建构 实验1：重构数据集 【活动描述】前面提出数据集可能是影响模型准确率的一个重要因素。本环节通过实验猜想、实验设计和实验验证三个环节，探究数据集数量、不同的数据项对于模型准确率的影响。 【学生活动】提出假设，设计实验:小组合作，就如何优化出行时间预测模型的问题展开讨论，并根据小组猜想设计实验方案。 实验探究，验证假设: 结合设计的实验方案，利用模型评估程序重新训练模型，记录评估结果。观察结果并得出结论。 小组分享实验过程与结论。 【教师活动】教师组织学生交流互动，总结数据对于模型准确率的重要性。 实验2：模型调参 【活动描述】教师复习神经网络和深度学习的概念，学生通过调整神经元数量和层数，进一步探究不同参数对模型准确率和模型训练时间的影响。 【学生活动】小组合作，根据实验目的设计实验方案，调整参数，训练模型，记录模型准确率和模型训练时间。 小组派代表汇报实验情况和实验结论 【教师活动】教师讲授神经网络和深度学习的基本概念，引导学生设计实验方案。对学生的分享进行总结，并引导学生感受算法、算力对于人工智能发展的重要性。 学生根据自己的猜想设计不同的实验方案，提高学生分析问题，设计问题解决方案的能力。利用实验验证猜想，对比模型准确率可以更加直观得感受数据对于模型准确率的影响，对预测模型的训练过程有进一步的理解。 在实践探究中记录数据，发现规律，得出实验结论，并通过小组分享，师生小结，体会数据、算法、算力对于人工智能发展的重要性。
迁移运用 【活动描述】利用今天所学的知识，去解释人工智能预测模型在其他领域的应用和原理。 【学生活动】学生分享：人工智能预测模型在生活中还有哪些运用，它们又是如何进行预测的？ 【教师活动】教师小结：小到个人，大到国家，我们都需要做各种各样的决策，而预测作为决策的前提和基础，也为决策提供重要的参考。引导学生感受人工智能预测模型的意义和价值。 利用学习的知识去解释生活中的相关现象，对知识进行迁移运用。
归纳总结 梳理本节课学习的内容，包含人工智能训练预测模型的过程，以及数据、算力、算法对于人工智能发展的重要性。 回顾、总结、梳理知识要点，提升知识的巩固和提升。
21世纪教育网(www.21cnjy.com)中小学教育资源及组卷应用平台
作业练习
课程基本信息
学科 信息科技 年级 九年级 学期 秋季
课题 智能预测出行方式
教科书 书 名：信息科技 出版社：浙江教育出版社 出版日期：2023年8 月
作业练习
1.智能预测出行方式的实现需经历 “数据 - 模型 - 应用” 的核心流程，请完整列举该流程的关键步骤，并解释 “特征” 与 “标签” 在数据集中的具体含义（以 “预测雨天是否选择自驾” 为例说明）。 2.某同学收集了一组出行数据用于模型训练，部分原始数据如下表。请指出其中存在的 3 类数据问题，并说明对应的预处理方法。 日期 天气 温度 出行距离 实际出行方式 2025-09-01 小雨 22℃ 3.5km 自行车 2025-09-02 暴雨 18℃ —— 出租车 2025-09-03 晴 偏高 15km 地铁 2025-09-04 中雨 20℃ 0.8km 走路
3.某智能出行预测模型以 “雨量（0 = 晴，6 = 特大暴雨）、温度（℃）、出行距离（km）” 为特征，输出 “步行（0）、自行车（1）、自驾（2）” 三类预测结果。若输入新数据为 “雨量 = 5，温度 = 16℃，距离 = 8km”，请结合生活逻辑与模型原理推测预测结果，并说明该模型属于类别预测还是数值预测。 4.城市交通管理部门计划利用智能预测技术优化公交调度，请从 “数据来源”“模型挑战”“应用价值” 三个维度分析该方案的可行性，并列举至少 2 种关键影响因子。 5.某导航 APP 通过分析用户历史出行数据预测目的地并推荐路线，却被曝光收集用户实时位置用于商业推广。结合教学中 “社会责任” 相关内容，分析该行为存在的问题，并提出 2 条保障数据伦理的建议。 参考答案 1.关键步骤：数据收集→数据预处理（清洗、量化）→特征提取→模型选择与训练→模型评估优化→实时预测与反馈 。 特征：指影响预测结果的输入变量，如 “预测雨天是否选择自驾” 中的 “降雨量”“出行距离”； 标签：指待预测的输出结果，如该场景中的 “是否自驾”（可量化为 1 = 是，0 = 否） 。 2.问题 1：2025-09-02 的 “出行距离” 为空（数据缺失），处理方法：通过均值填充或删除该条记录； 问题 2：2025-09-03 的 “温度” 为模糊描述（非量化数据），处理方法：替换为具体数值（如 “偏高” 对应 28℃）； 问题 3：“出行方式” 中 “走路” 表述不统一（与其他选项逻辑不一致），处理方法：标准化为 “步行” 。 3.预测结果：自驾（2）。理由：雨量 = 5 属于大雨天气，步行和自行车受天气影响大；8km 距离适中，自驾具备便利性 。 模型类型：类别预测，因输出结果为离散的出行方式类别 。 4.数据来源：公交 GPS 定位数据、交通流量传感器数据、天气预报数据、历史客流统计数据 ； 模型挑战：需解决实时性（交通流动态变化）与数据质量（传感器故障导致数据缺失）问题 ； 应用价值：动态调整发车频率，减少乘客等待时间，提升公交出行效率 ； 关键影响因子：高峰时段、路段拥堵指数 。 5.存在问题：未经用户许可收集并滥用隐私数据，违反数据隐私保护原则，侵犯用户知情权 ； 改进建议：① 采用 “隐私计算” 技术，在不暴露原始数据的前提下进行模型训练 ；② 明确告知用户数据用途，提供 “同意 / 拒绝” 选项，保障用户控制权 。
21世纪教育网(www.21cnjy.com)

展开更多......

收起↑