资源简介

(共31张PPT)
UNIT 3 · LESSON 15 · 算法的影响
浙教版 小学信息科技 · 六年级上册 · 第三单元 算法的影响
在线购物中的推荐算法
算一算你和谁像，再猜你可能买什么
主讲教师：×××
学校：×××小学
首页那句“猜你喜欢”，是一步一步算出来的。
本课导航
CONTENTS
本课导航
算一算你和谁像，
再猜你可能买什么。
01
一份购物记录：谁买过什么
02
推荐算法：看过去、算相似、猜喜欢
03
三种思路：按人推、按物推、神经网络
04
算相似度：谁和你最像
05
分组成组，去掉重复：推荐就出来了
06
活动与练习：排一排、算一算、找一找
小浙提示
先看这一课要走的四步，心里有个数。
02
03
本课学习目标
第三单元 算法的影响 · 第 15 课
01
能说出推荐算法是“看过去、算相似，再猜你可能喜欢什么”。
02
能读懂本课的购物记录，算出“和谁重合几件”。
03
能按“基于用户的推荐”走一遍：算相似、分成一组、去掉重复。
04
知道数据多起来要用神经网络推荐；也明白选择在自己。
一句话：这一课学的，是“猜你喜欢”背后的算法。
小浙提示
读一遍目标，重点是“看过去、算相似、猜喜欢”。
03
04
承接：从“一条一条试”到“猜你可能喜欢”
第三单元 · 第 14 课 → 第 15 课
上一课找的是“走得通的路”，答案在范围里等着被找到；这一课要猜的是“你可能喜欢什么”，答案还没有出现。
第 14 课
搜索：一条一条试
范围定好、规则定好，一条一条试；试过才算数，答案就在范围里。
第 15 课
推荐：先算相似
没有现成答案，先看过去买过什么，再算谁和你像、什么常凑在一起。
两件事连起来：搜索是把已有的找出来，推荐是拿已有的去猜还没有的。
这一课的任务：跟着一份购物记录，把“猜你喜欢”一步一步算出来。
推荐不是猜谜，它先算你和谁像。
小浙提示
一句话接上：上一课把答案找出来，这一课要猜还没有的。
04
05
读场景：一份购物记录
第一部分 · 情境线（示例数据）
四位用户在 5 件商品上留下的购买记录。商品用代号 ①②③④⑤，记录是上课用的示例数据。
①
②
③
④
⑤
用户 ＼ 商品
你



A



B



C


图例：每一行是一位用户，每一列是一件商品；填色的格子表示买过（示例数据）
只看这张表，你能说出“你可能还想要哪一件”吗？又是怎么想出来的？
小浙提示
先让学生自己看表：谁买了几件，有没有重合的。
05
06
核心：什么是推荐算法
核心页 · 本课落点一
根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么——这就是推荐算法。
① 看过去
你买过什么
先看已有的记录：你买过 ①②③，这是算的依据。
② 算相似
谁和你像、什么靠得近
算人和人重合几件，或者算东西常不常凑在一起。
③ 猜喜欢
剩下的就是推荐
去掉你已有的，把相似度高的推给你。
三句话连起来：先看你买过什么，再算谁和你像，最后猜你还想要什么。
落点一：推荐算法＝看过去、算相似，再猜你可能喜欢什么。
小浙提示
重点讲三个词：看过去、算相似、猜喜欢。
06
07
常见的三种推荐思路
核心页 · 先认识，本课动手走前两条
同一句“猜你喜欢”，背后的算路不止一条。先认识三种最常见的。
思路
它看什么
什么时候好用
基于用户
谁和你像：算用户之间的相似度
用户不算多，买过的东西有重叠
基于产品
什么常凑在一起：算商品之间的相近性
东西很多，想说“买了这个还买什么”
神经网络
性别、年龄、地域、浏览记录……一起看
数据规模很大，线索很多
三条思路有一个共同点：都拿“已有的记录”，去推“还没有的选择”。
本课动手走前两条：先按人推，再按物推；第三条只认识（数据大了才用得上）。
小浙提示
三行按顺序读，说清“先认识哪两条，第三条只认识”。
07
08
谁和你像（一）：算相似度
核心页 · 示例数据
第一步：把每个人和你买过的商品对一对，看重合几件。重合得多，就是更像。
①
②
③
④
⑤
用户 ＼ 商品
你



A



B



C


图例：每一行是一位用户，每一列是一件商品；填色的格子表示买过（示例数据）
你 和 A 重合 ②③（2 件）、和 B 重合 ①③（2 件）、和 C 只重合 ①（1 件）。
琥珀色的格子＝和你重合的商品。只看“买过哪些商品”，不看年龄和地域。
小浙提示
让学生自己数：和 A 重合几件、和 B 重合几件。
08
09
谁和你像（二）：分成一组
核心页 · 示例数据
第二步：把最像你的人放到一组——这一组的共同爱好，最可能也适合你。
A
进组：重合 2 件
A 买过 ②③④，和你有 ②③ 两件一样，进组。
B
进组：重合 2 件
B 买过 ①③⑤，和你有 ①③ 两件一样，进组。
C
不进组：只 1 件
C 只和你重合 ①，相似度不够，先不跟。
和你最像的一组是 A、B，一共 2 人；他们重合的件数在四个人里最多。
分组的依据只有一个：谁和你重合的件数最多。
像不像，是算出来的，不是凭感觉挑的。
小浙提示
问一句：C 为什么进不了这一组？
09
10
谁和你像（三）：去掉重复，剩下的就是推荐
核心页 · 示例数据
第三步：把组里和你重复的商品去掉——你已经有了，就不用再推。
①
②
③
④
⑤
用户 ＼ 商品
你



A



B



C


A 买过 ②③④，去掉 ②③ 剩 ④；B 买过 ①③⑤，去掉 ①③ 剩 ⑤。
组里剩下你还没买的 ④ 和 ⑤：基于用户的推荐，给出 2 件。
小浙提示
提醒：去掉的是“你已经买过的”，不是“别人买得少的”。
10
11
什么常凑在一起：基于产品的推荐
核心页 · 示例数据
换一个角度：不看人，看商品。买过 ① 的人，还一起买了什么？
一起出现的商品
出现次数
说明
③
2 次
买过 ① 的人里，有 2 个也买了 ③（你已经买过）
⑤
2 次
买过 ① 的人里，有 2 个也买了 ⑤
②
1 次
只有 1 个人同时买了 ① 和 ②（你已经买过）
买过 ① 的共 3 人。排在前面又还没买过的只有 ⑤ → 基于产品的推荐，给出 1 件。
这叫“基于产品的推荐”：先算商品之间的相近性，再推相近性大的——浏览篮球之后推篮球鞋，就是这个道理。
小浙提示
第 ① 行单独讲：你已经买过 ③，所以只推 ⑤。
11
12
两种推荐比一比
核心页 · 示例数据
同一份记录，两种思路各给了一份推荐。它们看的角度一样吗？
思路
它看什么
给出的推荐
基于用户
谁和你像：先算用户之间的相似度
④ ⑤（2 件）
基于产品
什么常凑在一起：算商品之间的相近性
⑤（1 件）
两种都推到的只有 ⑤，一共 1 件：推得越一致，越值得先看一看。
一个看“人像不像”，一个看“东西近不近”——用的是同一份记录。
想一想：如果两种方法推的东西完全不一样，你会先看哪一件？说说理由。
小浙提示
问：两种方法各看什么？为什么推得不一样？
12
13
数据多了怎么办：神经网络推荐
核心页 · 只认识，不深讲
本课只有 4 位用户、5 件商品，人算得过来；真实的在线购物平台，是几千万用户、几千万商品。
线索多
不止一条记录
性别、年龄、地域、浏览记录都算线索。
算不完
人一条条对不过来
组合太多，靠手算根本排不完。
交给机器
让它自己找规律
自动学出复杂规律，结果更准。
线索越多、数据越大，越要靠机器自动找规律。
推荐算法也在长本事：从一张小表，到几千万条记录。
这三个词只要记住：线索多、算不完、交给机器。
小浙提示
三条线索一条条读，重点落在“算不完”这一条。
13
14
核心：一把尺子，说清推荐算法
核心页 · 本课落点二
用第 13 课那把尺子，把这一课学到的推荐算法说清楚。
要问的
怎么回答
本课的例子
① 看什么
看你过去的行为：买过哪些商品、和谁重合
4 位用户、5 件商品（示例数据）
② 怎么算
算相似：人跟人像不像，或者物跟物近不近
重合 2 件／2 件／1 件
③ 给出什么
去掉你已经有的，剩下的就是推荐
基于用户 ④⑤；基于产品 ⑤
同一把尺子，两种思路都套得上：看什么、怎么算、给出什么。
落点二：推荐算法＝看过去、算相似，再给出你可能喜欢的东西。
小浙提示
这一页是方法页，把它当说清推荐算法的尺子。
14
15
活动一：排一排
学生活动 · 任务单活动一
下面是“基于用户的推荐”走过的 5 步，按先后顺序在括号里填 1—5。
代号
做过的事
填
A
把组里和你重复的商品去掉：A 剩 ④、B 剩 ⑤
B
先看你买过的商品：① ② ③
C
把 A、B 放进一组（重合 2 件的最像你）
D
剩下的 ④ ⑤，就是要推给你的商品
E
逐个算：和 A 重合 ②③、和 B 重合 ①③、和 C 只重合 ①
对一对：B → E → C → A → D，也就是 1=B、2=E、3=C、4=A、5=D。
小浙提示
先让学生独立排，再同桌对答案。
15
16
活动二：算一算
学生活动 · 任务单活动二
用课上的购物记录，动手算一遍：你 和 A、B、C 各重合几件？
用户
买过的商品
和你重合的商品
重合几件
A
② ③ ④
② ③
2 件
B
① ③ ⑤
① ③
2 件
C
① ⑤
①
1 件
最像你的一组是 A、B（都重合 2 件），一共 2 人。
想一想：如果 C 也买了 ②，它会不会进这一组？进去以后，推荐的结果会变吗？
小浙提示
让学生自己算：2 件、2 件、1 件，谁最像你。
16
17
活动三：找一找——生活里的推荐
学生活动 · 任务单活动三
下面四件事，哪些是“根据过去的行为，算出相似，再猜你喜欢”？
场景
是不是推荐
它在算什么
浏览了篮球，首页出现篮球鞋
是
算商品之间的相近性
买过这套练习册的人，还买了同一套的另一本
是
算商品常不常凑一起
在通讯录里从 A 往后一个一个找名字
不是
那是一条一条试（搜索）
输入关键词，一下跳出很多结果
不完全是
背后是更聪明的搜索
同样叫“推荐”，依据不一样：有的看人像不像，有的看东西近不近。
小浙提示
第 3 行单独讲：一个字一个字找，那是搜索，不是推荐。
17
18
想一想：只推一类会怎样
议一议思维 · 教材想一想
如果平台只看“你买过什么”，一直推同一类商品，会有什么麻烦？
一直推同一类
可能的结果
看到的东西越来越窄
容易以为“大家都和我一样”，其实只是算法照着我的记录推
错过本来喜欢的东西
可以偶尔主动看看别的内容，给算法新的线索
被推着买得更多
下单前先问自己一句：这是需要的，还是被推着想要的
推荐给的是“可能”，不是“结论”。
多看一点别的内容，推荐才不会越推越窄。
小浙提示
先让学生猜，再看表格对一对。
18
19
辨一辨
练一练
说法
对 / 错
我的理由
推荐算法是根据你过去的行为，猜你可能喜欢什么。
基于用户的推荐，先算相似度，再把人分成一组。
基于产品的推荐，看的是“什么常凑在一起”。
相似度就是比谁买得多，买得越多就越像。
数据规模很大时，可以用神经网络同时考虑多种因素。
首页推给我的每一件商品都一定适合我，照着买就行。
说清理由，比只写一个“对”或“错”更重要。
小浙提示
重点看第 4、6 句，理由要写出来。
19
20
议一议：推荐有依据，选择在自己
议一议 · 本课落点三
推荐确实方便，可它会不会替我们做决定？
省时间
找东西更快
不用一件件翻，先看推给你的那几件。
有偏见
只看你的记录
记录窄，推荐就窄；它不懂你真正需要什么。
谁做主
选择在我
看什么、买不买，最后都还是自己说了算。
落点三：推荐有依据，选择在自己。
它会算，我会选。
小浙提示
先让学生说推荐的好处，再说它可能带来的麻烦。
20
21
练习与小结：再理一遍
第四部分 · 练一练，理一理
01
练习
14 题分三层：基础 1—5、提升 6—10、综合 11—14。
02
讲评
重点讲第 2、3、7、10、13 题，说清为什么。
03
小结
一条线理下来：看过去 → 算相似 → 分组成组 → 去掉重复 → 推荐。
会认、会算、会读数据——这一课就算过关。
小浙提示
讲清练习分三层，错了不用急，先看是哪一层。
21
22
随堂练习（一）
基础题　1—5
题号
题目和选项
我的答案
1
根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么，这是——A 搜索算法　B 排序算法　C 推荐算法
2
基于用户的推荐，第一步做的是——A 算用户之间的相似度　B 看商品的价格　C 看商品的库存
3
你和 A 都买过 ② 和 ③，说明——A 你买得比 A 多　B A 买得比你多　C 你们买过的商品重合 2 件
4
本课里“最像你的一组”是——A A 和 B　B 只有 A　C 只有 C
5
基于用户的推荐，要把组里的商品去掉哪一部分？A 去掉最贵的　B 去掉你已经买过的　C 去掉销量最低的
小浙提示
第 1 题让学生说说推荐算法和搜索算法的区别。
22
23
随堂练习（二）
提升题　6—10
题号
题目和选项
我的答案
6
本课“基于用户的推荐”一共给出几件？A 1 件　B 2 件　C 3 件
7
本课“基于产品的推荐”是以哪件商品为例算的？A ③　B ①　C ⑤
8
基于产品的推荐，算的是——A 用户之间像不像　B 商品的价格高低　C 商品之间常不常凑在一起
9
两种推荐都推到的商品是——A ④　B ②　C ⑤
10
数据规模很大、线索很多时，常用的办法是——A 一条一条试　B 神经网络推荐　C 只推同一类
小浙提示
第 6、7 题回到课上的购物记录上想。
23
24
随堂练习（三）
综合题　11—14
题号
题目和选项
我的答案
11
判断：相似度就是比谁买得多，买得越多就越像。A 对　B 错
12
判断：基于用户的推荐，先算用户之间的相似度，再把人分成一组。A 对　B 错
13
判断：首页推给我的每一件商品都一定适合我，照着买就行。A 对　B 错
14
判断：推荐有依据，选不选、买不买还得自己拿主意。A 对　B 错
小浙提示
判断题也要写理由，重点第 13 题。
24
25
参考答案
对一对
题号
1
2
3
4
5
6
7
答案
C
A
C
A
B
B
B
题号
8
9
10
11
12
13
14
答案
C
C
B
B
A
B
A
讲评要点
第 2、7 题：基于用户先算相似度；基于产品算“什么常凑在一起”。
第 3、10 题：重合 2 件才是像；数据大了才用神经网络。
第 13 题：推荐给的是“可能”，不是“一定”，选择在自己。
小浙提示
重点讲评第 2、3、7、10、13 题。
25
26
课堂小结
本课回顾
1
认一认
推荐算法：看过去、算相似，再猜你可能喜欢什么。
2
走一走
基于用户：算相似（2／2／1）→ 分成一组（A、B）→ 去掉重复 → 剩下 ④⑤。
3
换一换
基于产品：算“什么常凑在一起”，以 ① 为例推 ⑤；浏览篮球就推篮球鞋。
4
比一比
两种都推到的只有 ⑤；一个看人像不像，一个看东西近不近。
5
本课落点
推荐有依据，选择在自己。
算一算你和谁像，再猜你可能买什么。
小浙提示
一句话：看过去、算相似，再猜你可能喜欢什么。
26
27
关键概念
记一记
1
推荐算法
根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么。
2
基于用户的推荐
先算用户之间的相似度，把最像你的人分成一组，去掉重复，剩下的就是推荐。
3
基于产品的推荐
算商品之间的相近性，推荐相似度高、相近性大的东西。
4
神经网络推荐
数据规模很大、线索很多时，把性别、年龄、地域、浏览记录、商品特征一起交给机器，自动学出规律。
会算、会认：推荐给的是“可能”，选不选还在自己。
小浙提示
把这四个词抄进笔记本。
27
28
学习评价
评一评
评价内容
自评
互评
师评
能说出推荐算法是“看过去、算相似、再猜喜欢”
☆☆☆
☆☆☆
☆☆☆
能算出“和谁重合几件”，并说出最像你的一组
☆☆☆
☆☆☆
☆☆☆
能按基于用户的推荐走一遍：算相似、分组成组、去掉重复
☆☆☆
☆☆☆
☆☆☆
知道推荐有依据、选择在自己，不把推荐当成“一定适合我”
☆☆☆
☆☆☆
☆☆☆
☆☆☆ 能独立完成并说清理由；☆☆ 需要一点提示；☆ 需要同伴帮助。
没到三星的那一项，就是课后的复习重点。
小浙提示
没到三星的，就是复习重点。
28
29
课后作业
分层完成
01
基础（必做）
把“认一认”的空补完整；把推荐的 5 步按顺序写一遍。
02
提高（选做）
自己编一份小记录：3 位用户、4 件商品，算谁和谁最像。
03
拓展（选做）
和同学比一比：同一份记录，按人推和按物推，结果一样吗？
04
阅读
读拓展阅读《“猜你喜欢”是怎么算出来的》。
记录里不写同学的真实姓名，也不发照片。
小浙提示
记录里不写同学的真实姓名，也不发照片。
29
30
拓展阅读
读一读
“猜你喜欢”是怎么算出来的
打开购物首页，总有一排“猜你喜欢”。它不是随便挑的，是算出来的。
第一种叫“基于用户”：先找出和你买过相似东西的人，把他们分成一组，再把组里你还没有的东西挑出来。
第二种叫“基于产品”：不看人，只看东西常不常一起出现。很多人买过篮球还买了篮球鞋，再看篮球时就推篮球鞋。
记录多了以后，人就算不过来：平台有上千万用户，还知道你的年龄、地域、看过什么——只好交给神经网络自己学规律。
推荐给我们的只是“可能喜欢”。看什么、买不买，最后还得自己拿主意。
读后想一想：你用过的软件里，哪一处是“根据你过去的行为”推给你的？
小浙提示
读完让学生说：哪一处推荐是“根据你过去的行为”。
30
本课结束　谢谢观看
课后想一想：推荐给了什么，你为什么最后没有选它。
浙教版 小学信息科技 · 六年级上册《在线购物中的推荐算法》教学设计
第三单元 算法的影响 · 第 15 课 · 1 课时(40 分钟) · 配套课件 31 页
课题 在线购物中的推荐算法 教材版本 浙教版六年级上册
单元 第三单元 算法的影响 课时 1 课时(40 分钟)
执教教师 学校
课型 新授课 授课时间
一、教材分析
《在线购物中的推荐算法》是浙教版小学信息科技六年级上册第三单元“算法的影响”的第 3 课，紧接第 14 课《智能寻路中的搜索算法》。上一课解决的是“从起点到终点，走得通的路有哪些”，办法是一条一条试，答案在给定的范围里等着被找出来；这一课换了一个熟悉的场景：购物软件首页那一排“猜你喜欢”，它是怎么知道我喜欢什么的。教材由此引出推荐算法——根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么；并给出三种常见思路：基于用户的推荐、基于产品的推荐、神经网络推荐。
教材的核心内容有三项。一是概念：推荐算法＝看过去、算相似、猜喜欢，其中“看过去”是拿你买过的东西当依据，“算相似”是算重合几件，“猜喜欢”是去掉你已经有的、把剩下的推给你。二是两种做法：基于用户的推荐，先算用户之间的相似度，把最像你的人分到一组，去掉你已经买过的，剩下的就是推荐；基于产品的推荐，算商品之间的相近性，看“什么常凑在一起”。三是认识神经网络推荐：数据规模很大、线索很多的时候，把性别、年龄、地域、浏览记录、商品特征一起交给机器，自动学出规律。教材同时留下一句提醒：推荐给的是“可能”，不是“结论”。
二、学情分析
六年级的学生每天都能看到“猜你喜欢”“买了这个还买什么”，对推荐这件事一点也不陌生，但很容易把它当成“魔法”，或者当成“有人在盯着我”，很少想过它其实是在一张购物记录表上算出来的。他们已经会抽象（把真实事物变成表格里的行和格，第 2 课），会在给定的范围里一条一条试（第 14 课），也会用“看什么—怎么比—给出什么”这把尺子（第 13、14 课）。所以本课的难点不在操作，而在三处转弯。第一处转弯是“把推荐看成算出来的”：不是猜，是按同一份记录算。第二处转弯是“把像说清楚”：相似是买过的商品重合几件，不是买得多、花得多。第三处转弯是“把推荐看成提议”：它算的是可能，选不选还在自己。
本课的设计要点是“一份记录、两条算路、一次收口”。全课只用一张自编的购物记录（虚构用户“你、A、B、C”，商品一律用代号 ①②③④⑤，所有数字都标“示例数据”）：你买过 ①②③，A 买过 ②③④，B 买过 ①③⑤，C 只买过 ①⑤。第一步，读记录：谁买过什么，只看这张表能不能说出“你还想要哪一件”；第二步，给做法起名字，得到落点一：推荐算法＝看过去、算相似，再猜你可能喜欢什么；第三步，认识三种常见思路，说明这一课动手走前两种；第四步，动手算基于用户的推荐：先算相似度（2 件、2 件、1 件），把 A、B 分到一组，去掉重复，得到 ④⑤；第五步，换一个角度看商品：买过 ① 的三个人还一起买了什么（③ 出现 2 次、⑤ 出现 2 次、② 出现 1 次），推 ⑤；第六步，两种比一比（都推到的只有 ⑤），再用第 13 课那把尺子把推荐算法说清楚（落点二）；最后议一议，收口成落点三：推荐有依据，选择在自己。
三、教学目标
信息意识
· 看到首页的“猜你喜欢”时，会先问一句：它是看我买过什么算出来的吗。
· 知道推荐给的是“可能”而不是“结论”，愿意在下单前多问自己一句“这是需要的，还是被推着想要的”。
计算思维
· 能说出推荐算法的含义，并用“看过去—算相似—猜喜欢”三个关键词说明白。
· 能算清“和你重合几件”，说清什么叫“像”；能按“算相似 → 分组成组 → 去掉重复”走完一次基于用户的推荐。
· 能读懂数据：4 位用户、5 件商品，重合 2／2／1，基于用户给出 ④⑤、基于产品给出 ⑤，两种都推到的只有 ⑤。
数字化学习与创新
· 能自己编一份小小的购物记录（4 人 5 件），带着同伴算一算谁和谁最像、该推什么。
· 能用“看人像不像、看东西近不近”看懂身边的一条推荐，并说出它算的是什么。
信息社会责任
· 知道推荐是算出来的，不是随便猜的，也不是“有人在盯着我”。
· 知道一直只看一类，看到的东西会越来越窄，愿意主动多看一点别的内容，给算法新的线索。
· 本课场景、数据与图形都是自编的示例数据（虚构的用户“你、A、B、C”，商品用代号 ①②③④⑤，4 位用户／5 件商品／重合 2、2、1 等），不出现真实的购物平台名称、真实商品名称、真实同学姓名与个人隐私信息。
四、教学重点与难点
教学重点：能说出推荐算法的含义；能说清基于用户和基于产品的推荐分别算的是什么；能读懂本课购物记录上的数据（重合 2／2／1、基于用户给出 ④⑤、基于产品给出 ⑤）。
教学难点：理解“相似”是买过的商品重合几件，不是买得多；理解“分成一组、去掉重复”这两步在做什么、为什么不能省；体会推荐给的是“可能”而不是“结论”，选择权还在自己手里。
五、教学准备
教师：教学课件(31 页)、核心动画(5 分 53 秒，带配音)、购物记录板贴(自制)、商品代号卡片(自制)、学生活动任务单、学习评价表。
学生：活动任务单、笔、直尺。
六、教学方法与学法指导
教法：情境教学法、任务驱动法、演示法、对比教学法、讨论辨析法。以“你可能还想要哪一件”这一个问题贯穿全课，用一份购物记录把四个落点串起来。
学法：读表数数法、跟着演示算一遍、填表记录法、比较归纳法。学生先看记录提出问题，再跟着算一遍，最后自己找一条身边的推荐，说出它算的是什么。
七、教学过程
环节 教师活动 学生活动 设计意图 时间
一、承接与导入 不复习旧知识，只把问题换个场景：上一课是“路在哪里”，这一课是“我喜欢什么”。请学生说说自己见过的推荐，出示课题与本课要走的四步，说明全课只算一份记录。 举一两个自己见过的“猜你喜欢”；明确这一课要弄清“推荐是怎么算出来的”。 从学生的日常经验切入，把“推荐”从神秘的感觉拉回到可以算的一张表上。 3 分钟
二、读场景：一份购物记录 出示购物记录表：四位用户（你、A、B、C）、五件商品（①②③④⑤），填色的格子表示买过。追问：只看这张表，你能说出“你可能还想要哪一件”吗？让学生先自己猜一遍，再点出“靠感觉猜不稳，得算”。 在表上数一数每个人买过几件；说出自己猜的那一件，以及凭什么猜。 先让学生经历“猜不准”的困境，推荐算法的必要性才立得住；全课后面的数据和这张表完全一致。 4 分钟
三、核心一：什么是推荐算法(落点一) 给这种做法起名字：推荐算法——根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么。拆成三个关键词：① 看过去（你买过什么）② 算相似（谁和你像、什么靠得近）③ 猜喜欢（剩下的就是推荐）。 用三个关键词各说一句话；把“看过去”换成别的例子（比如看过哪些视频、听过哪些歌）。 本课的第一个落点。先把名词和方法框住，后面的两种算路才有归属。 4 分钟
四、核心二：常见的三种推荐思路 逐个讲三种思路：① 基于用户——看谁和你像；② 基于产品——看什么常凑在一起；③ 神经网络推荐——数据规模很大、线索很多时用。随即组织活动三“找一找”：判断四件事哪些是推荐、它在算什么。 跟着老师复述三种思路；在活动三里判断四件事，说出理由；重点辨析“输入关键词一下跳出结果”为什么不完全是。 三种思路是本课的知识框架，先说清“有哪些”，再动手走前两条；活动三把课堂和生活在同一页连起来。 4 分钟
五、跟着算一遍：基于用户的推荐 带着学生算：先看你的记录（①②③）；再逐个比——和 A 重合 ②③（2 件）、和 B 重合 ①③（2 件）、和 C 只重合 ①（1 件）；把最像的 A、B 分到一组，C 先不跟；最后去掉重复：A 剩 ④、B 剩 ⑤，推荐 ④⑤，一共两件。随即组织活动一“排一排”，把五步按先后顺序填 1—5。 跟着动画一格一格算，每算完一个人就说一句“重合几件”；在活动一里排序，对答案时说出“先看记录”和“分组成组”为什么不能颠倒；把结果填进任务单的活动二。 这是全课最实的一段：相似不是背出来的，是一格一格对出来的。活动一让学生把“分组、去重”真正弄懂，落点二在算完以后自然落地。 9 分钟
六、换一个角度：基于产品的推荐，再用一把尺子(落点二) 换一个角度：不看人，看商品。买过 ① 的人一共有三个，看看他们还一起买了什么——③ 出现 2 次、⑤ 出现 2 次、② 出现 1 次，排在最前面、你又还没买过的只有 ⑤。问：为什么不是 ③？（你已经买过了，不用再推。）再把两种放在一起比一比：基于用户 ④⑤、基于产品 ⑤，两种都推到的只有 ⑤。最后用第 13 课那把尺子把推荐算法说清楚——看什么（你过去的行为）、怎么算（算重合、算相近）、给出什么（去掉你已经有的，剩下的就是推荐）。 自己数一遍 ③、⑤、② 各出现几次；比较两种推荐的结果，说出哪一个更“保守”以及为什么；用三句话把推荐算法说一遍，同桌互查哪一句没说清。 把这一课和第 13、14 课接成一条链：上一课在范围里试，这一课在记录上算，用的都是同一把尺子。两种思路比着看，“像”和“近”的区别才立得起来。 7 分钟
七、议一议与三个辨析 想一想：如果一直只推同一类商品，会有什么麻烦（看到的东西越来越窄、错过本来喜欢的、被推着买得更多）。辨一辨六句话，重点问“相似度是不是比谁买得多”“首页推的是不是都一定适合我”。议一议：推荐确实方便，可它会不会替我们做决定（省时间——找东西更快；有偏见——只看你的记录；谁做主——选择在我）。 判断六句话并逐条说理由；围着“要不要听推荐的”说一两句自己的想法；说出自己下次看到推荐时想做的一件事。 三个辨析把课堂从“会不会算”推到“要不要信、怎么用才稳”，落点三在这一步落地。 6 分钟
八、练习、小结与评价 交代 14 题分三层（基础 1—5、提升 6—10、综合 11—14）与讲评重点（第 2、3、7、10、13 题）；顺着板书理一遍：看过去 → 算相似 → 分组成组 → 去掉重复 → 推荐；收口成一句：推荐有依据，选择在自己。 独立完成基础题，提升题与综合题同桌互查；照着板书复述一遍；完成自评与作业登记。 练习检验四件事：认不认得概念、说不说得清算路、读不读得懂数据、想不想得到自己做决定。 3 分钟
八、板书设计
在线购物中的推荐算法
落点一：推荐算法 = 看过去 → 算相似 → 猜喜欢
记录里的数据：4 位用户／5 件商品；重合 2／2／1（示例数据）
基于用户：算相似 → 分组成组（A、B）→ 去掉重复 → 推荐 ④⑤
基于产品：看什么常凑在一起 → ③ 2 次、⑤ 2 次、② 1 次 → 推 ⑤
落点二：推荐算法＝看过去、算相似，再给出你可能喜欢的东西
落点三：推荐有依据，选择在自己
本课落点：算一算你和谁像，再猜你可能买什么。
一句话：它会算，我会选。
九、作业设计(分层)
基础题(必做)：把任务单上“认一认”的空补完整；把“基于用户的推荐”的五步按顺序写一遍。
提高题(选做)：自己编一份 4 人 5 件的购物记录（人用字母、商品用代号），算一算谁和谁最像，该推什么。
拓展题(选做)：找一条自己见过的推荐，说说它是“看人像不像”还是“看东西近不近”，把理由写下来。
阅读任务：读《算出来的“猜你喜欢”》，想一想推荐为什么有时会不准。
作业要求：记录里只写做法和结果，不写同学的真实姓名，也不发自己的照片；引用数字要标明“示例数据”。
任务单练习参考答案：
题号 1 2 3 4 5 6 7
答案 C A C A B B B
题号 8 9 10 11 12 13 14
答案 C C B B A B A
讲评要点：第 2 题说清“基于用户的第一步是算相似度”，先算出谁和你像，才有后面分组；第 3 题回到表上数一数：你和 A 都买过 ② 和 ③，重合 2 件；第 7 题说清“基于产品”是以 ① 为例，看买过它的人还一起买了什么；第 10 题说清数据规模很大、线索很多时才用神经网络；第 13 题说清推荐给的是“可能”，不是“一定”，选择还在自己。
十、学习评价说明
本课采用自评、互评、师评相结合的方式，评价维度包括：能否说出推荐算法的含义；能否算清“和你重合几件”，说清什么叫“像”；能否读懂记录上的数据（重合 2／2／1、基于用户 ④⑤、基于产品 ⑤）；是否知道推荐是“可能”不是“结论”，选择在自己。
星级标准：☆☆☆ 能独立完成并说清理由；☆☆ 需要一点提示；☆ 需要同伴帮助。没到三星的那一项，就是课后的复习重点。
十一、教学反思
(课后对照以下问题填写)
· 让学生先猜“你还想要哪一件”时，有几个人猜的是 ④ 或 ⑤，有几个人只是随便挑一件？他们凭的是什么？
· 算相似度的时候，学生能不能自己说出“重合几件比买几件更重要”，而不是比谁买得多？
· 活动一排一排里，有多少学生把“分组成组”和“去掉重复”的顺序弄反？弄反的原因是什么？
· 换到基于产品时，学生有没有自己发现“③ 也出现 2 次，可我已经买过，所以不推”？
· 辨一辨里的“相似度就是比谁买得多”，学生是靠背，还是能回到表上举一个反例？
· 议一议那一步，学生能不能说出推荐的两个面（省时间、有偏见），而不是只说“推荐很厉害”？
· 落点句“推荐有依据，选择在自己”，学生能不能拿自己手机上见过的一条推荐当场说清它的依据？浙教版小学信息科技六年级上册 · 第 15 课
《在线购物中的推荐算法》学习任务单
班级：__________　姓名：__________　日期：__________
本单里的购物记录是自编的（虚构用户“你、A、B、C”，商品一律用代号 ①②③④⑤），所有的重合件数都是示例数据；写记录时不写同学的真实姓名，也不发自己的照片。
认一认 这一课的关键点
先填一填：能自己算出来，才算真听懂了。
要认清的 我填
根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么，这叫＿＿＿＿算法。
推荐算法的三个关键词是：看过去、＿＿＿＿、＿＿＿＿。
本课的购物记录里一共有＿＿位用户、＿＿件商品（示例数据）。
你和 A 都买过 ② 和 ③，说明你们买过的商品重合＿＿件。
和 A、B 各重合 2 件，和 C 只重合 1 件：最像你的一组是＿＿和＿＿。
基于用户的推荐：先算相似，再把最像的人＿＿＿＿，最后去掉＿＿＿＿＿＿＿＿。
把组里的商品去掉你已经买过的：A 剩下＿＿，B 剩下＿＿。
基于用户的推荐一共给出＿＿件，是＿＿和＿＿。
基于产品：买过 ① 的人还一起买了什么？③ 出现＿＿次、⑤ 出现＿＿次、② 出现＿＿次。
排在最前面、你又还没有买过的，是＿＿号；所以基于产品的推荐给出＿＿件。
两种推荐都推到的商品是＿＿。
数据规模很大、线索很多时，常用的办法是＿＿＿＿推荐。
一个看人像不像，一个看东西近不近，用的是同一份＿＿＿＿。
推荐给的是“可能”，不是“＿＿”；选不选、买不买，最后还得自己拿主意。
我的疑问：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿。
活动一 排一排：基于用户的推荐走过的五步
下面 5 件事是“基于用户的推荐”做过的，按先后顺序在第三列填 1—5。填完对一对：B → E → C → A → D。
代号 做过的事 填（1—5）
A 把 A、B 组里和你重复的商品去掉：A 剩 ④、B 剩 ⑤
B 先看你买过的商品：① ② ③
C 把 A、B 放进一组（都和你重合 2 件）
D 剩下的 ④ ⑤，就是要推给你的商品
E 逐个算：和 A 重合 ②③、和 B 重合 ①③、和 C 只重合 ①
想一想：如果把“先看记录”和“分组成组”调换，还算得下去吗？为什么？＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿。
活动二 算一算：谁和你最像
用课上的购物记录动手算一遍：你买过 ① ② ③，A、B、C 各和你重合几件？把后两列填上。
用户 买过的商品 和你重合的商品 重合几件
A ② ③ ④
B ① ③ ⑤
C ① ⑤
想一想：如果 C 也买了 ②，它会不会进这一组？进去以后，推荐的结果会变吗？＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿。
活动三 找一找：生活里的推荐
下面四件事，哪些是“根据过去的行为，算出相似，再猜你喜欢”？填“是”“不是”或“不完全是”，再写清它在算什么。
场景 是不是推荐 它在算什么
浏览了篮球，首页出现篮球鞋
买过这套练习册的人，还买了同一套的另一本
在通讯录里从 A 往后一个一个找名字
输入关键词，一下跳出很多结果
我还想到一件：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿。
比一比 两种推荐，差在哪里
两种办法用的是同一份记录（示例数据）。先看前两列，再把“我的发现”填上，并说说哪一种更“保守”。
推荐办法 看什么 给出什么 我的发现
基于用户 谁和你像（算人跟人重合几件） ④、⑤，一共 2 件
基于产品 什么常凑在一起（算物跟物近不近） ⑤，一共 1 件
我的理由：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿。
辨一辨 下面说法对不对
先判断对错，再写清理由。理由比结论更重要。
说法 对 / 错 我的理由
推荐算法是根据你过去的行为，猜你可能喜欢什么。
基于用户的推荐，先算相似度，再把人分成一组。
基于产品的推荐，看的是“什么常凑在一起”。
相似度就是比谁买得多，买得越多就越像。
数据规模很大时，可以用神经网络同时考虑多种因素。
首页推给我的每一件商品都一定适合我，照着买就行。
练一练 随堂练习
基础题 1—5 全班必做；提升题 6—10、综合题 11—14 同桌互查。拿不准的题，回到购物记录上数一数、算一算。
题号 题目 我的答案
1 根据你过去的行为，算出和你相似的人或物，再猜你可能喜欢什么，这是——A 搜索算法　B 排序算法　C 推荐算法
2 基于用户的推荐，第一步做的是——A 算用户之间的相似度　B 看商品的价格　C 看商品的库存
3 你和 A 都买过 ② 和 ③，说明——A 你买得比 A 多　B A 买得比你多　C 你们买过的商品重合 2 件
4 本课里“最像你的一组”是——A A 和 B　B 只有 A　C 只有 C
5 基于用户的推荐，要把组里的商品去掉哪一部分？A 去掉最贵的　B 去掉你已经买过的　C 去掉销量最低的
6 本课“基于用户的推荐”一共给出几件？A 1 件　B 2 件　C 3 件
7 本课“基于产品的推荐”是以哪件商品为例算的？A ③　B ①　C ⑤
8 基于产品的推荐，算的是——A 用户之间像不像　B 商品的价格高低　C 商品之间常不常凑在一起
9 两种推荐都推到的商品是——A ④　B ②　C ⑤
10 数据规模很大、线索很多时，常用的办法是——A 一条一条试　B 神经网络推荐　C 只推同一类
11 判断：相似度就是比谁买得多，买得越多就越像。A 对　B 错
12 判断：基于用户的推荐，先算用户之间的相似度，再把人分成一组。A 对　B 错
13 判断：首页推给我的每一件商品都一定适合我，照着买就行。A 对　B 错
14 判断：推荐有依据，选不选、买不买还得自己拿主意。A 对　B 错
评一评 学习评价
在对应的星级上打钩，三星表示做得很好。没到三星的那一项，就是课后的复习重点。
评价内容 自评 互评 师评
能说出推荐算法是“看过去、算相似，再猜喜欢” ☆☆☆ ☆☆☆ ☆☆☆
能算清“和你重合几件”，说清什么叫“像” ☆☆☆ ☆☆☆ ☆☆☆
能读数据：基于用户 ④⑤、基于产品 ⑤（示例数据） ☆☆☆ ☆☆☆ ☆☆☆
知道推荐是“可能”不是“结论”，选择在自己 ☆☆☆ ☆☆☆ ☆☆☆
课后作业
1. 基础(必做)：把上面“认一认”的空补完整；把“基于用户的推荐”的五步按顺序写一遍。
2. 提高(选做)：自己编一份 4 人 5 件的购物记录（人用字母，商品用代号），算一算谁和谁最像，该推什么。
3. 拓展(选做)：找一条自己见过的推荐，说说它是“看人像不像”还是“看东西近不近”，把理由写下来。
4. 阅读：读一读《算出来的“猜你喜欢”》，想一想推荐为什么有时会不准，该怎样给它新的线索。
5. 提醒：记录里只写做法和结果，不出现真实同学的姓名、照片和隐私信息；引用数字要标明“示例数据”。
我的记录区（可以把你编的购物记录、算出来的重合件数、或者还没弄明白的问题写在这里）：
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿

展开更多......

收起↑