高中信息技術《基于日歷數(shù)據(jù)的時間序列分析與應用》教學設計

高中信息技術《基于日歷數(shù)據(jù)的時間序列分析與應用》教學設計

一、教學背景分析

（一）教材分析

本課內(nèi)容源自高中信息技術課程選擇性必修模塊“數(shù)據(jù)與數(shù)據(jù)結構”及“人工智能初步”的交叉延伸，是對教材中“數(shù)據(jù)處理與分析”單元的深度拓展與創(chuàng)新應用。教材原有內(nèi)容側重于靜態(tài)數(shù)據(jù)集的處理與簡單統(tǒng)計，而本設計引入“日歷數(shù)據(jù)”這一具有鮮明時間維度的動態(tài)數(shù)據(jù)源，將數(shù)據(jù)分析置于真實的時間語境中，旨在引導學生理解時間序列數(shù)據(jù)的基本特征、掌握基于日歷周期（如年、月、周、季節(jié)、節(jié)假日）的數(shù)據(jù)變換與分析方法，并初步體驗從數(shù)據(jù)中挖掘規(guī)律、進行預測與決策支持的全過程。這一內(nèi)容不僅深化了課程標準中關于“數(shù)據(jù)采集、分析與可視化”的要求，更融入了數(shù)學建模、程序設計、領域知識（如社會學、經(jīng)濟學）等多學科元素，體現(xiàn)了信息技術課程的綜合性與時代性。

（二）學情分析

本課教學對象為高中二年級學生。他們已經(jīng)具備了一定的信息技術基礎，包括Python編程的基本語法、pandas庫的初步使用、數(shù)據(jù)清洗與簡單統(tǒng)計分析的能力。在數(shù)學學科中，學生已學習函數(shù)、統(tǒng)計初步等知識，對變量、趨勢、周期等概念有初步認知。然而，學生對“時間”作為數(shù)據(jù)的一個特殊維度理解尚淺，往往將其視為普通分類變量，缺乏對時間序列自相關性、趨勢性、季節(jié)性等特性的系統(tǒng)性認識。此外，學生將編程技能與領域知識結合解決實際問題的跨學科綜合能力仍有待提升，尤其在從日歷數(shù)據(jù)中提煉業(yè)務洞察、構建預測模型方面，需要教師搭建有效的思維腳手架。因此，本課設計需注重從具體生活經(jīng)驗（如節(jié)假日消費、季節(jié)性天氣變化）切入，引導學生逐步抽象出時間序列分析的一般方法，并借助編程工具實現(xiàn)從數(shù)據(jù)到知識的轉化。

（三）設計理念

本教學設計以“深度學習”與“項目式學習”為核心指導理念，遵循“源于生活、基于數(shù)據(jù)、指向素養(yǎng)”的原則。課程以真實世界的日歷數(shù)據(jù)為研究對象，創(chuàng)設“用數(shù)據(jù)讀懂時間”的大情境，通過“感知-探究-建模-應用”的螺旋式上升路徑，驅動學生主動建構知識。在課堂實施中，強調(diào)以學生為中心，通過任務驅動、小組協(xié)作、思維外顯等策略，將學科核心素養(yǎng)（信息意識、計算思維、數(shù)字化學習與創(chuàng)新、信息社會責任）的培育貫穿始終。同時，本設計融入了跨學科視野，引導學生從歷史、經(jīng)濟、環(huán)境等角度解讀日歷數(shù)據(jù)背后的社會意義，培養(yǎng)其用數(shù)據(jù)思考、用數(shù)據(jù)說話、用數(shù)據(jù)決策的現(xiàn)代公民素養(yǎng)。

二、教學目標與核心素養(yǎng)

（一）教學目標

1.理解時間序列數(shù)據(jù)的概念，認識日歷數(shù)據(jù)作為特殊時間序列的特征與價值。【基礎】

2.掌握基于日歷特征（如星期幾、月份、季度、是否為節(jié)假日）對數(shù)據(jù)進行分組、聚合與重采樣的方法，能夠使用pandas庫進行相關操作。【重要】

3.能夠運用滑動窗口計算移動平均，識別并分析時間序列的趨勢性與季節(jié)性成分。【重要】【高頻考點】

4.初步了解時間序列分解的基本思想，能基于簡單模型（如樸素季節(jié)法）對未來趨勢進行預估?！就卣埂俊倦y點】

5.通過小組項目，完成一個基于日歷數(shù)據(jù)的實際問題分析與可視化報告，培養(yǎng)數(shù)據(jù)建模與問題解決能力?！竞诵摹?/p>

6.在數(shù)據(jù)分析過程中，理解數(shù)據(jù)時效性，尊重數(shù)據(jù)來源，形成基于數(shù)據(jù)證據(jù)進行判斷與決策的理性思維?！舅仞B(yǎng)】

（二）核心素養(yǎng)指向

1.信息意識：能夠敏銳感知日歷數(shù)據(jù)在日常生活與各行業(yè)中的廣泛存在，主動從時間維度審視數(shù)據(jù)價值。

2.計算思維：能夠將實際問題抽象為時間序列分析模型，運用算法（如滑動平均、分組聚合）解決問題，并能將求解過程進行形式化表達。

3.數(shù)字化學習與創(chuàng)新：能夠利用數(shù)字化工具（Python、pandas、matplotlib）高效處理與分析日歷數(shù)據(jù)，創(chuàng)新性地呈現(xiàn)分析結果并支持決策。

4.信息社會責任：在利用歷史數(shù)據(jù)進行預測時，能辯證看待預測的局限性與不確定性，避免濫用數(shù)據(jù)結論。

三、教學重點與難點

（一）教學重點

1.掌握pandas中時間索引的設定與操作，包括生成日期范圍、轉換為datetime對象、提取日期成分（年、月、日、星期、季度等）?！净A】【高頻考點】

2.運用groupby與resample方法，基于日歷周期對時間序列數(shù)據(jù)進行聚合與重采樣，完成不同時間粒度的數(shù)據(jù)統(tǒng)計?！局匾俊竞诵募寄堋?/p>

3.使用rolling方法計算移動平均，識別并可視化數(shù)據(jù)的長期趨勢?！局匾俊靖哳l考點】

（二）教學難點

1.理解時間序列的自相關性及其與傳統(tǒng)靜態(tài)數(shù)據(jù)統(tǒng)計分析的區(qū)別。【難點】

2.能夠根據(jù)具體業(yè)務場景（如零售、交通、環(huán)境監(jiān)測）選擇合適的時間粒度與分析方法，并對分析結果進行合理的業(yè)務解讀?！倦y點】【核心素養(yǎng)】

3.初步領悟時間序列的季節(jié)性、周期性成分的分離思想，并能運用樸素方法（如按月份計算平均）進行分解與預測。【拓展】【挑戰(zhàn)點】

四、教學方法與準備

（一）教學方法

1.項目式學習：以“某城市共享單車每日使用量分析”為貫穿項目，引導學生分步驟完成從數(shù)據(jù)清洗、特征工程到趨勢分析與預測建議的全流程。

2.任務驅動法：將項目拆解為若干個有梯度的探究任務，每個任務聚焦一個核心知識點，學生在完成任務的過程中自主建構知識。

3.協(xié)作探究法：小組合作完成復雜任務，通過討論、互助、互評，深化理解，提升溝通協(xié)作能力。

4.范例教學法：教師通過典型示例（如某電商銷售額數(shù)據(jù)分析）演示核心方法，為學生提供可遷移的分析范式。

（二）教學準備

1.硬件環(huán)境：計算機網(wǎng)絡教室，學生機預裝Python3.8+、JupyterNotebook或VSCode，安裝pandas、matplotlib、seaborn、statsmodels庫。

2.軟件資源：精心準備的JupyterNotebook項目模板，包含分步引導、代碼框架與注釋。

3.數(shù)據(jù)集：

1.4.[核心數(shù)據(jù)集]：某城市2019-2021年共享單車每日訂單量數(shù)據(jù).csv(包含字段：date,total_orders)

2.5.[輔助數(shù)據(jù)集]：該城市同期天氣數(shù)據(jù).csv(包含字段：date,weather_condition,temperature)

3.6.[拓展數(shù)據(jù)集]：某超市2018-2020年每日銷售額數(shù)據(jù).csv；某景區(qū)歷年節(jié)假日游客量數(shù)據(jù).csv

7.學習支架：設計“時間序列分析思維導圖”半成品，供學生在學習過程中逐步完善；提供“數(shù)據(jù)分析報告模板”。

五、教學實施過程

（一）創(chuàng)設情境，導入新課——用數(shù)據(jù)“看見”時間的秘密

1.課堂開啟，教師在大屏幕上展示一組可視化圖表：一張是某城市共享單車一年內(nèi)的每日使用量折線圖，另一張是同期的天氣狀況與節(jié)假日標記圖。圖表呈現(xiàn)出鮮明的周期性：周末使用量高于工作日，節(jié)假日出現(xiàn)高峰或低谷，夏季高于冬季。

2.教師提問：“同學們，時間本身是抽象且勻速流逝的，但這些數(shù)據(jù)卻讓時間有了‘形狀’。你們能從這個折線圖中‘看見’時間的哪些秘密？”學生觀察并回答，如“周末騎的人多”“夏天騎的人多”“過年的時候好像特別少”等。

3.教師順勢引導：“這些數(shù)據(jù)，按日期排列，我們稱之為‘日歷數(shù)據(jù)’或‘時間序列數(shù)據(jù)’。它記錄著世界在時間維度上的‘脈動’。今天，我們就化身為‘數(shù)據(jù)偵探’，學習如何應用日歷數(shù)據(jù)，挖掘隱藏在日期背后的規(guī)律，甚至嘗試預測未來。【核心情境：共享單車運營優(yōu)化】

4.教師揭示本節(jié)課的項目主題：“我們將以‘某城市共享單車每日使用量分析’為實戰(zhàn)項目，幫助共享單車運營公司解答幾個核心問題：哪幾個月需要增加車輛投放？周末與工作日調(diào)度策略有何不同？節(jié)假日對用車需求影響有多大？讓我們一起開始這段數(shù)據(jù)探索之旅?！薄緦胗脮r約5分鐘】

（二）任務驅動，探究新知——玩轉日歷數(shù)據(jù)的基本功

1.任務一：讓數(shù)據(jù)擁有“時間之眼”——構建時間索引。【基礎】

（1）教師演示：讀取共享單車數(shù)據(jù)csv文件，展示原始DataFrame。指出“date”列目前是普通字符串類型，無法發(fā)揮時間序列的強大功能。

（2）核心講解與操作：教師講解pandas中的Timestamp與DatetimeIndex類型，演示如何用pd.to_datetime()將“date”列轉換為時間類型，并使用set_index()將其設為行索引?！局匾簳r間索引是后續(xù)所有時間序列操作的基礎】

（3）學生跟隨操作：在自己的JupyterNotebook中完成數(shù)據(jù)讀取與時間索引設置。教師巡回指導，檢查轉換結果，強調(diào)日期格式的統(tǒng)一性。

（4）即時練習：教師給出一個新的日期字符串列表，要求學生快速生成一個DatetimeIndex，并提取出其中的“星期幾”信息（使用dt.dayofweek屬性）?！净A鞏固】

2.任務二：從日歷中“切分”時間——提取日期成分?！局匾俊靖哳l考點】

（1）情境延續(xù)：教師提出：“我們想知道單車使用量在‘星期幾’上有何規(guī)律？這需要將數(shù)據(jù)按星期幾分組。”引導學生思考如何從日期中提取星期信息。

（2）方法探索：教師引導學生探索dt訪問器的功能，演示如何便捷地提取年份（dt.year）、月份（dt.month）、季度（dt.quarter）、星期幾（dt.dayofweek或dt.day_name()）、是否為周末（結合dt.dayofweek判斷）等新特征?！竞诵牟僮鳌?/p>

（3）學生實踐：在單車數(shù)據(jù)中添加“weekday”、“month”、“is_weekend”等新列，并利用groupby計算平均使用量在不同星期幾的分布，繪制條形圖初步觀察。【重要：特征工程的第一步】

（4）分析討論：學生觀察圖表，發(fā)現(xiàn)周六、周日平均使用量顯著高于周一至周五。教師引導思考：“這個結論對單車運營有什么啟示？”（如周末增加熱門區(qū)域調(diào)度，推出周末優(yōu)惠卡等）【初步的數(shù)據(jù)解讀】

3.任務三：在不同“時間尺子”下觀察——數(shù)據(jù)重采樣?！竞诵募寄堋?/p>

（1）設問激趣：教師提問：“剛才我們按星期幾分組，看到了一周內(nèi)的規(guī)律。如果管理者想了解每月的整體趨勢，或者想對比每年的增長情況，又該如何處理原始數(shù)據(jù)呢？”

（2）概念引入與演示：教師引入“重采樣（resample）”概念，將其比喻為“切換不同刻度的尺子去丈量時間”。演示如何將每日數(shù)據(jù)重采樣為月度數(shù)據(jù)（df.resample('M').sum()），并繪制月度總使用量折線圖?！局匾簉esample參數(shù)freq的設置，如'D'天，'W'周，'M'月，'Q'季，'Y'年】

（3）對比分析：將月度折線圖與原始日度折線圖進行對比，引導學生發(fā)現(xiàn)：月度圖平滑了日度圖的劇烈波動，呈現(xiàn)出更清晰的整體增長趨勢和年度周期性。

（4）分層練習：

-【基礎層】將數(shù)據(jù)重采樣為每周總量，并繪制圖表。

-【進階層】分別用sum和mean聚合，思考對于分析“總需求”和“平均強度”分別該用哪種方式。

-【挑戰(zhàn)層】如何重采樣得到每個季度的總使用量，并對比不同季度的差異?！靖哳l考點：靈活應用】

（三）協(xié)作學習，深化理解——透視時間序列的“骨架”

1.任務四：撫平波動，看清大勢——移動平均線。【重要】【難點突破】

（1）問題呈現(xiàn)：教師展示原始日度數(shù)據(jù)折線圖，指出其“毛刺”很多，趨勢不易看清。提出需求：“有沒有一種方法，能像‘熨斗’一樣熨平這些短期偶然波動，讓我們更清晰地看到數(shù)據(jù)的長期走勢？”

（2）生活類比：教師以股票K線圖中的5日均線、10日均線為例，解釋移動平均的核心思想——用某一點附近一段時間的平均值來代替該點的值，從而消除隨機擾動?！靖拍顦蛄骸?/p>

（3）代碼實現(xiàn)與可視化：教師演示pandas中rolling方法的用法。計算7日移動平均（df['total_orders'].rolling(window=7).mean()），并將原始序列與7日移動平均線畫在同一張圖上進行對比?！局匾捍翱诖笮?window)的選擇對平滑效果的影響】

（4）小組探究任務：【核心協(xié)作環(huán)節(jié)】

-各小組分別計算不同窗口大?。ㄈ?日、7日、30日）的移動平均線。

-將多條移動平均線與原始序列繪制在一張圖上，觀察不同窗口的平滑程度與滯后效應。

-討論：對于共享單車使用量數(shù)據(jù)，選擇多大的窗口最合適？為什么？（引導學生結合業(yè)務場景：一周七天有自然周期，7日窗口能消除“周幾效應”，看清周際趨勢）

（5）成果展示與總結：請兩個小組分享他們的觀察與結論。教師總結：移動平均是時間序列分析中最重要的工具之一，它能幫助我們分離趨勢項，是后續(xù)更復雜分析的基礎。【高頻考點：移動平均的計算、窗口選擇與趨勢識別】

2.任務五：解碼年復一年的韻律——季節(jié)性與周期性探索?！倦y點】【核心素養(yǎng)】

（1）問題進階：教師指著月度重采樣圖提問：“我們發(fā)現(xiàn)每年夏天都有一個高峰，冬天有一個低谷，這種每年重復的模式叫什么？如何量化它？”

（2）引入季節(jié)性概念：教師講解“季節(jié)性”（Seasonality）是指數(shù)據(jù)在固定周期內(nèi)（如一年、一周、一天）的規(guī)律性波動。對于單車數(shù)據(jù)，一年內(nèi)的季節(jié)性可能由氣候、假期驅動；一周內(nèi)的季節(jié)性由社會活動規(guī)律驅動。

（3）分解思想初探（不引入復雜模型）：教師引導一種樸素但直觀的季節(jié)性分解方法。

-第一步：計算整體趨勢。可以用年度移動平均或年度總趨勢線（如擬合線性增長）來表示。【重要：趨勢識別】

-第二步：計算“季節(jié)因子”。例如，要計算1月份的季節(jié)性影響，可以將歷年1月份的實際值除以對應年份的趨勢值（或減去趨勢值），然后求平均。這個平均值就代表了1月份相對于長期趨勢的“季節(jié)偏移量”?！靖拍钍疽?，不要求嚴格數(shù)學推導】

-教師演示簡化版：計算每個月份歷年的平均使用量，并減去整體月均水平，得到一個“月份影響因子”表。

（4）可視化呈現(xiàn)：將計算出的月份影響因子繪制成柱狀圖或熱力圖，直觀展示各個月份的正負效應。

（5）小組討論與應用：

-討論：根據(jù)你們的“月份影響因子”，運營公司在3月（可能回暖）和7月（暑假）應該分別做哪些準備？

-拓展思考：除了月份，還有哪些日歷因素可能產(chǎn)生季節(jié)性？（如“每月月初”發(fā)工資日、“黑色星期五”等，引導學生思考更復雜的日歷事件）

（四）實踐操作，應用遷移——用過去的數(shù)據(jù)“預見”未來

1.任務六：小小預測家——基于樸素季節(jié)法的未來一月預估?！就卣埂俊緞?chuàng)新應用】

（1）情境設定：假設現(xiàn)在是2021年12月底，單車公司需要預估2022年1月的每日用車量，以便提前調(diào)配車輛。請同學們運用所學知識，嘗試給出一個預估方案。

（2）頭腦風暴：各小組討論預測思路。教師引導可能的方案：

-方案A：直接用去年（2021年）1月的數(shù)據(jù)。（過于簡單，未考慮增長趨勢）

-方案B：考慮增長趨勢+季節(jié)性。例如：先用2019-2021年數(shù)據(jù)擬合出一個線性增長趨勢，再乘以（或加上）1月份的季節(jié)性影響因子。

-方案C：結合近期數(shù)據(jù)趨勢。例如：基于2021年12月的數(shù)據(jù)趨勢，再疊加1月的季節(jié)性影響。

（3）教師演示一個簡化版的綜合模型：

-第一步：用過去三年（2019-2021）的月度數(shù)據(jù)，擬合一條線性趨勢線，計算出2022年1月對應的“趨勢基準值”?！局匾黑厔萃馔啤?/p>

-第二步：從歷史數(shù)據(jù)中計算出1月份的“季節(jié)指數(shù)”（例如，過去三年1月份實際值/當月趨勢值的平均值）。

-第三步：將趨勢基準值乘以季節(jié)指數(shù)，得到2022年1月的初步預估總量。

-第四步：如何將月總量分解到每日？可以參考過去幾年1月份的日分布模式（如考慮星期幾效應）進行分配。

（4）學生分組實踐：各小組選擇一個他們認為合理的預測方法（不局限于教師演示的方法），編寫代碼，給出對2022年1月每日使用量的預測，并繪制預測曲線與歷史同期數(shù)據(jù)進行對比。

（5）成果展示與批判性思維：展示各組的預測結果。教師引導討論：

-為什么不同小組的預測結果會有差異？哪個可能更靠譜？為什么？【重要：模型假設的討論】

-預測永遠存在不確定性，我們的預測結果應該如何使用？（如作為決策參考，需結合實際情況調(diào)整，設定置信區(qū)間等）【素養(yǎng)升華：信息社會責任的體現(xiàn)】

（五）展示交流，評價反思——讓數(shù)據(jù)報告會說話

1.項目成果匯報：各小組根據(jù)完整的項目任務（數(shù)據(jù)清洗、特征提取、趨勢分析、季節(jié)性探索、簡單預測），制作3分鐘以內(nèi)的PPT或直接在JupyterNotebook中展示，匯報核心發(fā)現(xiàn)與給共享單車公司的運營建議。要求：

1.2.發(fā)現(xiàn)必須基于數(shù)據(jù)證據(jù)。

2.3.建議必須具體、可操作。

3.4.分析過程必須體現(xiàn)本節(jié)課所學的至少兩種方法。

5.互動評價：采用“2+1”評價法，即每個小組匯報后，其他小組給出兩個優(yōu)點和一條改進建議。評價維度聚焦于：數(shù)據(jù)處理的規(guī)范性、分析方法的合理性、洞察發(fā)現(xiàn)的深刻性、建議的可行性、可視化的清晰度。

6.教師總結與升華：

1.7.技術總結：系統(tǒng)梳理本節(jié)課的核心知識與技能脈絡——時間索引、特征提取、重采樣、移動平均、季節(jié)性分解、簡單預測。強調(diào)這些方法構成了一套分析日歷數(shù)據(jù)的“組合拳”?！局R結構化】

2.8.思維升華：強調(diào)“時間”在數(shù)據(jù)分析中的特殊角色。它不僅是坐標軸，更是連接現(xiàn)象、揭示規(guī)律、蘊含原因的紐帶。日歷數(shù)據(jù)分析的精髓在于將時間維度上的變化，與社會、經(jīng)濟、自然等因素建立聯(lián)系，從而獲得超越數(shù)據(jù)本身的深刻洞見。

3.9.拓展視野：展示日歷數(shù)據(jù)分析在其他領域的經(jīng)典應用案例：如流行病學中的疫情傳播曲線分析、經(jīng)濟學中的GDP季度調(diào)整、氣象學中的氣候模式研究、電商平臺的大促日銷售預測等。鼓勵學生課后探索自己感興趣的領域。

（六）拓展延伸，激發(fā)創(chuàng)新——留給未來的“數(shù)據(jù)種子”

1.開放性任務發(fā)布：【課后探究】

1.2.【必做】完善本組項目報告，提交一份完整的JupyterNotebook文件，包含所有代碼、可視化結果和文字分析結論。

2.3.【選做一】挑戰(zhàn)更高難度：嘗試引入外部數(shù)據(jù)（如天氣數(shù)據(jù)），分析天氣因素與單車使用量的關系，并嘗試構建包含天氣特征和日歷特征的簡單多元預測模型。

3.4.【選做二】跨界創(chuàng)新：從“超市銷售”、“景區(qū)客流”、“個人時間管理（如屏幕使用時間）”中選擇一個主題，自行獲取相關日歷數(shù)據(jù)，運用本節(jié)課方法進行分析，發(fā)現(xiàn)一個有趣的現(xiàn)象，并嘗試給出解釋。

5.資源推薦：推薦學生查閱《利用Python進行數(shù)據(jù)分析》中關于時間序列的章節(jié)，以及瀏覽“和鯨社區(qū)”等平臺上的優(yōu)秀時間序列分析項目，拓寬技術視野和分析思路。

六、教學評價設計

本課采用過程性評價與終結性評價相結合的方式。

（一）過程性評價（占比60%）

1.課堂任務完成度：觀察學生在每個探究任務中的參與度、操作正確率與思考深度，通過課堂提問、小組內(nèi)互助情況、即時練習反饋進行記錄?！驹u價點：基礎技能掌握】

2.小組協(xié)作表現(xiàn)：評價學生在小組討論中的貢獻度、溝通能力、以及共同解決問題的效率。【評價點：協(xié)作素養(yǎng)】

3.階段性成果質(zhì)量：對各小組完成的圖表、初步分析結論進行點評與記錄?！驹u價點：分析思維】

（二）終結性