第十二课 预测模型构建 教案 九年级信息技术浙教版（2023）

中小学教育资源及组卷应用平台
九年级信息技术浙教版教学设计
课题 预测模型构建 单元 第三单元 学科 信息技术 年级 九年级
学习目标 认识到数据在预测模型中的重要性，学会主动收集和分析相关信息（如天气、交通数据等）掌握数据预处理方法（清洗、编码、标准化），学会用表格数据构建预测模型（如回归、分类模型）
重点 数据集构建、神经网络分类模型、出行时间预测
难点 1、理解人工智能预测出行时间的原理及影响因素（如天气、路况）
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 提问互动：“你如何根据雨量、温度等数据规划出行？”“人工智能能预测哪些生活场景？”（如交通、医疗）。案例展示：播放“电子地图预测出行时间”视频，引出智能预测的概念 倾听老师引入相关问题 激发学生的学习兴趣，让从问题中进行思考，从而引出本节课的学习内容
讲授新课 1) 构建数据集步骤：确定数据采集方式（问卷、传感器）、量化数据（如雨量0-6）、标注出行方式（步行=0，自驾=2等）。活动：学生设计《出行方式调研问卷》，收集数据并预处理（清洗缺失值、标准化）(2) 神经网络分类模型原理：输入特征（雨量、温度、距离）→ 神经网络训练 → 输出预测结果（如“自行车：80%置信度”）演示：用Excel模拟简单预测模型（如线性回归）(3) 人工智能预测出行时间关键因素：日期、时间、天气、路况等1讨论：对比人工经验与AI预测的准确性 了解并学习构建数据集、神经网络分类模型以及人工智能预测出行时间相关知识的重点难点 通过几个学习活动让学习开始掌握本节课的重点及难点
课堂练习 分组任务：列出智能预测出行的步骤（数据收集→模型训练→结果反馈），并分享案例（如智能冰箱预测牛奶需求） 通过活动，引导学生更全面的理解相关知识 进一步拓展本节课的学习知识
课堂小结 知识回顾：预测模型构建 1. 数据集构建 → 数据采集、量化、清洗 2. 神经网络模型 → 输入→训练→输出 3. AI预测出行 → 影响因素：天气、路况 引导学生总结自己本节课的学习收获 对本节课的学习进行总结
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
HYPERLINK "http://www.21cnjy.com/" 21世纪教育网(www.21cnjy.com)