《水果的数字化品控-KNN算法初探》听课记录

【项目情境】

从“超市如何做到品类和质量统一”这一实际问题出发，进行项目分析。

【项目分析】

分析品控依据，橙子的哪些特征可以作为品控依据从实际出发引出如何让计算机学习不同品级的橙子？与学生互动分享选择橙子的过程与选择结果的依据，通过看的多，吃的多可以选择自己需要的品级橙子，通过互动让学生思考人类在这个过程中的思考过程，从而来理解计算机是如何来做这件事的。

【项目设计】以开发“橙子智能分拣小程序”为例，进行橙子智能识别分拣。

【项目实施】

教师给出特征提取参考依据，请同学选择其中两个最容易描述的特征（果径和重量）为依据进行探讨，让学生选择其中的机器学习算法（KNN算法），教师解释说明KNN算法。

1.探索最短距离（未知橙子与其他橙子）

2.对距离计算并排序。

3.任务3：探究不同K值的橙子品级。

4.任务4：完成关键编程，调试。

学生活动：完成计算距离并排序（excel散点图），通过操作体验KNN算法的K值功能，进而理解KNN算法及其作用。

课堂小结与拓展使整个课堂和项目更加完善。

整体来说，本节课以项目式教学为依据，通过项目情境-项目分析-项目设计-项目实施等环节进行分阶段解学，问题引导到位，有启发性，能体现计算思维的特点，问题思考有深度，有实质意义，落实学科核心素养，这是比较适合自己风格的一节课。

其中活动使用excel统计可视化分析和mind+图形化编程，可见我们的教学不拘泥于一定要用python来实现，但是对于高中阶段的孩子来说，思维符合其年龄特征就可以，四个任务加拓展作业课堂容量还是可以，不至于小学初中高中孩子学的东西都一样，课很值得学习。这两天听了两节项目式课，感觉一节课的课堂还是比较合适的，大单元需要多节课在知识、内容、主题上做好连接是真不容易的，个人觉得在分析上可以做的更细一些，最后任务四可以水到渠成。

注意视频课与截图课件仅供学习使用，版权规作者所有。