《信息技术》教案

第7-8学时

一、基本信息

二、教学分析

（一）教材分析

本任务为《信息技术》课程的项目五模块二任务二“数据标注实战”（附件第1页、第5页、第12页、第18页），延续第1-6学时（已完成Python 3.12和PyCharm安装、数据类型操作、CodeBuddy编程实战、数据标注理论与工具）。第7学时按照讲课稿（任务1-5）聚焦LabelImg的安装、界面操作及7种情绪（愤怒、厌恶、害怕、开心、伤心、惊讶、中性）图片标注，强调快捷键使用（附件第18页）；第8学时聚焦验证与优化标注数据集，确保数据质量，为后续模型训练（第9-14学时）提供支持。内容对接智慧健康养老行业需求，体现职业教育“岗课赛证”综合育人理念，注重理实一体化，与专业特色高度契合。

• 参考标准：

  • 岗位标准：参照《智慧健康养老服务与管理职业技能标准》，要求掌握数据标注技能以支持AI模型训练和养老服务智能化。

  • 教学标准：依据《职业教育专业教学标准（2025年修订）》智慧健康养老管理专业要求，聚焦数据处理与AI工具应用能力。

  • 赛事标准：符合2025年贵州省职业院校技能大赛教学能力比赛评分指标（附件2-1-5），包括教学理念先进、教学设计科学、课程思政融入、教学评价有效、教学内容科学严谨等。

  • 能力标准：学生能够安装并使用LabelImg准确标注7种情绪图片，验证与优化数据集，确保符合AI模型训练需求（灰度、48x48像素）。
    

• 参考教材：

  • 选用教材：《信息技术基础与人工智能应用》，胡伏湘，肖玉朝主编，高等教育出版社，2024年，ISBN: 978-7-040-63169-2。

  • 自编教材：基于Markdown的多端自适应自编教材《信息技术拓展项目五》，包含LabelImg安装与使用指南、7种情绪标注案例及数据验证方法，支持PC、平板、手机访问。

  • 辅助资料：

    1. 超星学习通平台：提供数据标注实战与验证课程资源。

    2. 智慧职教MOOC学院：LabelImg操作与数据标注视频教程。

    3. 课程PPT（本地存储，参考原链接：192.168.189.3:8182/d... ）。

（二）学情分析

• 知识基础：智管2441班学生已完成第1-6学时，熟悉Python 3.12、PyCharm环境、数据类型操作、CodeBuddy辅助编程及数据标注理论，掌握LabelImg基本操作，具备初步编程与工具使用能力，但对7种情绪（愤怒、厌恶、害怕、开心、伤心、惊讶、中性）图片标注与验证实践经验不足。
  

• 认知能力：能够理解结构化任务指令并在指导下完成工具操作，但对标注规范性（如情绪区分）与数据验证需通过实践强化。
  

• 学习特点：偏好与养老专业相关的任务驱动学习，对智慧健康养老领域的AI应用（如情绪检测）兴趣浓厚，需通过实践获得成就感（讲课稿场景激发）。
  

• 专业特性：智慧健康养老管理专业学生，职业目标为养老服务管理与智能化技术应用，需掌握数据标注与验证技能以支持AI模型训练。
  

• 整体情况与个体差异：班级49名学生，约50%学生能快速掌握工具操作，30%学生需指导规范化标注，20%学生实践能力较弱；学生对养老场景应用理解较好，但技术操作需强化（讲课稿任务实施，附件第18页）。

（三）教学目标

• 素质目标：

  • 通过7种情绪数据标注案例，深化学生关爱老年群体的社会责任感和科技向善的职业道德，体现“医心铸魂”（讲课稿总结展望）。

  • 通过小组协作，增强团队合作与沟通能力，弘扬工匠精神和养老服务精神。
    

• 知识目标：

  • 第7学时：掌握LabelImg的安装、界面操作及快捷键使用，理解7种情绪图片标注规范（讲课稿任务1-4，附件第5页、第12页、第18页）。

  • 第8学时：掌握数据验证与优化方法，确保7种情绪数据集质量。
    

• 能力目标：

  • 第7学时：使用LabelImg完成7种情绪图片标注，生成JSON格式数据集（讲课稿任务4-5）。

  • 第8学时：使用Python验证标注数据，优化数据集质量。

（四）教学重难点

• 教学重点：

  • 第7学时：使用LabelImg规范化标注7种情绪图片，熟练掌握界面与快捷键（讲课稿任务3-4，附件第18页）。

    • 解决方法：通过教师分步演示LabelImg界面操作与快捷键使用，结合7种情绪图片案例，分组实践标注5张图片，强化操作规范性。

  • 第8学时：验证与优化7种情绪数据集，确保符合模型训练需求。

    • 解决方法：通过Python脚本演示JSON格式检查与标签一致性验证，分组实践验证10张图片数据集，结合教师指导解决调试问题。
      

• 教学难点：

  • 第7学时：确保7种情绪标注的准确性与一致性（如区分“愤怒”与“厌恶”）。

    • 突破办法：通过7种情绪图片特征对比（如“愤怒”皱眉、“厌恶”撇嘴），结合小组讨论与教师逐一指导，强化情绪区分能力。

  • 第8学时：使用Python脚本验证复杂标注数据并优化。

    • 突破办法：通过分步演示JSON解析与数据清洗流程，分组实践验证与优化10张图片数据集，结合反馈解决脚本错误。

（五）思政融入

• 思政元素：融入“医心铸魂”“科技服务社会”理念（讲课稿总结展望，《信息技术-教师4-15-16学时.pdf》第17页），强调7种情绪数据标注在提升养老服务AI模型准确性中的作用，培养学生职业道德与社会责任感，符合评分指标“课程思政系统设计，有机融入”。
  

• 知识链接：将数据标注与情绪检测模型训练结合，讨论高质量数据如何改善老年人心理健康服务（讲课稿任务1，附件第8页）。
  

• 融入方式：在导入环节分享7种情绪标注在养老AI应用中的案例（如精准识别“害怕”情绪优化心理干预），课堂讨论融入AI伦理与《数据安全法》（讲课稿总结展望），引导学生思考技术的人文关怀。

（六）教学方法与手段

• 教学方法：项目驱动教学、演示教学、小组合作、任务式教学（讲课稿五段式流程），符合评分指标“教学策略有效、教学组织有序”。
  

• 教学手段：LabelImg交互式操作、Python验证、联想电子教室多媒体演示、超星学习通平台实时反馈、Markdown多端自适应教材《信息技术拓展项目五》辅助，体现“数字技术运用恰当”。

（七）教学资源及场景

• 资源：

  • 配备网络的计算机（80台）、Python 3.12安装包、PyCharm社区版2024.2、LabelImg（绿色工具包，附件第12页）、联想电子教室、超星学习通平台资源、基于Markdown的多端自适应自编教材《信息技术拓展项目五》。

  • 情绪数据集（2000条，JSON格式，灰度格式，48x48像素，涵盖7种情绪：愤怒、厌恶、害怕、开心、伤心、惊讶、中性，参考本地存储，原始链接：192.168.189.3:8182/d... ）。

  • 课程PPT（本地存储，参考原链接：192.168.189.3:8182/d... ）。
    

• 场景：学校计算机实训室，配备80台工作站、联想电子教室（含智能交互白板及投影设备）及稳定网络（WiFi信号：630或630_5G，密码：12345687），满足理实一体化教学需求。

三、教学实施

第7学时（45分钟）

课前-探学阶段（5分钟）

课中-践学阶段实施（35分钟）

课后-拓学阶段（5分钟）

第8学时（45分钟）

课前-探学阶段（5分钟）

课中-践学阶段实施（35分钟）

课后-拓学阶段（5分钟）

四、教学评价

• 评价说明：评价结合过程性与结果性，注重学生参与度与实践能力，融入超星学习通平台数据分析（如学习时长、任务完成率、标注准确率），符合《深化新时代教育评价改革总体方案》（附件“教学评价要求.docx”）要求，确保科学性与客观性。评分比例与评分指标（附件2-1-5）“教学评价科学合理”高度契合。

五、学习成效

• 学习效果：学生100%完成LabelImg安装与7种情绪标注，90%以上学生能验证与优化数据集，深入理解数据标注在养老AI中的作用。
  

• 亮点之处：

  • 课程思政融入案例生动（如7种情绪标注优化心理干预），激发学生学习动力，体现“医心铸魂”（讲课稿总结展望），符合评分指标“课程思政有机融入”。

  • 理实一体化教学通过LabelImg与Python实践提升技能，符合“德技并修”要求。

  • 小组互评与超星学习通平台反馈促进深度学习，满足评分指标“学生学习效果突出”。

六、反思改进

• 反思问题：

  • 第7学时：约30%学生对LabelImg快捷键与7种情绪区分（如“愤怒”与“厌恶”）不熟练，需更多实践（讲课稿任务3，附件第18页）。

  • 第8学时：少数学生因Python JSON解析不熟悉影响验证效率。
    

• 改进措施：

  • 第7学时：增加7种情绪标注案例练习（如标注10张图片），强化快捷键操作。

  • 第8学时：在课前预习加入Python JSON解析练习，巩固数据验证技能。