教案名称 K均值智能选址
科目 高中人工智能 授课年级
课型 新授课 学时 2
一、课程指南
1. 内容要求
（1）认识人工智能的典型应用场景和关键领域技术，让学生体验“身边的人工智能”，从典
型场景中抽取出聚类算法等关键技术，探究典型人工智能应用技术的基本工作原理。
（2）能够利用 Python中相关库包进行数据分析和数据可视化，如 Pandas、Matplotlib等。
（3）提供实践案例，让学生通过运用 Python 编程语言和相关人工智能实践平台对典型的人
工智能算法进行实现和实践。
2. 学业质量要求
（1）针对实际生活中的复杂问题，能够主动运用人工智能进行分析与综合判断，选择运用
人工智能解决问题的路径。
（2）掌握聚类分析的基本算法，并能运用常见编程语言和开发框架进行算法实现。
（3）能够独立或合作开发支持跨学科学习和真实问题解决的适切智能资源，感悟人工智能
的应用对强化与提升个体综合能力、促进实践创新和高效学习的特殊价值。
二、教学内容分析
1. 人工智能应用与技术：K均值聚类分析这一关键技术的工作原理和典型应用场景。
2. 人工智能感知与数据：利用 Python和 Pandas、matplotlib库等进行数据分析和可视化。
3. 人工智能方法与实现：理解 K均值算法的基本原理并使用相关 Python库包进行实现；理
解聚类算法的评估指标并能够计算。
三、学情分析
1. 心理特点：
学生的逻辑思维趋于严密，具有一定的抽象与归纳能力，具备可塑性、主动性和独立性特点；
学生好奇心强，有一定的探索能力和表达欲望，并且能够在原有知识的基础上进行迁移。
2. 知识基础：
学生已具备了一定的信息技术知识储备和 Python编程能力，具有一定的智能思维；
学生具有实际动手操作的能力，能够把知识应用于生活实践；
学生可能需要一些具体的教学支架（如可视化工具）来辅助理解教学内容的内在逻辑关系。
四、教学目标
1. 智能意识
在物流中转站选址的任务情境中，体会人工智能的核心价值。
能够主动运用人工智能进行分析与综合判断，选择运用人工智能解决问题的路径。
2. 智能思维
能够理解 K均值算法的基本原理并使用 Python语言实现，掌握评估 K均值聚类结果的方法。
能够把利用人工智能解决问题的过程迁移到学习和生活中其他相关问题的解决。
3. 智能应用与创造
能够合理地选择、应用人工智能应用系统的开发工具和开发平台，使用所提供的资源设计并
实现针对本节课问题情景的智能解决方案。
4. 智能社会责任
理解人工智能对于社会发展带来的崭新可能性，具有积极学习的态度、理性判断的思维和负
责行动的能力。
五、教学重难点
1. 教学重点
K均值算法的原理和 Python实现方法，聚类结果的影响因素，评估聚类结果的标准和计算方
法，数据和聚类结果的可视化方法。
2. 教学难点
K均值算法流程、聚类结果的影响因素、轮廓系数的计算方法。
六、教学策略
1. 启发式教学
在教学过程中，通过引导式学习任务单不断启发学生独立思考，逐步形成对数据和算法流程
的完整认知，对学习过程进行反思，引导学生积极主动地参与到学习过程中。
2. 探究式学习
设置学习探究活动，引导学生对选址问题的解决方案进行探索，总结形成 K均值算法流程，
探索聚类结果的影响因素和评估标准，培养实践能力和探索精神。
3. 协作学习
鼓励小组合作，对具体任务进行拆解并合理分工，在协作中培养合作互助与交流分享意识。
七、教学环境和资源
本课程需要学生进行实践操作，因此建议在人工智能实验室或配置有相关学习资源的环境中
开展教学，具体而言，至少应包括：
（1）已配置 Python编程环境和相关库的教学平台
（2）能够联网的计算机
（3）电子白板
八、教学过程
教学环节 教师活动 学生活动 设计意图
情景导入
1.创设学习情境：
从“网购”讲起，介绍其背
后的物流支撑系统，引导学
生思考中转站对于物流系统
畅通高效的重要性
2.揭示项目主题：
以运输距离为标准，为物流
公司选定中转站的地址
1.思考并讨论：
中转站对于高效物流链路的
重要性，如何评价一个中转
站的位置优劣？
2.结合任务思考：
用什么样的方法才能挑选出
合理的中转地址？面对复杂
问题如何进行分析？
通过贴近生活的
情景导入，点明课
程学习主题，激发
学生的学习兴趣，
引出学生挑战任
务的想法
了解数据
1.引导学生认识数据：
向学生介绍用到的可视化工
具；
引导学生完成数据的描述性
分析、预处理和可视化
1.完成学习活动 1：
了解分析数据的支架用法；
完成对数据的初步认识和预
处理；
将数据可视化，直观理解数
据内容
帮助学生学习相
关支架的用法，增
强解决问题的信
心。引导学生了解
并处理数据，为后
续探索解决方案
奠定知识基础。
方案探究
1. 引导探究选址方案：
从最简单的“单站点”情况
入手，介绍“质心”的概念
和计算方法；
拓展到“2个站点”问题，
引导学生以“聚类”的思维
探索解决方案；
将问题拓展为“K个站点”，
引导学生抽象出K均值算法
流程；
1.完成学习活动 2：
体会从简单到复杂的问题分
析思路，逐步形成选址解决
方案并从中抽象出K均值聚
类分析的算法流程
2.完成学习活动 3：
通过模拟计算机进行K均值
聚类运算，进一步深化对算
法原理的理解；
理解初始质心的选择对聚类
通过对选址方案
的探究，让学生在
“做”中“学”会
K 均值的算法流
程；
通过“1→2→K”
问题情景逐步拓
展，让学生学习复
杂问题的分析方
法，增强四维能
2.辅助学生模拟计算：
引导学生模拟计算机进行 K
均值聚类分析，进一步深化
理解；
明确不同初始质心对聚类结
果的影响
3.K均值选址实战：
划分学习小组；
介绍Python中K均值的实现
方法，通过控制变量的思想
探究聚类结果的影响因素；
介绍聚类结果可视化呈现支
架的使用方法；
结果如何产生影响
3.完成学习活动 4：
小组合作使用 Python编写K
均值计算程序，通过对不同
参数进行控制与对照，探究
聚类结果的影响因素有哪
些；
学习聚类结果可视化呈现支
架的使用
力；
通过模拟计算机
运算，在实操中深
化学生对算法原
理的理解，明白不
同初始质心对聚
类结果的影响；
学以致用，培养实
践能力，通过探索
过程培养批判性
思维；
通过小组合作，培
养学生的合作意
识、协作能力和交
流分享意识
方案评估
1. 轮廓系数概念介绍与算
法演示：
介绍轮廓系数的概念、原理、
算法以及评估标准
2.引导学生通过实践理解轮
廓系数：
引导学生分工协作，手动计
算轮廓系数；
向学生介绍Python计算轮廓
系数的方法，并抛出轮廓系
数探索任务：通过轮廓系数
证实学习活动 4得出的结论
1.完成学习活动 5：
小组协作，计算学习活动 3
的聚类结果的轮廓系数；
小组协作，编程探索不同选
址方案的轮廓系数，证实活
动 4得出的结论，进一步理
解聚类结果的影响因素
让学生理解轮廓
系数的原理，在实
践过程中掌握计
算方法和编程实
现方法，培养实践
能力；
通过探究任务，培
养学生的探索精
神；
通过活动 5与活动
4 相互印证，帮助
学生深刻理解聚
类的影响因素
总结反思
1.反思辨析：
引导学生对选址方案进行反
思，拓展思维
2.总结课堂：
总结课堂内容，帮助学生形
成知识体系，理解人工智能
实现路径；
回顾方案探索过程，体会复
杂问题的分析思路，形成问
题解决经验
1.反思与讨论：
反思自己的选址方案，讨论
是否存在优化空间
2.总结收获，形成体系：
总结本节课的收获，并跟随
教师的梳理形成清晰的知识
体系和一条人工智能实现路
径，完善认知结构；
梳理选址方案探究过程，体
会复杂问题分析思路，总结
在反思中寻找优
化空间，培养批判
性思维；
帮助学生巩固所
学，形成清晰的知
识体系，梳理人工
智能实现路径，完
善认知结构；
经验
九、板书设计
十、教学反思
/5
