《4.1.1 Python的常量和变量》教学设计(粤教版)
一、教学基本信息
课题：4.1.1 Python的常量和变量——AI时代的“数据基石”：从存储单元到智能决策的思维起点教材版本：广东教育出版社版（2019）普通高中信息技术必修1《数据与计算》教学环境：具备高速互联网接入的计算机教室，支持安全访问合规的生成式AI工具（建议使用教育专用平台或经审核的国内大模型，如DeepSeek）；多媒体教学系统；Python编程环境（如IDLE、Jupyter Notebook）；分组讨论区。二、核心素养目标
依据新课标对核心素养内涵的深化要求，并融合《指南》中关于培养批判性思维、创新能力和伦理意识的精神，设定本课目标如下：能敏锐感知在人工智能时代，常量与变量是程序乃至智能系统中数据存储与流动的基本单元，是信息从现实世界映射到数字世界的“锚点”。理解常量（如圆周率π、光速c）代表确定不变的知识，而变量（如用户输入、传感器读数、AI模型参数）则承载着动态变化的信息流，是程序实现交互与智能的基础。深刻理解在数据驱动的智能时代，合理定义和使用变量，是构建清晰、可维护、可解释程序的第一步，形成主动运用数据思维审视问题、规划解决方案的自觉。能运用“抽象与建模”思维，将现实问题中的实体与属性（如“校园气象站”中的“温度”、“湿度”）抽象为程序中的变量，并为其选择合适的数据类型（如整型、浮点型）。能设计并执行一个利用生成式AI进行“变量命名规范探讨、常量意义挖掘与数据抽象实践”的探究流程，体验从具体情境到抽象符号的系统性思维过程。能合法、合规、批判性地使用生成式AI工具，将其作为探究编程概念的“智能学伴”和“代码实践教练”。在实践中遵循《使用指南》，明确AI的辅助定位，培养利用AI辅助理解概念、生成示例、调试代码并进行创造性应用的能力，坚决杜绝直接复制AI生成的代码作为答案。通过“AI赋能的‘校园环境数据感知’微项目”，完整经历“感知真实数据源→抽象为程序变量→利用AI辅助实现数据采集模拟→进行简单分析与可视化”的数字化创新全过程，提升利用智能工具进行数据驱动的问题解决能力。在利用AI工具学习和应用变量、常量处理数据时，能自觉思考数据来源的可靠性、数据使用的伦理边界以及变量命名中可能隐含的偏见。例如，理解在模拟或处理涉及个人或环境的数据时，应遵循的隐私保护和负责任原则。树立作为未来程序员的初步责任意识，理解清晰、规范的代码（从良好的变量命名开始）不仅是技术能力的体现，更是对协作伙伴、对系统未来维护者、乃至对社会负责任的态度。三、教学重难点
教学重点：引导学生理解常量与变量的核心区别、变量的命名规则与赋值操作，并利用生成式AI工具，围绕一个简单的数据感知场景（如“模拟教室温湿度监测”），进行变量定义、赋值及初步应用的实践。教学难点：培养学生对AI生成的代码示例中变量使用进行高阶的逻辑合理性与命名规范性评估能力；引导学生在项目实践中，超越语法本身，理解变量作为“数据容器”和“状态记录器”在模拟真实世界与驱动程序逻辑中的核心作用，形成初步的数据抽象与建模思维。四、教学过程设计
第一课时：认知奠基——当AI解析你的“数据容器”
环节一：情境导入——从“智能恒温花房”说起（10分钟）
生活场景引入：教师展示一个“智能恒温花房”的示意图或短视频。花房系统需要持续监测温度、湿度，并根据预设的植物最佳生长范围（如温度常量：25℃）自动控制加湿器或通风扇。问题驱动讨论：提问学生：“在这个系统中，哪些量是固定不变的‘知识’或‘标准’？（如最佳温度25℃，这是一个常量）哪些量是实时变化、需要被监测和控制的？（如当前温度、当前湿度，这些是变量）如果我们要用Python程序来模拟这个系统，该如何表示这些常量和变量？”AI辅助概念澄清：教师利用生成式AI（如DeepSeek）现场生成一个简化的对比说明：“请用通俗易懂的语言和代码示例，向高中生解释编程中‘常量’和‘变量’的区别，并各举两个生活中的例子。”将AI生成的内容作为讨论的补充材料。揭示课题与挑战：引出本课核心任务：常量与变量，是程序世界中最基础、也最重要的“积木”。本节课，我们将在AI的帮助下，不仅学会如何搭建这些积木，更要理解为何这样搭建，并尝试用它们构建一个简单的“数字孪生”模型。环节二：探究工坊——生成式AI作为“概念教练”与“代码验算器”（30分钟）
知识框架构建：教师引导学生结合教材和AI生成的解释，明确：常量：程序运行过程中其值不能改变的量。通常用于存储固定不变的数据，如数学常数、配置参数。在Python中，通常用大写字母命名以示区分（非强制，是约定）。变量：程序运行过程中其值可以改变的量。是程序中存储和引用数据的主要方式。包含变量名、变量值和数据类型三要素。重点讲解变量的命名规则（字母、数字、下划线；不能以数字开头；避开关键字；见名知意）。提出本环节探究框架：“请利用生成式AI工具，完成两项任务：1. 为你设想的‘校园气象站’项目，定义至少3个合适的常量（如预警阈值）和5个变量（如监测值），并说明其数据类型和命名理由；2. 请AI生成一段包含这些常量和变量定义与简单操作的Python代码，并解释其运行逻辑。”操作指引：学生使用生成式AI工具，在教师提供的结构化提示词引导下进行探究。例如：提示词1（概念应用与命名设计）：“我们要模拟一个校园气象站，需要监测PM2.5、噪音分贝、光照强度。请为这个项目设计：a) 2个有意义的常量（例如：PM2.5的优良标准阈值）；b) 3个对应的变量，用于存储实时监测值。请为它们起一个符合‘见名知意’原则的变量名，并说明你选择的数据类型（如int, float）。”提示词2（代码生成与逻辑验证）：“根据以上设计，请用Python写一段代码：定义这些常量和变量，并模拟给变量赋予一个初始值（或随机值）。然后，写一个简单的判断：如果PM2.5的变量值超过了常量定义的优良阈值，就打印一条提示信息。”提示词3（批判性审查与优化）：“审查AI生成的代码，重点关注：1. 变量名是否真的‘见名知意’？有没有更优的命名？2. 常量的定义方式（如使用大写）是否有助于提高代码可读性？3. 这段代码模拟了现实世界中的什么逻辑？”实践验证与迭代优化：各组将AI生成的代码复制到Python环境中运行，观察结果。针对运行中的错误或警告，以及“提示词3”中的审查问题，与AI进行进一步对话，修正代码，优化命名。此过程践行《使用指南》中倡导的“结合技术原理开展探究性学习”和批判性思维。环节三：归纳与升华（5分钟）
教师总结指出：AI能快速响应我们的设计意图，生成符合语法的代码框架，帮助我们跨越从想法到代码的“第一道鸿沟”。然而，“定义什么变量”以及“为何这样命名”的决策，源于我们对现实问题的深刻理解，这是AI无法替代的。优秀的程序员，从定义第一个变量开始，就在构建一个清晰、可沟通的数字世界模型。第二课时：实践创新——构建一个数据感知的微模型
环节一：项目启动——从变量定义到微型系统模拟（5分钟）
发布终极项目任务：各小组以“校园环境数据感知”为主题（可细分为气象、噪音、绿化、能耗等子方向），利用上一课时的设计基础，完成一个《“感知校园”：Python常量与变量应用微项目报告》。要求包含：项目背景与常量/变量设计表、可运行的Python模拟代码、代码逻辑说明，以及一份关于数据模拟的简单伦理思考。环节二：协同创新——AI作为“系统构建助手”与“伦理初探镜”（35分钟）
模型构建与实现：学生围绕选定的子方向，深化设计，并利用AI辅助实现更丰富的模拟逻辑。作为“逻辑扩展助手”：“在我们的‘教室灯光节能模拟’项目中，我们已经定义了CURRENT_LUX（当前照度）变量和IDEAL_LUX（理想照度）常量。现在希望模拟：如果当前照度低于理想值，则‘开灯’；否则‘关灯’。并且记录一天中‘开灯’的次数。请帮我们修改和扩展代码，实现这个逻辑，并引入一个计数器变量。”作为“调试与优化伙伴”：“运行代码时，如果用户输入的照度值不是数字，程序会出错。如何修改代码，使其更健壮（鲁棒性）？请给出修改建议。”数据伦理初探：这是关键步骤，引导学生初步思考技术应用中的责任。利用AI引导讨论。提示词（数据真实性与责任感）：“我们的模拟数据是随机生成的。如果这是一个真实的系统，我们使用的CURRENT_LUX（当前照度）变量数据来自真实的传感器，我们在编程和使用这些数据时，应该考虑哪些问题？（例如：传感器校准、数据误差、长期数据存储的隐私与安全）”提示词（命名的社会意涵）：“在我们的‘校园活动参与度分析’模拟中，如果定义一个变量叫poor_performance_students来存储参与度低的学生ID，这个命名可能带来什么潜在问题？如何用一个更中性、更负责任的变量名来替代？”报告迭代与整合：根据模型实现和伦理讨论，小组完善代码和报告。在报告中，专门设立“我们的思考”部分，简要记录对变量命名规范性、数据模拟真实性以及项目潜在社会影响的讨论。项目整合与展示准备：各小组整理最终报告、可运行代码及一份简短的演示摘要。环节三：成果展示与开发者启航（10分钟）
微项目分享会：邀请部分小组展示其《“感知校园”》项目，现场演示代码如何通过变量和常量模拟环境感知与简单决策。重点阐述：变量/常量设计如何体现了对现实问题的抽象；与AI协作进行编码和调试的体验；以及对相关数据伦理的初步思考。教师总结各项目亮点，并回归核心素养与《指南》精神：本节课，我们利用AI完成了从理解数据存储的基本单元（信息意识），到抽象现实属性为程序变量（计算思维），再到构建并运行数据感知微模型（数字化学习与创新），最终落脚于以初步的责任感审视数据与代码（信息社会责任）的完整素养闭环。我们不仅是Python语法的学习者，更是有意识的数据世界建模者。强调：在人工智能与大数据时代，变量里存储的不仅是数值，更是责任；常量里定义的不仅是阈值，更是准则。鼓励全班从今天起，践行《负责任的初学者程序员公约》：从写好每一个变量名开始，追求代码的清晰与善良；在利用AI加速学习的同时，始终保持对逻辑的掌控和对价值的思考。五、教学评价设计
过程性评价：重点关注学生在变量/常量设计中的抽象能力、与AI协作的深度与批判性、在课堂讨论中的参与度。成果性评价：以《“感知校园”：Python常量与变量应用微项目报告》及可运行代码为最终评价依据，制定多维评价量规，重点评估：常量与变量设计的合理性与命名规范性（信息意识、计算思维）；代码的逻辑正确性、结构清晰度及与AI的协作过程（数字化学习与创新）；融合《指南》精神：在评价标准中明确要求，报告中必须说明AI在代码示例生成、调试建议等方面的辅助作用，并清晰展示人类学生在问题抽象、命名决策、伦理讨论中的主导角色，践行《中小学生成式人工智能使用指南》中关于规范使用、防范依赖的要求。六、教学反思与特色
本设计积极响应了新课标“推进人工智能全学段教育”的号召，并深度践行了两份《指南》的核心精神。其核心创新在于：化抽象为具体，赋予语法以灵魂：将“常量与变量”这一基础语法知识点，置于 “构建智能微系统模拟” 的真实项目情境中。学生不是孤立地记忆规则，而是在解决“如何用程序描述世界”的核心问题中自然习得并应用概念，使知识学习充满意义感。AI作为“脚手架”与“反思触发器”：生成式AI在本课中精准定位为“示例生成器”和“调试顾问”，有效降低了初学者的畏难情绪，使其能快速上手并看到成果，获得正向激励。同时，通过精心设计的提示词，引导学生对AI的输出进行审查和优化，将学习焦点从“得到代码”转向“理解与评判代码”，培养了批判性思维，这正是《使用指南》所倡导的高中阶段“结合技术原理开展探究性学习”的生动体现。植入伦理思辨的早期基因：在入门阶段即引入关于数据真实性、变量命名社会意涵的轻量级讨论，并非增加负担，而是播下“负责任创新”的种子。这有助于学生从一开始就建立技术与社会相联系的系统思维，回应了《通识教育指南》对高中阶段“强化系统思维”和“践行社会责任”的培养目标。实现核心素养的闭环培养：通过“情境感知→抽象建模→AI协同实现→伦理反思”的教学主线，将信息科技四大核心素养有机融合于一次完整的学习活动中。学生体验了完整的数字化学习与创新过程，为后续更复杂的算法与程序设计学习奠定了坚实的思维基础和正确的价值取向。通过这样一堂课，学生收获的将不仅是对Python常量、变量语法的掌握，更是一次以AI为伴、从现实世界走入数字世界的“启蒙之旅”，初步建立起作为数字时代构建者所必备的数据思维、协作意识与责任观念。如果您还有疑问，就请点击下方卡片，让「爱拼之家教学小助手」为您实时答疑：支持24小时在线问答哦，并提供个性化建议 ⬇️
10个月宝宝每天需要喝多少奶粉？
