陈鸥辉

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

设计背景

本教学案例参考粤教版教材“信息技术必修1：数据与计算”的第五章《数据处理与可视化分析》。具体设计课时分布如图1所示。

第一次课：数据的采集（2课时）

第一节课，主要向学生解释大数据的定义及特征，并通过视频让学生感知大数据时代对我们生活带来的各种影响。例如，播放中国首部大数据产业题材纪录片——《大数据时代》。

第二节课，通过对网页数据的采集向学生介绍几种不同的采集方式。以爬取百度网页数据为例向学生介绍最简单的采集网页数据的方式，即没有采集限制协议的网页数据方式。如果有采集协议限制，如豆瓣，用上面的爬取方式则无法爬取到正常的网页数据，需要根据协议方式进行采集，代码如图2所示。

在第二节课的爬虫实操中，从简单的爬虫代码过渡到爬虫协议，再到实现豆瓣的数据爬取及存储，让学生一步步地了解爬虫原理，并能够应用爬虫爬取各种数据，总的来说学生的应用实操效果良好，能够通过修改代码完成自己想爬取的网址源代码并保存。通过这种体验，学生表现出对大数据的强烈兴趣。学有余力的学生，还可以加入拓展任务，代码如图3所示。

第二次课：数据的清洗与保存（2课时）