高中信息技術課程Python教學項目的設計

任赟

2017年春季學期，北京作為全國四個試點省份之一開始實施新課標。2018年1月《普通高中信息技術課程標準（2017年版）》發布，前言中提到要“落實立德樹人根本任務，……培養德智體美全面發展的社會主義建設者和接班人”。在新課標中，教學內容以程序設計語言Python作為載體，培養學生信息意識、計算思維、數字化學習與創新、信息社會責任四個核心素養。

2020年的新冠肺炎疫情對全世界各行各業都產生了深遠的影響。高一學生作為未來社會主義的建設者和接班人，為了更好地幫助他們了解新冠肺炎的相關知識，了解我國采取各種疫情防控措施的必要性，進一步產生國家自豪感、認同感，筆者設計了與新冠肺炎相關的兩個教學項目。

這兩個項目立足于立德樹人基本思想，同時也有利于培養學生的信息技術課程的四個核心素養。

項目一：新冠肺炎自查程序

1.設置目的

（1）幫助學生了解新冠肺炎與普通感冒的區別。

（2）幫助學生綜合運用Python中的if條件語句。

2.項目描述

在新冠肺炎疫情期間，普通人如果出現發熱、咳嗽、流鼻涕等癥狀，但無法確認病情，又擔心去醫院會出現交叉感染，怎么辦？

請使用Python制作一個小程序，通過詢問用戶問題，幫用戶初步識別患新冠肺炎的概率，并給出相應的建議。

3.具體要求

（1）請從網上查詢并整理資料，了解普通感冒和新冠的區別。

（2）使用Python完成一個小程序，通過詢問用戶問題，幫用戶初步識別患新冠肺炎的概率，并給出相應的建議。

4.項目范例

（1）程序功能說明。

詢問用戶以下四個問題：

①是否有呼吸困難或急促？

②是否有干咳并影響睡眠？

③是否持續發熱且退燒藥作用不大？

④是否精神差、食欲差？

輸出用戶感染概率

規則如下：用戶四個回答中，每個“是”回答感染概率增加25%，根據用戶回答“是”的數量給出感染概率。如用戶回答0個“是”，感染概率為0%，1個“是”，感染概率為25%，依次類推。

根據用戶感染概率給出相應建議：

①0，您目前很正常，請出門戴口罩，勤洗手，做好個人防護。

②25%～75%，您有一定的感染概率，請做好自我隔離，必要時去醫院就診。

③100%，您的感染概率非常大，請帶好口罩，立即去醫院就診！

（2）參考程序（Python語言版）。

p=0#感染概率

ans=input（'1.是否有呼吸困難或急促（回答是或否）'）

if ans=='是'：

p+=25

ans=input（'2.是否有干咳并影響睡眠？（回答是或否）'）

if ans=='是'：

p+=25

ans=input（'3.是否持續發熱且退燒藥作用不大？（回答是或否）'）

if ans=='是'：

p+=25

ans=input（'4.是否精神差食欲差？（回答是或否）'）

if ans=='是'：

p+=25

print（'您的感染概率為'，p，'%'）

if p==0：

print（'您目前很正常，請出門戴口罩，勤洗手，做好個人防護'）

if 25<=p<=75：

print（'您有一定的感染概率，請做好自我隔離，必要時去醫院就診'）

if p==100：

print（'您的感染概率非常大，請帶好口罩，及時去醫院就診'）

項目二：傳染病數學模型下的疫情變化

1.設置目的

（1）幫助學生了解在不進行隔離的情況下，傳染人數的快速增加，從而幫助他們更好地理解國家的隔離措施實施的必要性。

（2）幫助學生培養使用程序解決現實問題的意識。

（3）幫助學生對Python程序設計語言中的順序結構、循環結構進行綜合練習。

2.項目背景

當一種傳染病（如SARS、新冠肺炎等）正在流行，人們希望建立適當的數學模型，利用已經掌握的一些數據資料對該傳染病進行有效的研究，以期對其傳播蔓延進行必要的控制，減少人民生命財產的損失。常見的傳染病模型按照傳染病類型分為SI、SIR、SIRS、SEIR 模型等。

傳染病模型一般把傳染病流行范圍內的人群分成如下幾類。

（1）S類，易感者 （Susceptible），指未得病者，但缺乏免疫能力，與感染者接觸后容易受到感染。

（2）I類，感染者 （Infectious），指染上傳染病的人，可以傳播給S類成員，將其變為E類或I 類成員。

（3）R類，康復者 （Recovered），指被隔離或因病愈而具有免疫力的人。如免疫期有限，R 類成員可以重新變為 S 類。

（4）E類，暴露者 （Exposed），指接觸過感染者，但暫無能力傳染給其他人的人，對潛伏期長的傳染病適用。

為了簡化問題，本項目使用SIR模型。

有兩個假設：

①地區總人數N不變，沒有人生死遷移，只有健康者S（t），感染者I（t），康復者R（t）。

備注：S（t）表示第t天的健康者，I（t）表示第t天的感染者，R（t）表示第t天的康復者。

②疾病傳染率為β，每天治愈率為γ。

SIR模型（不進行隔離）如下：

①S（t）+I（t）+R（t）=N

②?S（t）=β*I（t）*S（t）/N（第t天新傳染的人數，即第t天健康者減少的人數）

③?R（t）=γ*I（t） （第t天康復者增加的人數）

④?I（t）=β*I（t）*S（t）/N-γ*I（t） =?S（t）- ?R（t） （第t天現存感病者增加的人數）

3.具體任務

假設傳染率β取值0.2586，治愈率γ取值0.0821，S0、I0、R0的初值分別是10 000 000、10、5，則N=10000000+10+5，人數變化趨勢如圖1所示。

請計算：

任務1

第一天，健康者S、感染者I、康復者R各有多少人數。

任務2

輸入天數，計算該天健康者S、感染者I、康復者R的人數。

任務3

計算拐點出現的天數（從拐點開始新感染人數小于康復人數，即總感染人數開始減少）。

4.參考程序

結? 語

以上兩個項目既可以幫助學生了解疫情的相關知識，又可以幫助學生對Python進行綜合練習，受到學生們的喜歡。我們的學生是未來社會的建設者，建設者的技能不是一蹴而就的，需要教師的持續引導，引導他們關心社會，思考社會問題的解決方法，這樣在未來他們才能理論聯系實際，學以致用，成為合格的建設者和接班人。

作者單位：北京市第十二中學