任赟

2017年春季學(xué)期，北京作為全國四個試點省份之一開始實施新課標(biāo)。2018年1月《普通高中信息技術(shù)課程標(biāo)準(zhǔn)（2017年版）》發(fā)布，前言中提到要“落實立德樹人根本任務(wù)，……培養(yǎng)德智體美全面發(fā)展的社會主義建設(shè)者和接班人”。在新課標(biāo)中，教學(xué)內(nèi)容以程序設(shè)計語言Python作為載體，培養(yǎng)學(xué)生信息意識、計算思維、數(shù)字化學(xué)習(xí)與創(chuàng)新、信息社會責(zé)任四個核心素養(yǎng)。

2020年的新冠肺炎疫情對全世界各行各業(yè)都產(chǎn)生了深遠(yuǎn)的影響。高一學(xué)生作為未來社會主義的建設(shè)者和接班人，為了更好地幫助他們了解新冠肺炎的相關(guān)知識，了解我國采取各種疫情防控措施的必要性，進一步產(chǎn)生國家自豪感、認(rèn)同感，筆者設(shè)計了與新冠肺炎相關(guān)的兩個教學(xué)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(yǎng)學(xué)生的信息技術(shù)課程的四個核心素養(yǎng)。

項目一：新冠肺炎自查程序

1.設(shè)置目的

（1）幫助學(xué)生了解新冠肺炎與普通感冒的區(qū)別。

（2）幫助學(xué)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(xiàn)發(fā)熱、咳嗽、流鼻涕等癥狀，但無法確認(rèn)病情，又擔(dān)心去醫(yī)院會出現(xiàn)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(yīng)的建議。

3.具體要求

（1）請從網(wǎng)上查詢并整理資料，了解普通感冒和新冠的區(qū)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(yīng)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(xù)發(fā)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(guī)則如下：用戶四個回答中，每個“是”回答感染概率增加25%，根據(jù)用戶回答“是”的數(shù)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(jù)用戶感染概率給出相應(yīng)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(yī)院就診。

③100%，您的感染概率非常大，請帶好口罩，立即去醫(yī)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(xù)發(fā)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(yī)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(yī)院就診'）

項目二：傳染病數(shù)學(xué)模型下的疫情變化

1.設(shè)置目的

（1）幫助學(xué)生了解在不進行隔離的情況下，傳染人數(shù)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(xué)生培養(yǎng)使用程序解決現(xiàn)實問題的意識。

（3）幫助學(xué)生對Python程序設(shè)計語言中的順序結(jié)構(gòu)、循環(huán)結(jié)構(gòu)進行綜合練習(xí)。

2.項目背景

當(dāng)一種傳染?。ㄈ鏢ARS、新冠肺炎等）正在流行，人們希望建立適當(dāng)?shù)臄?shù)學(xué)模型，利用已經(jīng)掌握的一些數(shù)據(jù)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(chǎn)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(nèi)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?yōu)镋類或I 類成員。

（3）R類，康復(fù)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?yōu)?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(shè)：

①地區(qū)總?cè)藬?shù)N不變，沒有人生死遷移，只有健康者S（t），感染者I（t），康復(fù)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(fù)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(shù)，即第t天健康者減少的人數(shù)）

③?R（t）=γ*I（t） （第t天康復(fù)者增加的人數(shù)）

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

3.具體任務(wù)

假設(shè)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(shù)變化趨勢如圖1所示。

請計算：

任務(wù)1

第一天，健康者S、感染者I、康復(fù)者R各有多少人數(shù)。

任務(wù)2

輸入天數(shù)，計算該天健康者S、感染者I、康復(fù)者R的人數(shù)。

任務(wù)3

計算拐點出現(xiàn)的天數(shù)（從拐點開始新感染人數(shù)小于康復(fù)人數(shù)，即總感染人數(shù)開始減少）。

4.參考程序

結(jié)? 語

以上兩個項目既可以幫助學(xué)生了解疫情的相關(guān)知識，又可以幫助學(xué)生對Python進行綜合練習(xí)，受到學(xué)生們的喜歡。我們的學(xué)生是未來社會的建設(shè)者，建設(shè)者的技能不是一蹴而就的，需要教師的持續(xù)引導(dǎo)，引導(dǎo)他們關(guān)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(lián)系實際，學(xué)以致用，成為合格的建設(shè)者和接班人。

作者單位：北京市第十二中學(xué)