2.八颗行星
【教材简析】
本课是六年级下册《宇宙》单元的第2课。第一课已对太阳系有了初步介绍，这一节课中进一步对太阳系中八颗行星的一些探究。聚焦部分通过两个提问，考察上节课的内容和指出本课研究的方向。探索部分分为三个环节：一是阅读八颗行星的基本数据表。让学生能够感受到八颗行星距离太阳的远近相差比较大，大小相差也比较大。二是给八颗行星排序。这个活动让学生进一步将数据进行一一比较，再按照一定的规律进行重组和排序。给八颗行星排序能够让学生更直观地认识到八颗行星排列和大小的规律。三是建立行星的位置关系模型。这个活动是这一课的主要内容。研讨部分主要讨论两个问题， 第一个问题让学生交流处理数据的方法。处理数据是一个难点，所以可以让学生充分表达。处理数据的方法不同，制作模型的效率也会不同。第二个问题的研讨旨在让学生感受到教科书中的示意图与真实的太阳系相差甚远。学生能够体会到根据数据来建模的客观性。拓展部分，教材通过木星及其卫星的观察将观察活动延伸到课外，同时让学生意识到随着科学技术的发展和观测工具的进步，人类对于宇宙的认识会逐渐深入。
【学情分析】
学生对太阳系有了初步认识，知道太阳系中的主要组成天体。但对于太阳系中主要行星的分布情况，绝大部分学生局限于教材中的太阳系示意图，不知道真实的太阳系与此相差甚远。本节课通过数据建模让学生体会到数据建模的重要性和客观性。激发学生对事物的求真力。
【教学目标】
[科学观念]通过阅读资料，知道太阳系有八颗行星，它们在其特定的轨道上绕太阳运转。
[科学思维]按一定比例对数据进行处理，并能在此基础上建立行星相对位置关系模型。
[探究实践]在建立行星位置关系模型的过程中，认识到建立模型的重要性。
[态度责任]在了解八大行星过程中，能持续关注其他天文现象，继续增进对探索宇宙的兴趣。
【教学重难点】
[重点]建立八颗行星与太阳的相对位置关系模型。
[难点]建模过程中学生对于各组数据的处理。
【教学准备】
[教师]1.课件2..一米长的软皮尺
[学生]1.一米长的软皮尺2.签字笔3.学习单。
【教学过程】
一、回顾引入（预设5分钟）
材料准备：课件
课件出示太阳系示意图，提出问题：太阳系的八颗行星有哪些？
学生作答，教师继续追问：八颗行星是如何排列的呢？
[设计意图]通过引导学生回顾太阳系，引导学生回忆八颗行星的名称并引领学生对八颗行星由个体到整体的认识。
二、处理数据，建立模型（预设25分钟）
材料准备：课件、软皮尺、签字笔、学习单
1.阅读八颗行星的基本数据表。
出示八颗行星的基本数据表，请学生分享从表中得到了哪些信息。
根据八颗行星与太阳的平均距离数据到距太阳“最近”和“最远”的行星。
根据八颗行星的赤道直径数据到“最大”和“最小”的行星。
2.给八颗行星排序。
（1）仔细观察八颗行星基本数据表，按要求在课本中给八颗行星排序。
方法 1：按离太阳的远近排序。方法 2：按直径大小排序。
（2）交流八颗行星排序。
3.建立行星的位置关系模型。
（1）小组讨论：如何确保八颗行星都能排列在皮尺上，距离太阳最远的海王星应该排列在哪一个地方？0刻度是代表什么？
（预设：行星均可用圆圈或圆点表示，再写上名称，虽然八大行星的基本数据表中有行星直径大小的数据，但是行星直径大小相差巨大，无法在皮尺上呈现，行星直径大小的数据无须处理。）
（2）学生将处理后的数据填写在学习单上，根据处理后的数据，将八颗行星标记在皮尺上。
（3）将完成后的八颗行星位置图黏在黑板上，比较太阳系示意图说说有何不同。
六年级下册科学教案
[设计意图]学生通过阅读数据感受到八颗行星距离太阳远近，体积大小都相差很大。同时在对数据进行分析、比较后能建立行星位置关系模型。
三、激情研讨（预设7分钟）
材料准备：课件
1.学生交流：你们是如何处理数据的？有什么体会和发现？
（预设：处理数据的方法不同，制作模型的效率也会不同。因为处理数据是一个难点，学生可以充分交流各小组处理数据的方法。）
2.引导学生思考：观察全班制作的八颗行星位置模型，你有什么新的认识或问题？
[设计意图]学生通过建立行星位置关系模型，发现，我们所看到的太阳系图片与真实的太阳系相差得太远，实际上八颗行星距离太阳的远近实在差异太大。根据数据来建模，学生就能够体会到建模过程的客观性。
四、小结、拓展（预设3分钟）
材料准备：课件
通过今天的学习我们学习到了什么？
布置课外观察活动：观察木星，如果有条件的同学可借助工具观察。
[设计意图]通过对本节课的总结，让学生对太阳系八颗行星有一个更客观的认知，并通过课后观察活动激发学生进一步探索的宇宙的兴趣。
【疑难解答】
1.学生建立的八颗行星位置模型会一样吗？
针对八颗行星的实际数据，学生在建立八颗行星位置模型时需要对数据进行处理，学生处理数据的方法不同就会出现八颗行星的位置不同。在学生交流如何处理数据时，要让学生充分交流各小组处理数据的方法，让学生真正感受到处理数据的方法不同，制作模型的效率也会不同。