姜华
- 作品数：17 被引量：68H指数：4
- 供职机构：湖南第一师范学院更多>>
- 发文基金：湖南省教育厅科研基金湖南省教育科学规划课题湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学电子电信生物学更多>>
- 大学研讨式教学的内涵与缺陷被引量：12
- 2015年
- 研讨式教学作为大学改革课堂现行传递接受教学模式,体现了现代教学理念,是实现学生能力培养的一种新型教学方式。但它存在着关注学生"主体地位"和教师"所需知识"上的不足、对学生创新能力的可持续发展培养不不够、课堂教学评价机制不健全等缺陷,研讨式教学需要进一步的技术改造和机制健全。
- 周克江罗琴黄悦姜华廖瑞华
- 关键词：研讨式教学教学评价
- 大学计算机基础教学改革探索被引量：8
- 2013年
- 本文在分析大学计算机基础课程教学现状的基础上,对大学计算机基础教学改革进行了一些探索,从教学理念、教学模式和考核方式等方面提出了一些教学改革方案,提出在计算机基础教学中以学生为中心采用微课的翻转课堂模式,建立多元评价方式,以提升学生计算机学习能力。
- 姜华周克江
- 关键词：计算机基础教学改革
- 区域性远程教育教学资源共建共享机制下网格技术在数字化高校的应用框架被引量：2
- 2011年
- 为了有效解决远程教育教学资源在区域性共建共享中的诸多实际问题,本文提出利用地方高校在区域性教育教学资源共建共享中的辐射作用和得天独厚的数字化技术条件,借助当今的网格技术,构建了区域性远程教育教学资源共享网格层次模型和远程教育资源网格体系结构,以期更好发挥数字化高校为地方建设和社会服务的功能,实现区域性教育教学资源的共建共享机制,给教育教学质量带来跨跃式的发展。
- 周克江黄悦姜华罗琴
- 关键词：网格技术
- 基于区域教育资源共享机制下的数字化校园网格应用技术研究被引量：1
- 2011年
- 网格技术在数字化校园应用当中,既要考虑校内资源的共享,又要站高校必须服务地方的高度,兼顾区域性教育资源的共享。基于这种理念,本文对网格在数字化校园建设当中的应用技术进行了一系列的研究。
- 周克江黄悦姜华罗琴
- 关键词：网格技术OGSA元数据数据存储技术
- 多粒度时间下的近似周期挖掘研究被引量：1
- 2010年
- 研究时态数据库中多粒度时间下的近似周期的挖掘问题。在多粒度时间、多粒度时间格式的基础上引入多粒度时间间隔的定义以及相关性质,构造多粒度近似周期模型,提出一个基于SOM聚类的多粒度近似周期的挖掘算法。利用高频股票数据580000宝钢JBT1进行实验,证明了该算法的有效性。
- 姜华孟志青周克江肖建华
- 关键词：数据挖掘自组织映射网络多粒度时间
- 一种基于SOM单属性时态特征聚类的方法被引量：3
- 2006年
- 对单属性时态特征聚类进行了研究,提出了一种基于SOM网络(自组织特征映射)聚类提取单属性时态数据特征的方法,通过实验表明此算法是有效的.
- 田密孟志青李向军彭丽芳姜华
- 关键词：数据挖掘时态型特征提取SOM
- 基于U-Learning的基础教育数字化学习资源应用空间模型和学科知识本体资源信息模型设计
- 2015年
- 随着教育信息化的不断深化,基础教育数字化学习资源的高共享高重用品质,已经成为基础教育数字化学习资源建设的瓶颈。在泛在学习理念的引领下,文章首先重构了数字化学习资源分类模型,然后建立其基于基础教育云平台下的"教师—学生—学科知识本体"三维空间应用模型,最后设计了学科知识本体的资源信息模型,充分体现了学习资源的进化性、分布性和开放性,为实现基础教育学习资源的进化收敛、语义聚合、小粒度重用和共享,提供了很好的保障。
- 周克江姜华罗琴李勇帆
- 关键词：资源信息模型
- TPACK教学模式与传统研讨式教学模式的比较研究被引量：1
- 2016年
- 传统的研讨式教学,虽然突破了传统的被动接受式教学方式,实现了现代教育理念的转变,但自身的缺陷一直束缚着它的发展和应用。利用国际TPACK整合技术的优势,构建研讨式教学在数字化学习时代的新模式——TPACK研讨式教学模式是一种新的尝试。该模式的教学理念、教师主导作用、学生创新能力培养、学生主体地位、教学要素处理、评价机制、适用学科与适用对象等方面较以前的教学模式有了较大的提高。
- 周克江姜华
- 关键词：TPACK研讨式教学课程整合
- 一类时态近似周期关联规则的知识发现问题被引量：2
- 2010年
- 研究一类基于时态约束的属性状态之间存在关联的近似周期知识发现问题。首先构造了时态近似周期关联规则模型,然后提出了一个基于SOM(自组织特征映射网络)聚类来寻找近似周期关联规则的算法,对十多年来的股票数据和高频股票数据分别进行了一些实验,实验表明该算法是有效的。
- 姜华孟志青周克江肖建华黄悦
- 关键词：数据挖掘自组织映射关联规则
- 基于时间序列的支持向量机在股票预测中的应用被引量：33
- 2006年
- 由于股票预测是不确定、非线性、非平稳的时间序列问题,传统的方法往往难以取得满意的预测效果。本文提出一种基于时间序列的支持向量机(SVM)股票预测方法。利用沙河股份的股票数据,建立股票收盘价回归预测模型,该模型克服了传统时间序列预测模型仅局限于线性系统的情况。实验结果表明,该方法比神经网络方法以及时间序列方法的预测精度更高,可以很好的应用某些非线性时间序列的预测中。
- 彭丽芳孟志青姜华田密
- 关键词：时间序列股票预测
