基于众包的移动通信教改研究

福建电脑２０１５年第５期基金项目：遵义师范学院教研基金资助项目（项目编号：１３－－０７）随着信息技术的不断发展，移动通信技术在现代社会生活众越来越重要[1]。

可以说，现代生活已经离不开移动通信技术，如手机、网络、电脑等设备都成了生活的必需品。

但由于技术、设备、人才等原因，我国的移动通信与西方发达国家存在较大差距，其中人才匮乏是一个重要原因，虽然国家每年都在加大移动通信人才培养的投入，但还是无法满足市场发展的需求。

为了培养更多的移动通信技术人才，许多高校都开设了通信工程专业。

移动通信课程则是通信工程专业的专业核心课程之一，其内容系统地阐述了现代移动通信的基本原理、技术及当前的最新应用[2]。

通过该门课程的学习，可以为将来从事移动通信网的系统设计、网络优化和相关技术的开发打下坚实基础。

但由于教材不能及时更新、教师缺乏工程实践经验、教学实践环节薄弱、理论教学与实践教学脱节、学生学习积极性不高、学生自控能力不强等多种原因，导致该门课程的教学很难达到理想的效果。

大部分学生学习该门课程后也只是了解一些基本概念，不能将理论和实践结合起来。

笔者担任移动通信课程教学多年，根据笔者多年的教学经验，拟从教学内容、教学方法和考核机制等方面做如下探讨。

１教学内容1.1教材选取教材的选取工作是一个重要的环节，如果教材内容陈旧，就不能反应当前的新技术，达不到教学的前沿性；如果教材内容难以理解，将严重影响教学效果；如果教学太简单，又无法满足教学的要求。

尽管市面上该课程的教材很多，但侧重点不同[3]，我们根据教材内容的前沿性、教师对教材的理解、往届学生对教材的评价及现有学生的基本情况等综合因素来选取教材。

1.2教学内容组织我们根据以往的教学经验、学生的基础及目前主流技术等多方面的的因素综合考虑，对教学内容进行适当的删减、重组和划分，将内容划分为了解、理解和掌握三个层次，对不同层次采取不同的教学手段。

注重实践教学与理论教学的结合，对涉及实验的内容进行详细讲解，有利于学生很好的完成实验。

２教学方法在移动通信的教学方法众，笔者引入了一种新的方法———众包教学法。

众包是Howe Jeff 于2006年6月在美国《连线》杂志的一篇文章中首次提出的概念，它是一种互联网时代的产物，最初是由是指把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的大众网络的做法[4]。

具有低成1本、提高生产效率、满足用户个性化需求等优势[5]。

其工作流程如图1所示。

首先，雇主将任务发布到众包平台上；其次，工作者从众包平台上提取任务；第三，工作者将完成的任务提交到众包平台；最后，雇主从众包平台上提取完成的任务并支付给工作者相应报酬。

根据移动通信课程的特点，结合学生的学习情况，本人采取了积分制众包式教学方法，其流程如图2所示。

教师在教学过程中设置不同的问题，有课堂提问、课后思考题等，并根据问题的难易设置一定的分值，提出问题时告知学生问题的分值。

对于难度较低的问题，老师在课堂上直接向学生抛出问题，每个学生都可以根据自己的理解直接向老师回答问题，教师根据学生的回答情况给予相应的积分；对于思考题，教师通过不同的方式发布到中间平台，如QQ 群，微信群，微博和邮箱等，学生在规定的时间内解答并提交答案到相应平台，教师根据学生的解答情况给予相应的积分，并在相应平台上公布最佳参考答案。

对于雷同的解答或者有疑问的解答，教师会对次部分进行重点抽查，以剔除伪解答者，并给予警告。

每月都会公布学生的积分，对积分抵的学生进行鼓励或定向提问，以提高他们学习的积极性。

３考核机制本课程的考核采取综合考核方式，总成绩由期末考试、积分、实验成绩和考勤四部分组成，其中期末成绩占40%、积分占30%，实验占20%，考勤占10%。

当然，这个比例可以根据具体情况做适当调整。

积分贯穿于整个教学过程，所以占的比例相基于众包的移动通信教改研究杨茂强，蔡春梅（遵义师范学院计算机与信息科学学院贵州遵义５６３００２）【摘要】根据以往的教学经验，从行业发展、人才培养、教学建设等出发，对移动通信课程的教学内容、教学方法和考核方式进行了改革和探索，尤其是在教学方法中引入了“众包式教学法”，充分调动了学生学习的积极性。

而多种考核方式相结合，考核结果充分地反映了学生的真实水平。

实践证明，众包教学方法在移动通信教学中取得了较好的效果。

【关键字】众包教学法；移动通信；教学改革；教学方法图１众包图图２众包教改图（下转第81页）60··对较大，这样的考核方式能真实反映学生的学习水平。

笔者在对移动通信课程成绩分析时发现，引入“众包式教学方法”班级的平均成绩提高了15%左右，最高分成绩、人数等都有大幅度提升。

４结束语教学改革的最终目标是为了更好培养适合社会行业发展的人才，通信行业发展迅速，移动通信课程的教学也在不断改革。

笔者在教学过程众引入了“众包式教学法”，实践证明，该方法对提高移动通信课程的教学质量效果显著。

参考文献：［１］黄琳，段莉莉，曹杉杉．移动通信教学改革与实践［Ｊ］．湖北师范学院学报，２０１４［２］杨茂强，杜华，蔡春梅．移动通信教学方法研究［Ｊ］．福建电脑，２０１４［３］付秀花，张连俊．移动通信教学内容体系改革和教学方法探索，信息科技，２０１２［４］ＨｏｗｅＪ．Ｔｈｅｒｉｓｅｏｆｃｒｏｗｄｓｏｕｒｃｉｎｇ．Ｗｉｒｅｄ，２００６，１４（６）：１７６╞１８３［５］ＷＨＩＴＬＡＰ．Ｃｒｏｗｄｓｏｕｒｃｉｎｇａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｍａｒｋｅｔｉｎｇａｃｔｉｖｉｔｉｅｓ．Ｗｉｒｅｄ．２００６（６）：１－２时间独立于处理数据对象的数目，只是与之前确定的网格结构每一维上的单元数目有关。

典型代表算法是String算法，WAVE-CLUSTER和CLIQUE方法，CLIQUE方法是基于网格和密度高度高度结合的高维数据聚类算法，WAVE-CLUSTER方法的速度很快，能够处理多达以十为量级的数据，复杂度为O （n)。

而这种方法的应用目前主要集中于利用概率统计模型进行概念聚类以及进行自组织聚类等方面，因其特有特点使其在商业运作中发挥特有作用。

1.5基于密度的方法基于密度方法的中心思想是以数据集在空间分布上的稠密程度为依据进行聚类，不需要预先设定簇的数目，所以适合对未知数目的数据集进行操作，不用过多考虑数据集的规模。

这种方法的优点在于可以发现任何形状的的聚类，而且它对噪声数据不敏感，密度聚集方法有DBSCAN算法，OPTICS算法。

DBSCAN算法是一种基于密度的空间聚类算法。

该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。

利用基于密度的聚类的概念，即要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。

DBSCAN算法的优点在于聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类，可以直接对整个数据库进行操作且进行聚类时使用一个全局性的表征密度的参数。

２数据挖掘技术的发展方向近年来，由于大量数据的产生，数据挖掘引起了计算机领域和信息产业界的极大关注，人们迫切需要将这些数据转换成有用的信息和知识。

我们可以将获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等方面。

由于社交媒体和网络的产生，我们会在日常生活中获取大量数据，数据挖掘库可以从数据仓库和事务数据库中得到。

要发现大数据的奥秘，普通PC机对大规模的计算是无法胜任的，我们可以把超级计算机和数据挖掘技术结合起来，发现世界隐藏的奥秘，以便产生更大的社会和经济效益。

超级计算机可以把在社交媒体和各种渠道获得大量数据进行快速处理，超级计算机一向以功能强、运算速度最快、存储容量最大而著名，将数据挖掘相关算法与超级计算机结合起来，可以发现当代社会中商业发展，日常生活中的规律。

数据挖掘和Deep Learning结合，可以产生更大规模的效应，深度学习在自然语言处理等领域主要应用于机器翻译以及语义挖掘等方面。

深度学习是机器学习的一个研究领域，而且深度学习的概念源于人工神经网络的研究，数据挖掘算法在这方面的研究深度也有很大的发展，将二者结合也许会使两者都会获得很大的发展。

可以预见未来数据挖掘技术，超级计算机，深度学习将被广泛应用于各个领域。

３结束语数据挖掘算法可以提高数据挖掘提供服务的质量，进行有效的提取隐藏信息，帮助企业，政府做出更准确的决策，是数据挖掘研究的主要领域。

本文对近年来主要数据挖掘算法进行了总结和探讨，指出其中不足和优势。

目前，对数据挖掘的研究虽然取得了一定的进展，但研究大多停留在理论阶段，较少考虑海量数据和市场需求对数据挖掘结果所造成的影响。

如果数据挖掘的结果最终只是一个数字，那么对于帮助决策效果很小。

因此实际环境中数据挖掘算法，超级计算机，深度学习对实际的指导将是研究的重点和热点。

参考文献：［１］赵致琢．计算科学导论［Ｍ］．第三版北京：科学出版社，２００４．［２］吴昌友．神经网络的研究及应用［Ｄ］．哈尔滨：东北农业大学，２００７．［３］郑霄．超级计算机系统的可用性评估研究［Ｄ］．郑州市：解放军信息工程大学，２００９．［４］巍玉琪．超级集群计算机系统的系统环境与运行策略研究及其在曙光４００Ａ０超级计算机系统的应用［Ｄ］．上海市：上海交通大学，２００６．［５］ＨｉｎｔｏｎＧＥ，ＳａｌａｋｈｕｔｄｉｎｏｖＲＲ．Ｒｅｄｕｃｉｎｇｔｈｅｄｉｍｅｎｓｉｏｎａｌｉｔｙｏｆｄａｔａｗｉｔｈｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．Ｓｃｉｅｎｃｅ，２００６（５７８６）：５０４－５０７［６］汤姆·切尔．机器学习［Ｍ］．北京：机械工业出版社，２００３：１－２８０．［７］ＨＩＮＴＯＮＧ，ＯＳＩＮＤＥＲＯＳ，ＴＥＨＹ．Ａｆａｓｔｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｄｅｅｐｂｅｌｉｅｆｎｅｔｓ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎ，２００６（０７）：１５２７－１５５４．［８］ＨｕｂｅｌＤＨ，ＷｉｅｓｅｌＴＮ．Ｒｅｃｅｐｔｉｖｅｆｉｅｌｄｓ，ｂｉｎｏｃｕｌａｒｉｎｔｅｒａｃｔｉｏｎａｎｄｆｕｎｃｔｉｏｎａｌａｒｃｈｉｔｅｃｔｕｒｅｉｎｔｈｅｃａｔ＇ｓｖｉｓｕａｌｃｏｒｔｅｘ［Ｊ］．ＴｈｅＪｏｕｒｎａｌｏｆｐｈｙｓｉｏｌｏ－ｇｙ，１９６２（０１）：１０６．作者简介：许可（１９９５－），女，陕西商洛人，河南大学计算机与信息工程学院在校大学生，研究方向：计算机科学与技术；袁野（１９９４－），男，河南人，河南大学计算机与信息工程学院在校大学生，研究方向：计算机科学与技术。

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!（上接第60页）81··福建电脑２０１５年第５期。