基于人工神经网络的远程教育知识管理综合评价模型研究基于人工神经网络的远程教育知识管理综合评价模型研究［摘要］远程教育知识管理综合评价是提高远程教育机构知识管理水平的关键环节。为了确保评价的科学性和合理性，本文把人工神经网络技术应用于远程教育知识管理评价中，设计了评价指标及BP网络结构，提出了多指标综合评价模型。通过仿真实例对中国远程教育机构的知识管理进行综合评估，验证了该模型的有效性。为远程教育机构知识管理的正确评价提供了可能的途径。［关键词］人工神经网络;远程教育;知识管理;综合评价模型［］G64［文献标识码］A［］1005-6432(2014)21-0048-041人工神经网络评价远程教育知识管理绩效的原理远程教育知识管理绩效评价是一项复杂的多层次、多目标评价活动。由于影响评价有效性的相关因素很多，这些因素一般难以量化，而旦远程教育知识管理绩效评价决定力量与管理质量之间映射关系是非常复杂的，很难明显地表述。因此，评价是一件非常复杂的事情。如何才能做到既充分考虑评价专家的经验和直觉思维的模式又能降低评价过程中人为的不确定性因素,既具备综合评价方法的规范性又能体现出较高的问题求解效率。这是正确评价的关键所在。把ANN应用于远程教育知识管理的综合评价,意在建立更加接近于人类思维模式的定性与定量相结合的综合评价模型。ANN用于远程教育知识管理综合评价的基本原理是：将描述远程教育知识管理的基础指标的属性值作为ANN的输入向量，将代表综合评价目标的结果作为ANN的输出。然后用足够多样本向量训练这个网络，使不同的输入向量得到不同的输出值，这样ANN所具有的那组权系数值便是网络经过自适应学习所得到的正确内部表示。人工神经网络通过信息样本对神经网络的训练，使其具有人的大脑的记忆、辨识能力，完成各种信息处理功能，利用其良好的自学习、自适应、联想记忆、并行处理和非线性转换的能力，模拟并记忆出远程教育知识管理评价指标和知识管理绩效向量之间的关系，以此作为评价远程教育知识管理绩效的标准。同时,通过大量的试训样本使得模型向着理想状态逼近。然后利用测试样本对模型进行测试，直到感觉满意为止。训练好的ANN便可作为一种定性与定量相结合的有效工具，对不同机构的教育知识管理进行综合评价。2基于人工神经网络的远程教育知识管理评价模型2。1远程教育知识管理评价指标设计评价指标是教育知识管理绩效评估中的首要问题。从教育知识管理的内容、目标及职能出发，借鉴国内外学者对知识管理评价指标体系的研究成果，结合远程教育知识管理活动规律，并力求遵循科学性、系统性、层次性、可比性、可操作性原则，本文从知识管理重视度、基础设施建设水平、人力资源管理知识化水平、知识检测、评价和利用水平、综合管理水平等方面确定远程教育知识管理绩效评价指标体系（见表Do表1远程教育知识管理绩效评价指标体系一级指标二级指标知识管理重视程度XI知识管理战略和预算的制定情况XllCKO的职位与级别X12激励人员创造性的花费占总投入的比重X13基础设施建设水平X2人均计算机台数X21知识管理基础设施投入占固定资产投资比重X22网络覆盖率X23基本信息数据库建设水平X24人力资源管理知识化水平X3职位技能和评价标准的设立X31知识人员比例X32年均人员培训和教育成本X33人员周转率X34知识检测、评价和利用水平X4知识分类与标准化水平X41多媒体软件或课件开发水平X42经验与新方法数据库建设水平X43电子图书的建设及利用水平X44知识地图的建设及利用水平X45网络教学资源的便利性X46网上教学资源所占比重X47综合管理水平X5安全防范措施X51信息资源管理措施X52规章制度完善程度X53对远程教育知识管理进行评价时，从输入层输入教育知识管理指标评价体系。为使模型既有理论价值乂有可操作性，本文在案例研究并结合有关文献的基础上选取7个较为典型的指标作为输入神经元（xij）,依次分别是：知识管理基础设施投入占固定资产投资比重；人均计算机台数；网络教学资源的便利性；网上教学资源所占比重；知识人员比例；年均人员培训和教育成本；激励人员创造性的花费占总投入的比重。这7种因素的设置，考虑了概括性和动态性，力求全...