基于RBF神經網絡的信息素養評價

綦振法， 王　俊， 佟澤華

(山東理工大學商學院， 山東淄博 255049)

基于RBF神經網絡的信息素養評價

綦振法， 王俊， 佟澤華

(山東理工大學商學院， 山東淄博 255049)

摘要：在已有研究的基礎上，從信息素養核心能力和信息素養外圍能力兩個方面構建信息素養評價指標體系，進而提出了一種基于RBF(徑向基)神經網絡的信息素養評價模型.最后，以高校大學生為例進行了實例分析.

關鍵詞：信息素養； 信息素養核心能力； 信息素養外圍能力； RBF神經網絡； 評價

在當今信息社會，信息素養發揮著重要的作用，信息素養水平的高低已成為衡量現代人才的一項主要指標[1].因此，如何提高信息素養水平也就成了人們需要解決的問題.對于信息素養的評價方法已有人進行了研究，如利用AHP方法、模糊綜合評判[2]、回歸分析法[3]進行了信息素養評價方法的研究，并取得了一定的成果.但是通過分析可以發現AHP法、模糊綜合評判法、回歸分析法等方法具有人為因素參與較多的不足.而人工神經網絡(Annual Neural Network，ANN)具有很強的自適應學習、自組織映射、聯想記憶以及高度的魯棒性和容錯性等特點，同時考慮到RBF網絡(徑向基網絡，ANN的一種)相比于一般的神經網絡模型(如BP網絡)具有訓練時間短、效率高的優點，克服了已有方法的不足.因此，本文嘗試利用RBF神經網絡進行信息素養評價方法的研究.

1信息素養評價指標體系的構建

合理、有效的信息素養評價指標體系是進行信息素養評價的重要基礎.相關研究人員以及部門從不同的側面或角度給出或制定了信息素養的評價指標體系.例如，美國學校圖書館協會和教育交流技術協會制訂了涉及“信息素養”、“獨立學習”、“社會責任”等三個方面、9個標準的信息素養評價指標體系[4].Magnuson[5]通過數據調查和分析發現，在web2.0環境下信息素養標準涉及協作(collaboration)、信息組織(information organization)、創造、討論和技術教育等5個方面.Bundy[6]系統地總結和分析了澳大利亞和新西蘭信息素養框架體系，具體涉及識別信息需求和判斷信息需求本質和內容能力、有效率和有效果發現所需信息的能力、評判地評價信息和信息尋求過程的能力、管理所搜集或產生信息的能力、應用前期或新信息以構建新概念或創造新的理解的能力，以及用合倫理的、法律的、文化的、經濟的和社會的方式或方法使用信息的能力等6個方面.清華大學從7個方面構建了信息素養評價指標體系，具體包括信息及信息素養價值認識能力、信息性質及范圍認識能力、信息和信息源評價能力、信息的管理與交流能力、利用信息完成具體任務的能力、信息法律與倫理認識能力等[7].此外，劉美桃[8]從信息意識強弱、信息需求強烈程度、信息源基礎知識水平、高效信息獲取能力、信息評估能力、信息利用及存儲能力、信息法律與道德等知識水平、終身學習能力等8個方面制定了信息素養評價標準.陳文勇[9]等把高校學生信息素養能力標準概括為信息需求識別和表達能力、信息源識別和選擇能力、信息檢索提出和執行能力、信息檢索結果分析和解釋能力、全球信息環境檢索能力、信息檢索結果評價能力、信息檢索自我評價能力、信息環境及信息產生過程的認識能力、信息公共政策及倫理了解能力等10個方面.劉孝文[1]制訂了信息素養評價指標體系，該指標體系包括信息情感態度和價值觀、信息知識、確定所需信息的性質和范圍能力、信息獲取能力、信息組織、交流及創新能力等5個一級指標，這些一級指標又涉及14個二級指標.

綜合已有的研究，本文重新設計了信息素養的評價指標體系，其中包括“信息素養核心能力”和“信息素養外圍能力”兩個二級指標，共涉及11個三級指標(表1).與已有的指標體系相比，該指標體系簡單明晰，并且易于操作，具體如下：

表1　信息素養能力評價指標體系

(1)信息素養核心能力：信息素養核心能力是指在信息素養能力評價指標中重要的、能更好地反映信息素養水平的能力，具體包括8個方面的三級指標，見表1.

(2)信息素養外圍能力：信息素養外圍能力是指除應具備的核心能力外，還應具備基本的、必要的輔助能力，具體包括3個方面的三級指標，見表1.

需注意的是，本文給出的指標體系并沒有從“個體”、“組織”或“環境”等要素來劃分信息素養指標體系，主要是考慮到一方面從“信息素養核心能力”和“信息素養外圍能力”兩個維度更能反映信息素養能力指標體系的特點，并且更具有“易用性”，指標體系更加簡單而明晰，同時具有一定的“通用性”(既可以用于教育部門的信息素養評價，也可以用于公司員工的信息素養評價)；另一方面，本文給出的指標體系也直接或間接地反映了“個體”、“組織”以及“環境”等要素的指標，如“信息共享(交流)能力”反映的就是一種“組織”(或團隊)層面的能力，“信息鑒別和價值判斷能力”反映了個體的能力，而“信息工具(計算機)應用水平”一方面反映了個體應用計算機工具的能力，另一方面也反映了信息素養的“環境”要素水平.

這里需說明的是，對于每一個指標評價，本文采用了五級得分評價制(在[0,1]范圍內)，即“優”、“良”、“中”、“一般”、“差”五個等級，具體來講就是當0≤得分<0.6時為“差”，0.6≤得分<0.7為“一般”，0.7≤得分<0.8為“中”，0.8≤得分<0.9為“良”，0.9≤得分<1為“優”.(注：在實際的數據調查中，對于每一個指標的評價應根據信息素養評價的具體對象并通過中具體的問題或選項來體現.例如，“信息素養搜集和獲取能力”對于大學生來講，可以通過若干個選項，如“搜索引擎工具的使用狀況”和“撰寫論文中使用數據庫狀況”來衡量；而對于公司中員工的信息素養評價就不能通過“撰寫論文中使用數據庫狀況”來衡量，此時應增加一些與企業相關的問題或選項).

2RBF神經網絡的結構及學習算法

RBF(Radial Basis Function)神經網絡也稱為徑向基網絡，是一種含有一個隱含層的三層前饋神經網絡結構.與BP神經網絡相比，RBF網絡具有訓練時間短、高效率的特點.

2.1RBF神經網絡結構

RBF網絡的神經元模型[10-11]如圖1所示.RBF網絡的傳遞函數radbas是以閾值向量和權值向量之間的距離||dist||為自變量的，其函數表示見式(1).

radbas(n)=e-n2

(1)

圖1　RBF網絡神經元模型

當輸入自變量為0時，傳遞函數獲得最大值為1.隨著輸入向量和權值之間距離的減小，輸出值增加.因此，徑向基神經元可作為一個探測器，當輸入向量和加權向量一致時，輸出1.圖中b為閾值，用于調整神經元的靈敏度.

2.2RBF網絡的學習算法

RBF網絡具有三層結構，包括：輸入層、隱含層和輸出層[11].其中，隱含層采用徑向基函數作為激勵函數(一般為高斯函數)，如圖2所示.

隱含層的第i神經元的輸入為

(2)

輸出為

(3)

圖2　RBF網絡結構

輸出層的輸入為各隱含層神經元輸出的加權求和，其輸出為

(4)

3基于RBF網絡的信息素養評價的實例分析

3.1 基于RBF網絡的信息素養評價的數據搜集

本文依據前面的信息素養指標體系設計了調查問卷，并以高校的大學生為例進行了數據收集.共發放調查問卷160份，得到有效問卷為130份，然后對有效問卷的數據進行整理，并選取了其中的120份調查數據作為樣本數據(由于篇幅所限僅提供部分數據)，其余10份為測試數據.前120份樣本期望輸出(通過專家打分獲得)見表1，例如，樣本S2的期望輸出即得分為0.73，按照前面給出的評價原則，其評價結果為“中”，而樣本S9的期望輸出為0.83，評價結果為“良”，其他依次類推.

表2　信息素養調查樣本

續表

3.2數據仿真和結果分析

RBF網絡結構各層神經元的確定：①RBF網絡的輸入層神經元數量由信息素養能力評價指標體系中的指標數量決定，根據前面設計的信息素養能力評價指標體系可知，輸入層神經元的數量為11個；②輸出結果即為信息素養能力的得分值，因此，輸出層神經元的數量為1個；③隱含層的神經元的數量由函數newrbe創建RBF神經網絡時自動選擇，并使誤差達到最小值.

圖3　RBF網絡在SPREAD=0.1、0.2、…、8、9等時的誤差圖

徑向基函數分布密度(SPREDAD)的確定：利用上面構建的RBF網絡，設定0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1、2、3、4、5、6、7、8、9、10、20、…、90等不同的SPREDAD值，并利用調查數據的前120個樣本數據進行數據仿真，可以發現：①當SPREDAD的值較小時，如SPREDAD=0.1、0.2、0.3、…、0.9、1等時，誤差達到1.0×10-15，但評價結果“有錯誤”；②當SPREDAD的值較大時，如SPREDAD=2時，出現評價結果“部分準確”的情況；③當SPREDAD的值更大的一些值時，如SPREDAD=3、4、…、8時，誤差為1.0×10-15，評價結果大部分是“準確”的(即與預期結果相符)；④當SPREDAD=9時，誤差為1.0×10-15，評價結果也是“準確”的(SPREDAD=0.1、0.2、…、8、9等時的誤差如圖3表示)；⑤當SPREDAD=10、20、30、…、90等時，誤差有些波動，但總體上是逐步增加的，如當SPREDAD=90時，誤差為1.0×10-15，不過評價結果都是“準確”的(SPREDAD=10、20、…、80、90等時的誤差如圖4表示).

表3　在不同SPREAD值下仿真時的誤差及評價效果情況

圖4　RBF網絡在SPREAD=10、20、…、80、90等時的誤差圖

在不同SPREAD值下仿真時的誤差及評價效果情況如表3所示.

從圖3、圖4以及表2可以看出：隨著分布密度(SPREDAD)的增加，誤差總體上增加；從評價結果(與預期相比)來看，隨著分布密度的增加，評價結果的準確程度總體上不斷增加，當SPREDAD超過一定范圍內評價結果(全部)準確，如在本研究中，當SPREDAD≥5時評價結果都是準確的.

綜合上面的分析結果并考慮到評價結果的準確度和誤差情況，本研究選取SRPEAD=5作為最終的基于RBF網絡的信息素養評價模型的分布密度，進行最終的仿真測試，結果見表4.

表4 基于RBF網絡的仿真結果(SRPEAD=5)

將表4評價結果與測試樣本的實際情況相比，與預期結果是相符合的，即對測試樣本得出了正確的評價結果.這也說明了基于RBF神經網絡的信息素養能力評價方法的合理性和有效性.

4結束語

通過本文的研究可以看出，基于RBF神經網絡的信息素養能力評價方法是一種有效的方法，它克服了其他評價方法如層次分析法(AHP)、回歸分析法等方法需要確定指標權重的不足，并具有很強的自適應學習、自組織映射、聯想記憶、高度的魯棒性和容錯性，以及高效率等特點.本文可以為信息素養能力評價的研究提供有益的幫助和啟示.

參考文獻:

[1] 劉孝文.信息素養評價中的AHP方法應用[J].現代情報,2006,26(10):47-50.

[2] 娜日，吳曉偉，呂繼紅.基于層次分析和模糊綜合評判的網絡信息素養評價[J]. 情報雜志，2011(07)：81-84.

[3]彭瑞霞，趙慶剛.以回歸分析法構建教師信息素養評價體系[J].清華大學教育研究，2006(03):114-118.

[4] 何高大. “美國高等教育信息素養能力標準”及其啟示[J ] .現代教育技術, 2002(3):24-29.

[5] Magnuson M L. Web 2.0 and information literacy instruction: aligning technology with ACRL standards[J]. The Journal of Academic Librarianship, 2013，39(3):244-251.

[6]Bundy A. Australian and New Zealand Information Literacy Framework: principles, standards practice,[M].2nd ed. Australian and New Zealand Institute for Information Literacy: Adelaide,2003.

[7] 曾曉牧,孫平,王夢麗,等. 北京地區高校信息素質能力指標體系研究[J].大學圖書館學報,2006(03):64-67.

[8] 劉美桃. 信息素質定義的發展與評價標準[J] .高校圖書館工作, 2003 (1) : 18-19.

[9] 陳文勇, 楊曉光. 高等院校學生信息素養能力標準研究[J] .情報科學, 2000 (7) : 611-613.

[10]周開利,康耀紅. 神經網絡模型機其MATLAB仿真程序設計[D].北京:清華大學出版社, 2005:73-74.

[11]葛哲學,孫志強. 神經網絡理論與MATLAB R2007實現[D].北京:電子工業出版社,2007:117.

(編輯：姚佳良)

收稿日期：2014-10-23

基金項目：山東省社科基金資助項目(09CJG12)； 山東省高校人文社會科學研究計劃項目(J13WF03)

作者簡介：綦振法，男，qizhenfa64@163.com

文章編號：1672-6197(2015)02-0014-05

中圖分類號：F49

文獻標志碼：A

Evaluation of information literacy capability based on RBF

QI Zhen-fa, WANG Jun, TONG Ze-hua

(School of Business , Shandong University of Technology, Zibo 255049, China)

Abstract:On the basis of existing research, this paper builds the simple and clear evaluation index systemofinformation literacy competencyincluding two aspects(information literacy core abilityand information literacy peripheral ability).And then, this paperproposesan information literacy evaluation model based on RBF (Radial Basis Function) neural network. In the end,this paper takes some college studentfor example to conduct the instance analysis and achieves satisfactory results.

Key words:information literacy;information literacy core ability; information literacy peripheral ability; RBF neural network; evaluation