基于RBF神經(jīng)網(wǎng)絡(luò)的信息素養(yǎng)評(píng)價(jià)

綦振法， 王　俊， 佟澤華

(山東理工大學(xué)商學(xué)院， 山東淄博 255049)

基于RBF神經(jīng)網(wǎng)絡(luò)的信息素養(yǎng)評(píng)價(jià)

綦振法， 王俊， 佟澤華

(山東理工大學(xué)商學(xué)院， 山東淄博 255049)

摘要：在已有研究的基礎(chǔ)上，從信息素養(yǎng)核心能力和信息素養(yǎng)外圍能力兩個(gè)方面構(gòu)建信息素養(yǎng)評(píng)價(jià)指標(biāo)體系，進(jìn)而提出了一種基于RBF(徑向基)神經(jīng)網(wǎng)絡(luò)的信息素養(yǎng)評(píng)價(jià)模型.最后，以高校大學(xué)生為例進(jìn)行了實(shí)例分析.

關(guān)鍵詞：信息素養(yǎng)； 信息素養(yǎng)核心能力； 信息素養(yǎng)外圍能力； RBF神經(jīng)網(wǎng)絡(luò)； 評(píng)價(jià)

在當(dāng)今信息社會(huì)，信息素養(yǎng)發(fā)揮著重要的作用，信息素養(yǎng)水平的高低已成為衡量現(xiàn)代人才的一項(xiàng)主要指標(biāo)[1].因此，如何提高信息素養(yǎng)水平也就成了人們需要解決的問(wèn)題.對(duì)于信息素養(yǎng)的評(píng)價(jià)方法已有人進(jìn)行了研究，如利用AHP方法、模糊綜合評(píng)判[2]、回歸分析法[3]進(jìn)行了信息素養(yǎng)評(píng)價(jià)方法的研究，并取得了一定的成果.但是通過(guò)分析可以發(fā)現(xiàn)AHP法、模糊綜合評(píng)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(jīng)網(wǎng)絡(luò)(Annual Neural Network，ANN)具有很強(qiáng)的自適應(yīng)學(xué)習(xí)、自組織映射、聯(lián)想記憶以及高度的魯棒性和容錯(cuò)性等特點(diǎn)，同時(shí)考慮到RBF網(wǎng)絡(luò)(徑向基網(wǎng)絡(luò)，ANN的一種)相比于一般的神經(jīng)網(wǎng)絡(luò)模型(如BP網(wǎng)絡(luò))具有訓(xùn)練時(shí)間短、效率高的優(yōu)點(diǎn)，克服了已有方法的不足.因此，本文嘗試?yán)肦BF神經(jīng)網(wǎng)絡(luò)進(jìn)行信息素養(yǎng)評(píng)價(jià)方法的研究.

1信息素養(yǎng)評(píng)價(jià)指標(biāo)體系的構(gòu)建

合理、有效的信息素養(yǎng)評(píng)價(jià)指標(biāo)體系是進(jìn)行信息素養(yǎng)評(píng)價(jià)的重要基礎(chǔ).相關(guān)研究人員以及部門從不同的側(cè)面或角度給出或制定了信息素養(yǎng)的評(píng)價(jià)指標(biāo)體系.例如，美國(guó)學(xué)校圖書館協(xié)會(huì)和教育交流技術(shù)協(xié)會(huì)制訂了涉及“信息素養(yǎng)”、“獨(dú)立學(xué)習(xí)”、“社會(huì)責(zé)任”等三個(gè)方面、9個(gè)標(biāo)準(zhǔn)的信息素養(yǎng)評(píng)價(jià)指標(biāo)體系[4].Magnuson[5]通過(guò)數(shù)據(jù)調(diào)查和分析發(fā)現(xiàn)，在web2.0環(huán)境下信息素養(yǎng)標(biāo)準(zhǔn)涉及協(xié)作(collaboration)、信息組織(information organization)、創(chuàng)造、討論和技術(shù)教育等5個(gè)方面.Bundy[6]系統(tǒng)地總結(jié)和分析了澳大利亞和新西蘭信息素養(yǎng)框架體系，具體涉及識(shí)別信息需求和判斷信息需求本質(zhì)和內(nèi)容能力、有效率和有效果發(fā)現(xiàn)所需信息的能力、評(píng)判地評(píng)價(jià)信息和信息尋求過(guò)程的能力、管理所搜集或產(chǎn)生信息的能力、應(yīng)用前期或新信息以構(gòu)建新概念或創(chuàng)造新的理解的能力，以及用合倫理的、法律的、文化的、經(jīng)濟(jì)的和社會(huì)的方式或方法使用信息的能力等6個(gè)方面.清華大學(xué)從7個(gè)方面構(gòu)建了信息素養(yǎng)評(píng)價(jià)指標(biāo)體系，具體包括信息及信息素養(yǎng)價(jià)值認(rèn)識(shí)能力、信息性質(zhì)及范圍認(rèn)識(shí)能力、信息和信息源評(píng)價(jià)能力、信息的管理與交流能力、利用信息完成具體任務(wù)的能力、信息法律與倫理認(rèn)識(shí)能力等[7].此外，劉美桃[8]從信息意識(shí)強(qiáng)弱、信息需求強(qiáng)烈程度、信息源基礎(chǔ)知識(shí)水平、高效信息獲取能力、信息評(píng)估能力、信息利用及存儲(chǔ)能力、信息法律與道德等知識(shí)水平、終身學(xué)習(xí)能力等8個(gè)方面制定了信息素養(yǎng)評(píng)價(jià)標(biāo)準(zhǔn).陳文勇[9]等把高校學(xué)生信息素養(yǎng)能力標(biāo)準(zhǔn)概括為信息需求識(shí)別和表達(dá)能力、信息源識(shí)別和選擇能力、信息檢索提出和執(zhí)行能力、信息檢索結(jié)果分析和解釋能力、全球信息環(huán)境檢索能力、信息檢索結(jié)果評(píng)價(jià)能力、信息檢索自我評(píng)價(jià)能力、信息環(huán)境及信息產(chǎn)生過(guò)程的認(rèn)識(shí)能力、信息公共政策及倫理了解能力等10個(gè)方面.劉孝文[1]制訂了信息素養(yǎng)評(píng)價(jià)指標(biāo)體系，該指標(biāo)體系包括信息情感態(tài)度和價(jià)值觀、信息知識(shí)、確定所需信息的性質(zhì)和范圍能力、信息獲取能力、信息組織、交流及創(chuàng)新能力等5個(gè)一級(jí)指標(biāo)，這些一級(jí)指標(biāo)又涉及14個(gè)二級(jí)指標(biāo).

綜合已有的研究，本文重新設(shè)計(jì)了信息素養(yǎng)的評(píng)價(jià)指標(biāo)體系，其中包括“信息素養(yǎng)核心能力”和“信息素養(yǎng)外圍能力”兩個(gè)二級(jí)指標(biāo)，共涉及11個(gè)三級(jí)指標(biāo)(表1).與已有的指標(biāo)體系相比，該指標(biāo)體系簡(jiǎn)單明晰，并且易于操作，具體如下：

表1　信息素養(yǎng)能力評(píng)價(jià)指標(biāo)體系

(1)信息素養(yǎng)核心能力：信息素養(yǎng)核心能力是指在信息素養(yǎng)能力評(píng)價(jià)指標(biāo)中重要的、能更好地反映信息素養(yǎng)水平的能力，具體包括8個(gè)方面的三級(jí)指標(biāo)，見表1.

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

需注意的是，本文給出的指標(biāo)體系并沒(méi)有從“個(gè)體”、“組織”或“環(huán)境”等要素來(lái)劃分信息素養(yǎng)指標(biāo)體系，主要是考慮到一方面從“信息素養(yǎng)核心能力”和“信息素養(yǎng)外圍能力”兩個(gè)維度更能反映信息素養(yǎng)能力指標(biāo)體系的特點(diǎn)，并且更具有“易用性”，指標(biāo)體系更加簡(jiǎn)單而明晰，同時(shí)具有一定的“通用性”(既可以用于教育部門的信息素養(yǎng)評(píng)價(jià)，也可以用于公司員工的信息素養(yǎng)評(píng)價(jià))；另一方面，本文給出的指標(biāo)體系也直接或間接地反映了“個(gè)體”、“組織”以及“環(huán)境”等要素的指標(biāo)，如“信息共享(交流)能力”反映的就是一種“組織”(或團(tuán)隊(duì))層面的能力，“信息鑒別和價(jià)值判斷能力”反映了個(gè)體的能力，而“信息工具(計(jì)算機(jī))應(yīng)用水平”一方面反映了個(gè)體應(yīng)用計(jì)算機(jī)工具的能力，另一方面也反映了信息素養(yǎng)的“環(huán)境”要素水平.

這里需說(shuō)明的是，對(duì)于每一個(gè)指標(biāo)評(píng)價(jià)，本文采用了五級(jí)得分評(píng)價(jià)制(在[0,1]范圍內(nèi))，即“優(yōu)”、“良”、“中”、“一般”、“差”五個(gè)等級(jí)，具體來(lái)講就是當(dāng)0≤得分<0.6時(shí)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(yōu)”.(注：在實(shí)際的數(shù)據(jù)調(diào)查中，對(duì)于每一個(gè)指標(biāo)的評(píng)價(jià)應(yīng)根據(jù)信息素養(yǎng)評(píng)價(jià)的具體對(duì)象并通過(guò)中具體的問(wèn)題或選項(xiàng)來(lái)體現(xiàn).例如，“信息素養(yǎng)搜集和獲取能力”對(duì)于大學(xué)生來(lái)講，可以通過(guò)若干個(gè)選項(xiàng)，如“搜索引擎工具的使用狀況”和“撰寫論文中使用數(shù)據(jù)庫(kù)狀況”來(lái)衡量；而對(duì)于公司中員工的信息素養(yǎng)評(píng)價(jià)就不能通過(guò)“撰寫論文中使用數(shù)據(jù)庫(kù)狀況”來(lái)衡量，此時(shí)應(yīng)增加一些與企業(yè)相關(guān)的問(wèn)題或選項(xiàng)).

2RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及學(xué)習(xí)算法

RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)也稱為徑向基網(wǎng)絡(luò)，是一種含有一個(gè)隱含層的三層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).與BP神經(jīng)網(wǎng)絡(luò)相比，RBF網(wǎng)絡(luò)具有訓(xùn)練時(shí)間短、高效率的特點(diǎn).

2.1RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

RBF網(wǎng)絡(luò)的神經(jīng)元模型[10-11]如圖1所示.RBF網(wǎng)絡(luò)的傳遞函數(shù)radbas是以閾值向量和權(quán)值向量之間的距離||dist||為自變量的，其函數(shù)表示見式(1).

radbas(n)=e-n2

(1)

圖1　RBF網(wǎng)絡(luò)神經(jīng)元模型

當(dāng)輸入自變量為0時(shí)，傳遞函數(shù)獲得最大值為1.隨著輸入向量和權(quán)值之間距離的減小，輸出值增加.因此，徑向基神經(jīng)元可作為一個(gè)探測(cè)器，當(dāng)輸入向量和加權(quán)向量一致時(shí)，輸出1.圖中b為閾值，用于調(diào)整神經(jīng)元的靈敏度.

2.2RBF網(wǎng)絡(luò)的學(xué)習(xí)算法

RBF網(wǎng)絡(luò)具有三層結(jié)構(gòu)，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(shù)作為激勵(lì)函數(shù)(一般為高斯函數(shù))，如圖2所示.

隱含層的第i神經(jīng)元的輸入為

(2)

輸出為

(3)

圖2　RBF網(wǎng)絡(luò)結(jié)構(gòu)

輸出層的輸入為各隱含層神經(jīng)元輸出的加權(quán)求和，其輸出為

(4)

3基于RBF網(wǎng)絡(luò)的信息素養(yǎng)評(píng)價(jià)的實(shí)例分析

3.1 基于RBF網(wǎng)絡(luò)的信息素養(yǎng)評(píng)價(jià)的數(shù)據(jù)搜集

本文依據(jù)前面的信息素養(yǎng)指標(biāo)體系設(shè)計(jì)了調(diào)查問(wèn)卷，并以高校的大學(xué)生為例進(jìn)行了數(shù)據(jù)收集.共發(fā)放調(diào)查問(wèn)卷160份，得到有效問(wèn)卷為130份，然后對(duì)有效問(wèn)卷的數(shù)據(jù)進(jìn)行整理，并選取了其中的120份調(diào)查數(shù)據(jù)作為樣本數(shù)據(jù)(由于篇幅所限僅提供部分?jǐn)?shù)據(jù))，其余10份為測(cè)試數(shù)據(jù).前120份樣本期望輸出(通過(guò)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(píng)價(jià)原則，其評(píng)價(jià)結(jié)果為“中”，而樣本S9的期望輸出為0.83，評(píng)價(jià)結(jié)果為“良”，其他依次類推.

表2　信息素養(yǎng)調(diào)查樣本

續(xù)表

3.2數(shù)據(jù)仿真和結(jié)果分析

RBF網(wǎng)絡(luò)結(jié)構(gòu)各層神經(jīng)元的確定：①RBF網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量由信息素養(yǎng)能力評(píng)價(jià)指標(biāo)體系中的指標(biāo)數(shù)量決定，根據(jù)前面設(shè)計(jì)的信息素養(yǎng)能力評(píng)價(jià)指標(biāo)體系可知，輸入層神經(jīng)元的數(shù)量為11個(gè)；②輸出結(jié)果即為信息素養(yǎng)能力的得分值，因此，輸出層神經(jīng)元的數(shù)量為1個(gè)；③隱含層的神經(jīng)元的數(shù)量由函數(shù)newrbe創(chuàng)建RBF神經(jīng)網(wǎng)絡(luò)時(shí)自動(dòng)選擇，并使誤差達(dá)到最小值.

圖3　RBF網(wǎng)絡(luò)在SPREAD=0.1、0.2、…、8、9等時(shí)的誤差圖

徑向基函數(shù)分布密度(SPREDAD)的確定：利用上面構(gòu)建的RBF網(wǎng)絡(luò)，設(shè)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(diào)查數(shù)據(jù)的前120個(gè)樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)仿真，可以發(fā)現(xiàn)：①當(dāng)SPREDAD的值較小時(shí)，如SPREDAD=0.1、0.2、0.3、…、0.9、1等時(shí)，誤差達(dá)到1.0×10-15，但評(píng)價(jià)結(jié)果“有錯(cuò)誤”；②當(dāng)SPREDAD的值較大時(shí)，如SPREDAD=2時(shí)，出現(xiàn)評(píng)價(jià)結(jié)果“部分準(zhǔn)確”的情況；③當(dāng)SPREDAD的值更大的一些值時(shí)，如SPREDAD=3、4、…、8時(shí)，誤差為1.0×10-15，評(píng)價(jià)結(jié)果大部分是“準(zhǔn)確”的(即與預(yù)期結(jié)果相符)；④當(dāng)SPREDAD=9時(shí)，誤差為1.0×10-15，評(píng)價(jià)結(jié)果也是“準(zhǔn)確”的(SPREDAD=0.1、0.2、…、8、9等時(shí)的誤差如圖3表示)；⑤當(dāng)SPREDAD=10、20、30、…、90等時(shí)，誤差有些波動(dòng)，但總體上是逐步增加的，如當(dāng)SPREDAD=90時(shí)，誤差為1.0×10-15，不過(guò)評(píng)價(jià)結(jié)果都是“準(zhǔn)確”的(SPREDAD=10、20、…、80、90等時(shí)的誤差如圖4表示).

表3　在不同SPREAD值下仿真時(shí)的誤差及評(píng)價(jià)效果情況

圖4　RBF網(wǎng)絡(luò)在SPREAD=10、20、…、80、90等時(shí)的誤差圖

在不同SPREAD值下仿真時(shí)的誤差及評(píng)價(jià)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(píng)價(jià)結(jié)果(與預(yù)期相比)來(lái)看，隨著分布密度的增加，評(píng)價(jià)結(jié)果的準(zhǔn)確程度總體上不斷增加，當(dāng)SPREDAD超過(guò)一定范圍內(nèi)評(píng)價(jià)結(jié)果(全部)準(zhǔn)確，如在本研究中，當(dāng)SPREDAD≥5時(shí)評(píng)價(jià)結(jié)果都是準(zhǔn)確的.

綜合上面的分析結(jié)果并考慮到評(píng)價(jià)結(jié)果的準(zhǔn)確度和誤差情況，本研究選取SRPEAD=5作為最終的基于RBF網(wǎng)絡(luò)的信息素養(yǎng)評(píng)價(jià)模型的分布密度，進(jìn)行最終的仿真測(cè)試，結(jié)果見表4.

表4 基于RBF網(wǎng)絡(luò)的仿真結(jié)果(SRPEAD=5)

將表4評(píng)價(jià)結(jié)果與測(cè)試樣本的實(shí)際情況相比，與預(yù)期結(jié)果是相符合的，即對(duì)測(cè)試樣本得出了正確的評(píng)價(jià)結(jié)果.這也說(shuō)明了基于RBF神經(jīng)網(wǎng)絡(luò)的信息素養(yǎng)能力評(píng)價(jià)方法的合理性和有效性.

4結(jié)束語(yǔ)

通過(guò)本文的研究可以看出，基于RBF神經(jīng)網(wǎng)絡(luò)的信息素養(yǎng)能力評(píng)價(jià)方法是一種有效的方法，它克服了其他評(píng)價(jià)方法如層次分析法(AHP)、回歸分析法等方法需要確定指標(biāo)權(quán)重的不足，并具有很強(qiáng)的自適應(yīng)學(xué)習(xí)、自組織映射、聯(lián)想記憶、高度的魯棒性和容錯(cuò)性，以及高效率等特點(diǎn).本文可以為信息素養(yǎng)能力評(píng)價(jià)的研究提供有益的幫助和啟示.

參考文獻(xiàn):

[1] 劉孝文.信息素養(yǎng)評(píng)價(jià)中的AHP方法應(yīng)用[J].現(xiàn)代情報(bào),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(píng)判的網(wǎng)絡(luò)信息素養(yǎng)評(píng)價(jià)[J]. 情報(bào)雜志，2011(07)：81-84.

[3]彭瑞霞，趙慶剛.以回歸分析法構(gòu)建教師信息素養(yǎng)評(píng)價(jià)體系[J].清華大學(xué)教育研究，2006(03):114-118.

[4] 何高大. “美國(guó)高等教育信息素養(yǎng)能力標(biāo)準(zhǔn)”及其啟示[J ] .現(xiàn)代教育技術(shù), 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(mèng)麗,等. 北京地區(qū)高校信息素質(zhì)能力指標(biāo)體系研究[J].大學(xué)圖書館學(xué)報(bào),2006(03):64-67.

[8] 劉美桃. 信息素質(zhì)定義的發(fā)展與評(píng)價(jià)標(biāo)準(zhǔn)[J] .高校圖書館工作, 2003 (1) : 18-19.

[9] 陳文勇, 楊曉光. 高等院校學(xué)生信息素養(yǎng)能力標(biāo)準(zhǔn)研究[J] .情報(bào)科學(xué), 2000 (7) : 611-613.

[10]周開利,康耀紅. 神經(jīng)網(wǎng)絡(luò)模型機(jī)其MATLAB仿真程序設(shè)計(jì)[D].北京:清華大學(xué)出版社, 2005:73-74.

[11]葛哲學(xué),孫志強(qiáng). 神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[D].北京:電子工業(yè)出版社,2007:117.

(編輯：姚佳良)

收稿日期：2014-10-23

基金項(xiàng)目：山東省社科基金資助項(xiàng)目(09CJG12)； 山東省高校人文社會(huì)科學(xué)研究計(jì)劃項(xiàng)目(J13WF03)

作者簡(jiǎn)介：綦振法，男，qizhenfa64@163.com

文章編號(hào)：1672-6197(2015)02-0014-05

中圖分類號(hào)：F49

文獻(xiàn)標(biāo)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