一种学习资源平台资源质量指标体系构建方法技术

本发明专利技术公开了一种学习资源平台资源质量指标体系构建方法，包括以下步骤：在总体研究设计时，通过文献研究确定需要研究的问题，根据需要研究的问题，确定研究方案；通过文献研究法初步确定学习资源平台资源质量评价指标及框架；通过访谈调研和调查问卷，确定现有问题和用户需求；先利用

【技术实现步骤摘要】
一种学习资源平台资源质量指标体系构建方法


[0001]本专利技术涉及学习资源平台领域，具体为一种学习资源平台资源质量指标体系构建方法
。

技术介绍

[0002]新媒体技术的发展催生用户生成学习型社区的出现，用户能自主创造内容
、
发布信息
、
个性化表达，实现自我表达和社交互动，
UGC
社区的出现，使得内容生产从泛化
、
群集
、
主流的内容生产演变化为具体
、
分散
、
个性的内容创造，这种对话式
、
互动式的内容生成有利于丰富
、
活跃社区内容空间，现在，国家教育资源公共服务平台和各省的学习资源平台也引入了
UGC
机制，鼓励用户参与到学习资源的生产和分享中来，从而丰富了学习资源的内容和形式，提高了学习资源的质量和可用性；
[0003]然而，由于缺失传统信息把关人，
UGC
信息内容的质量参差不齐，低质信息的存在将影响
UGC
社区的声誉，还会对用户的学习带来负面影响，此外，
UGC
社区依赖互联网长尾效应下积淀优质资源难以满足学习需求，需要对内容质量进行准确评估进而规范社区内容质量，也有必要遴选出优秀的知识创造者进而激励知识创造者的积极性；
[0004]通过调研各省级教育资源公共服务平台，发现针对教育资源的评价指标框架研究相对较少，已有的评价构建带有很强的主观性，普遍缺乏科学/>、
有效
、
可操作的教育资源质量评估框架
。

技术实现思路

[0005]本专利技术的目的在于提供一种学习资源平台资源质量指标体系构建方法，以解决上述
技术介绍
中提出的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种学习资源平台资源质量指标体系构建方法，包括以下步骤：
[0008]步骤
S1
，研究准备阶段，在总体研究设计时，通过文献研究确定需要研究的问题，根据需要研究的问题，确定研究方案；
[0009]步骤
S2
，研究设计阶段，通过文献研究法初步确定学习资源平台资源质量评价指标及框架；
[0010]步骤
S3
，实验阶段，通过访谈调研和调查问卷，确定现有问题和用户需求，然后，采用两轮德尔菲问卷法，建立教育资源公共服务平台资源质量评价框架；
[0011]步骤
S4
，权重确定，先利用
BP
神经进行初步的指标权重的判断，再利用
AHP
层次分析法确定指标权重，同时综合两个方法最终确定各级指标权重；
[0012]步骤
S5
，指标体系形成，用
BP
神经网络进行预测，用
AHP
层次分析法确定指标的权重，从而构建一个更加全面的指标体系；
[0013]步骤
S6
，总结阶段，提出教育资源公共服务平台优化建议
。
[0014]进一步的，所述步骤
S2
中，德尔菲法确定教育资源公共服务平台资源质量评价指
标框架的具体步骤：
[0015]步骤
S2
‑1，指标体系初构，通过借鉴前人研究成果，总结前人经验，收集整理相关标准并合并相似指标，作为指标体系初构的依据；
[0016]步骤
S2
‑2，指标体系修正，在构建评价指标体系初版之后，需要进一步对指标体系进行了细化以更好地满足平台的实际需求；
[0017]步骤
S2
‑3，形成最终指标体系，在两轮问卷基础上，最终形成了教育资源公共服务平台教育资源质量评价指标体系，包括3个一级指标，
12
个二级指标，同时提供了各指标详细的解释，明确了它们的含义
。
[0018]进一步的，所述步骤
S4
中，
BP
神经网络确定指标权重确认步骤：
[0019]问卷设计，首先设计一份问卷，旨在对教育资源公共服务平台上的教学资源进行评价调查；
[0020]在训练
BP
神经网络模型前，需要指定该模型的输入数据和输出数据，输入数据为评价指标体系中各二级指标的量化数据，输出数据为得到各一级和二级评价指标所占权重；
[0021]构建
BP
神经网络，
BP
神经网络的训练过程分为前向传播和反向传播两个阶段，在前向传播阶段根据输入的样本计算出相应的输出，并与理想输出进行比较，在反向传播阶段根据输出误差逐层调整连接权重
、
节点阈值和权重，如果满足最小误差或最大迭代次数的条件之一则结束训练
。
[0022]进一步的，所述步骤
S4
中，
AHP
层次分析法确定指标权重确认步骤：
[0023]问卷设计，首先设计一份问卷，旨在对教育资源公共服务平台上的教学资源进行评价调查；
[0024]Yaahp
软件应用，
Yaahp
软件是一种基于层次分析法原理开发的可视化建模与计算软件，它提供了层次模型构造
、
一致性检验
、
权重计算
、
可视化展示功能，可以帮助用户快速
、
准确地计算评价指标的权重，为决策提供科学依据；
[0025]模型构建和检测，根据构建的教育资源公共服务平台资源质量指标评价体系确定好的评价维度，在
Yaahp
主界面中构造出评价维度层次结构模型，模型构建完成后需要检验模型的合法性；
[0026]计算一级指标权值并检验一致性，对于回收的意见调查表，首先对每位专家的意见进行分析和计算，分别得出其对于一级指标和二级指标的权值，并进行一致性检测，确保数据的准确性和可信度；
[0027]确定二级指标权重，按照同样的方法，依次导入五位专家对一级指标下的二级指标的相对重要性赋值结果数据，计算每个专家对每个一级指标下二级指标的重要性权重系数；
[0028]确定最终权重，计算公式为最终权重＝一级指标权重
*
二级指标同级权重，为方便评价指标体系的计算，确定的评价指标权重系数精确到小数点后三位小数
[0029]进一步的，所述步骤
S4
中，当需要确定指标权重时，传统的方法通常是采用
AHP
层次分析法来计算各个指标的权重，但单独使用该方法存在主观因素干扰太大
、
不能分析指标之间相关性局限性，同样，单独使用
BP
神经网络也存在一定限制，例如数据量过小或质量不高可能影响模型精度
、
只能处理线性可分问题，此外，
BP
神经网络仅得到二级指标与输出
变量之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种学习资源平台资源质量指标体系构建方法，其特征在于，包括以下步骤：步骤
S1
，研究准备阶段，在总体研究设计时，通过文献研究确定需要研究的问题，根据需要研究的问题，确定研究方案；步骤
S2
，研究设计阶段，通过文献研究法初步确定学习资源平台资源质量评价指标及框架；步骤
S3
，实验阶段，通过访谈调研和调查问卷，确定现有问题和用户需求，然后，采用两轮德尔菲问卷法，建立教育资源公共服务平台资源质量评价框架；步骤
S4
，权重确定，先利用
BP
神经进行初步的指标权重的判断，再利用
AHP
层次分析法确定指标权重，同时综合两个方法最终确定各级指标权重；步骤
S5
，指标体系形成，用
BP
神经网络进行预测，用
AHP
层次分析法确定指标的权重，从而构建一个更加全面的指标体系；步骤
S6
，总结阶段，提出教育资源公共服务平台优化建议
。2.
根据权利要求1所述的一种学习资源平台资源质量指标体系构建方法，其特征在于：所述步骤
S2
中，德尔菲法确定教育资源公共服务平台资源质量评价指标框架的具体步骤：步骤
S2
‑1，指标体系初构，通过借鉴前人研究成果，总结前人经验，收集整理相关标准并合并相似指标，作为指标体系初构的依据；步骤
S2
‑2，指标体系修正，在构建评价指标体系初版之后，需要进一步对指标体系进行了细化以更好地满足平台的实际需求；步骤
S2
‑3，形成最终指标体系，在两轮问卷基础上，最终形成了教育资源公共服务平台教育资源质量评价指标体系，包括3个一级指标，
12
个二级指标，同时提供了各指标详细的解释，明确了它们的含义
。3.
根据权利要求1所述的一种学习资源平台资源质量指标体系构建方法，其特征在于：所述步骤
S4
中，
BP
神经网络确定指标权重确认步骤：问卷设计，首先设计一份问卷，旨在对教育资源公共服务平台上的教学资源进行评价调查；在训练
BP
神经网络模型前，需要指定该模型的输入数据和输出数据，输入数据为评价指标体系中各二级指标的量化数据，输出数据为得到各一级和二级评价指标所占权重；构建
BP
神经网络，
BP
神经网络的训练过程分为前向传播和反向传播两个阶段，在前向传播阶段根据输入的样本计算出相应的输出，并与理想输出进行比较，在反向传播阶段根据输出误差逐层调整连接权重
、
节点阈值和权重，如果满足最小误差或最大迭代次数的条件之一则结束训练
。4.
根据权利要求1所述的一种学习资源平台资源质量指标体系构建方法，其特征在于：所述步骤
S4
中，
AHP
层次分析法确定指标权重确认步骤：问卷设计，首先设计一份问卷，旨在对教育资源公共服务平台上的教学资源进行评价调查；
Yaahp
软件应用，
Yaahp
软件是一种基于层次分析法原理开发的可视化建模与计算软件，它提供了层次模型构造
、
一致性检验
、
权重计算
、
可视化展示功能，可以帮助用户快速
、
准确地计算评价指标的权重，为决策提供科学依据；模型构建和检测，根据构建的教育资源公共服务平台资源质量指标评价体系确定好的
评价维度，在
Yaahp
主界面中构造出评价维度层次结构模型，模型构建完成后需要检验模型的合法性；计算一级指标权值并检验一致性，对于回收的意见调查表，首先对每位专家的意见进行分析和计算，分别得出其对于一级指标和二级指标的权值，并进行一致性检测，确保数据的准确性和可信度；确定二级指标权重，按照同样的方法，依次导入五位专家对一级指标下的二级指标的相对重要性赋值结果数据，计算每个专家对每个一级指标下二级指标的重要性权重系数；确定最终权重，计算公式为最终权重＝一级指标权重
*
二级指标同级权重，为方便评价指标体系的计算，确定的评价指标权重系数精确到小数点后三位小数
。5.
根据权利要求1所述的一种学习资源平台资源质量指标体系构建方法，其特征在于：所述步骤
S4
中，当需要确定指标权重时，传统的方法通常是采用
AHP
层次分析法来计算各个指标的权重，但单独使用该方法存在主观因素干扰太大
、
不能分析指标之间相关性局限性，同样，单独使用
BP
神经网络也存在一定限制，例如数据量过小或质量不高可能影响模型精度
、
只能处理线性可分问题，此外，
BP
神经网络仅得到二级指标与输出变量之间的相关系数和
P
值，不能直接给出每个指标...

【专利技术属性】
技术研发人员：甘泉，周安顺，张汉宁，丁继红，刘华中，邓俊琼，吴珏，王彩霞，刘彩，刘金枫，陈昕铃，林明发，童远浩，王星越，覃站彪，
申请(专利权)人：联通海南产业互联网有限公司，
类型：发明
国别省市：