图书馆现代技术绩效评价研究

《图书馆现代技术绩效评价研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、图书馆现代技术绩效评价研究　　　　引言目前，国外学者对于图书馆现代技术的投入产出和绩效的评价已经做了一些研究探讨。如POLL，R（2000）从网络关系结构与图书馆贡献率的关系进行分析，得出网络关系结构不管是直接和间接关联均对有效产出有正向影响，而结构洞（网络结构缺口）对投入产出的影响则是负的。[1]YOUNGPETERR（2000）实证研究和分析了图书馆通过内网和外网进行沟通的能力与图书馆绩效的关系，得出在动态复杂的环境中，现代信息技术与图书馆、图书馆互联网之间的使用程度以及同行、用户参与决策之间有着正

2、相关关系的研究结论。[2]在国内，图书馆现代技术绩效评价研究和实践还处于萌芽阶段。由于在数字图书馆建设中现代技术网络建设投入之昂贵和复杂性，以及我国对国外图书馆先进经验的学习和借鉴尚未实质性开展，所以迫切需要对阶段性绩效评价标准进行研究和重点关注。[3]对此，本文着重对网络环境下的图书馆现代技术绩效评价指标体系设计、函数模型及检验等相关问题进行讨论。这不仅可以帮助管理者从总体上认知数字图书馆职能实施的全过程，也可从组织和技术结构上揭示不同层面的相互依存、相互制约的复杂关系，特别是投入产出的效果，为研究和

3、科学评价图书馆的贡献率，编制长远规划提供参考价值依据。　　　　1、图书馆现代技术绩效评价指标设计网络环境下图书馆现代技术绩效评价的第一步是选取评价指标。从评价结果看，评价指标的选取应该满足图书馆现代技术绩效评价要求和原则；从评价过程看，应该满足图书馆现代技术服务职能的要求。按照图书馆现代技术的节点和技术构建不同环节之间的内在联系，整个指标的设置应充分反映图书馆现代技术功能效果的评价指标体系。因此，本文从图书馆现代技术网络化的结构、图书馆知识与信息　　　　2、图书馆现代技术绩效评价模型建立图书馆现代技术绩

4、效与其影响因素之间是一种复合型、多层次的动态系统，从影响因素集到其绩效状态集之间存在复杂的非线性映射关系，且各指标权重确定也相当复杂。所以本文采用ANN（人工神经网络AricialNeuralNet为样本数，n为输出层节点数。这里m＝25，n＝1），选取U个隐层节点，其训练中的误差曲线和学习速率以及运算数据以图表（图2）的形式列出。　　3.2　评价数据的检验根据具体情况设置BP网络参数如下：最大训练步数1万次；误差指标0.005；学习率0.005。按照上述的评价步骤进行训练，训练结果如图2所示。　BP网

5、络模型训练结果分析图（略）从图2曲线可知，在学习样本区内，BP神经网络学习能力很强，通过BP网络学习训练后，各样本的目标值实际值误差率仅为0.49％。最后，用8个检验样本对训练好的BP网络进行检验，结果如表2所示。表2　样本检验结果与专家评估比较序号　　　　1　　　2　　　3　　　4　　　5　　　6　　　7　　　8检验结果　0.363　0.459　0.612　0.266　0.255　0.541　0.256　0.901专家评估　0.366　0.461　0.616　0.269　0.257　0.545　0.2

6、58　0.903从表2可见，网络的训练结果是相对吻合的。下面即可用于图书馆现代技术绩效的综合评价以及技术绩效影响因素分析。（1）根据训练完毕的网络模型，只需输入评价图书馆现代技术建设与利用的若干项经过归一化处理后的指标分值，就能得到该图书馆现代技术绩效的综合评价总分值。然后网络自动计算结果，分值范围作为图书馆现代技术绩效综合评价结果。例如，用上述8个检验样本作为待评图书馆，由表2可知，图书馆8的综合评分最高为0.901，处于0.8＜,2003—04—12[4]Saracevic,teflo（2000）D

7、igitalLibraryEvaluationTo.