面向社會公眾的高等教育評價智能信息服務模型框架研究

邱均平　付裕添　徐中陽等

關鍵詞： 高等教育評價； 智能信息服務； 模型框架； 社會公眾

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．１２．０１１

〔中圖分類號〕ＴＰ３１１； Ｇ６４ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） １２－０１２２－１１

得益于對教育事業(yè)不斷地支持與投入， 我國教育發(fā)展已步入新的階段。教育評價作為推動教育發(fā)展的重要一環(huán)， 在實現(xiàn)高質量、內涵式發(fā)展的時代命題下也被賦予了新的發(fā)展要求。２０２０ 年１０ 月，中共中央、國務院印發(fā)的《深化新時代教育評價改革總體方案》對我國教育評價改革工作提出了新部署、新要求， 并提出到２０３５ 年， 基本形成富有時代特征、彰顯中國特色、體現(xiàn)世界水平的教育評價體系［１］ 。

教育評價中的高等教育評價興起于２０ 世紀初歐美等國家（地區(qū)）， 是現(xiàn)代高等教育快速發(fā)展的產物［２］ 。與歐美發(fā)達國家（地區(qū)）相比， 我國高等教育評價事業(yè)起步雖晚， 但異?；钴S， 尤其近年來數(shù)智技術在我國快速興起與發(fā)展， 為我國高等教育評價的研究與實踐應用帶來了新的契機， 使我國的高等教育評價事業(yè)在更加現(xiàn)代化和專業(yè)化的方向上取得了快速進步［３］ 。其中， 數(shù)字化高等教育評價信息平臺的建設成為當下的亮點， 中國科教評價網作為我國首家以科教評價為核心的數(shù)字化平臺， 自２００４年起連續(xù)多年發(fā)布教育評價報告， 并提供了較為全面的高等教育評價信息服務， 受到社會各界的廣泛關注與認可， 而后諸多科研機構、高等院校、企業(yè)組織等也陸續(xù)建立起了一批高等教育評價數(shù)字化平臺， 在當下共同形成了良好的競爭局面［４］ 。

與早期高等教育評價信息服務主要用于輔助教育部門、高等院校進行重點高校確定、高?？冃Э己?、高校發(fā)展橫向對比等不同［５］ ， 在我國高等教育事業(yè)不斷發(fā)展、普及化水平不斷提高、社會人才需求不斷增長的新環(huán)境下， 由于社會及廣大家長和考生對高等教育評價信息的需求激增， 各機構與平臺紛紛將服務重點轉向社會公眾。但通過對現(xiàn)有數(shù)字化平臺進行深入了解后發(fā)現(xiàn)， 其雖作為社會公眾獲取高等教育評價信息與服務的主要媒介， 在面對社會公眾對評價信息內容、應用和服務方式等全面需求變化以及信息獲取精準化與泛在化時， 卻仍多是依靠人工進行相關數(shù)據采集與評價信息形成， 以網站端信息展示與用戶鏈接訪問的被動服務為主， 總體上數(shù)據采集處理效率與智能化程度均相對較低，各平臺所載信息范圍雖廣， 但面向用戶服務角度的易用性與個性化層面仍有較大不足。同時， 數(shù)智技術的不斷發(fā)展也使得信息的組織與利用形式發(fā)生了深刻變革［６］ ， 而現(xiàn)有數(shù)字化平臺以人工形成評價信息、網站展示為主的高等教育評價信息服務方式，已難以應對當下社會公眾作為其主要服務群體對高等教育評價信息需求激增與利用方式的不斷變化。面對此種情形， 如何基于新技術和新思維開創(chuàng)高等教育評價信息服務新方式， 解決社會公眾高等教育評價信息需求新變化與當下服務方式滯后的矛盾問題將成為新的主要問題。

時下， 智能信息服務作為一種運用數(shù)據分析和領域智能的用戶服務解決高效方案， 其核心是依靠大數(shù)據算法、機器學習、人工智能等技術， 根據數(shù)據和場景特征以及用戶不斷變化的信息需求， 智能地對數(shù)據進行處理、分析、挖掘、提取， 并將形成的信息進行理解、優(yōu)化后， 幫助用戶更加科學、智能、高效地開展活動［７］ 。由此可見， 智能信息服務可通過對數(shù)據的智能分析和挖掘， 產生滿足用戶需求的信息群， 并使用戶能夠通過與智能服務平臺的交互來獲取智能化的信息服務的作用特點， 適用于化解社會公眾需求新變化與服務方式滯后的矛盾。

因此， 本文將以智能信息服務為核心， 分別構建社會公眾用戶高等教育評價信息需求挖掘模型、需求——資源映射模型以及總體智能信息服務模型，提出具體的信息智能服務方式， 并對總體模型進行評價論證， 以期為相關研究等提供理論參考， 并助推我國高等教育評價信息服務的轉型與突破。

１社會公眾用戶高等教育評價信息需求挖掘與資源映射模型

社會公眾用戶對高等教育評價信息（以下簡稱“教評信息”）與服務需求的個性化、多元化、智能化等特征對教評信息的采集、處理、形成、存儲、挖掘、應用和服務帶來了巨大挑戰(zhàn)， 需要重新挖掘和分析其對教評信息與服務需求的內容、方式、廣度和深度， 并精準匹配對應教評信息資源。

１.１社會公眾用戶需求挖掘

１.１.１社會公眾用戶范圍

社會公眾是一個寬泛的概念， 需要確定相關主要群體以判斷核心服務需求。通過對教評信息需求用戶來源調查后發(fā)現(xiàn)， 主要涉及３ 類群體： ①需要了解高校及學科發(fā)展的人群， 如考生、家長等， 該群體以院校信息、專業(yè)信息、歷年報考錄取信息等需求為主； ②教育咨詢服務機構與科研單位， 該群體需要基于教評信息了解相關高校以及相關專業(yè)的發(fā)展情況， 以便開展商業(yè)咨詢或科研活動； ③校友群體， 作為除政府主管部門外關心高校發(fā)展的最大群體， 通常是除財政撥款以外， 高校獲得發(fā)展經費的重要來源， 還是為學校發(fā)展建言獻策的主要群體。故教評智能信息服務應以挖掘此３ 類主要群體的需求為起始。

１.１.２社會公眾用戶需求挖掘模型

全面且準確地獲取用戶特征與需求是實現(xiàn)高等教育評價智能信息服務的重要前提和基礎。鑒于數(shù)字化線上平臺是目前教評信息交流與服務的主要媒介， 因此， 可從用戶平臺數(shù)據入手， 利用數(shù)據挖掘、人工智能等技術分析挖掘其中所隱含的用戶興趣、偏好等知識， 并通過對初步形成的用戶信息知識庫進行再挖掘來構建精準的用戶畫像， 以實現(xiàn)用戶需求發(fā)現(xiàn)。其中， 用戶畫像可以描述為一個從海量數(shù)據中獲取的， 由用戶特征、偏好等信息構成的形象集合［８］ ， 其技術作為當下用戶需求分析的新興技術，可通過對用戶數(shù)據的建模、抽象用戶實體標簽化、匯集用戶標簽， 以達成精準的用戶畫像。本文將以用戶畫像技術為基礎， 從用戶數(shù)據采集、處理、預測３ 個層面出發(fā)， 劃分數(shù)據采集模塊、數(shù)據處理模塊、數(shù)據分析模塊、用戶畫像模塊、需求預測模塊、需求分發(fā)模塊６ 個基本模塊， 構建基于用戶畫像的社會公眾用戶需求挖掘模型， 如圖１ 所示。

１） 數(shù)據采集模塊。首先， 用戶畫像是由所有被采集數(shù)據為基礎構建的， 構建的詳細水平、需求發(fā)現(xiàn)結果的真實與否都取決于用戶數(shù)據種類、數(shù)量及質量， 不同種類的數(shù)據不僅代表用戶不同的屬性與特征， 也反映了用戶部分的特定需求?？紤]到數(shù)據的易得性， 可主要對用戶的基本信息、動態(tài)信息、互動信息、偏好信息、反饋信息進行采集， 以實現(xiàn)用戶畫像的精準描述。

２） 數(shù)據處理模塊。作為用戶畫像構建的中間模塊， 主要實現(xiàn)對數(shù)據采集后的處理、分析和挖掘。由于數(shù)據間類型與結構不同， 需要對數(shù)據進行清洗、集成、規(guī)約、轉化等預處理， 以清除異常數(shù)據、清洗重復數(shù)據、填補缺失數(shù)據、標準數(shù)據類型， 并在標準化數(shù)據的基礎上實現(xiàn)數(shù)據的分類、聚類、關聯(lián)與融合。

３） 數(shù)據分析模塊。該模塊作為用戶畫像構建的核心模塊， 主要對用戶數(shù)據進行更深層次的分析與推理， 以實現(xiàn)用戶特征識別、典型用戶選取與用戶標簽提取。首先可通過分析用戶行為完成對用戶特征的識別與提取， 然后應用Ｋ－ｍｅａｎｓ 聚類算法進行用戶聚類分析， 提取聚類結果中具備特征類型的用戶群， 并運用改進型ＲＦＭ 模型選取用戶群中具有代表性的典型用戶， 最后通過ＴＦ－ＩＤＦ 算法得出各類典型用戶特征關鍵詞及權重值， 并按權重值大小作為用戶標簽選取的依據， 實現(xiàn)用戶標簽的提?。郏梗?。

４） 用戶畫像模塊。該模塊是用戶畫像的實施模塊， 核心是將提取出的用戶標簽依據內涵劃分為自然、偏好、情景、社交４ 類維度標簽， 并通過組合形成個體用戶畫像、群體用戶畫像以及資源受眾畫像３ 種類型。個體用戶畫像是根據用戶特征關鍵詞為依據對個體用戶進行的畫像刻畫； 群體用戶畫像則是在個體用戶畫像的基礎上， 把具有相似屬性的個體用戶畫像進行關聯(lián)、聚類分析后構建的總體畫像； 資源受眾畫像則是以某一熱點資源需求為核心對受眾用戶進行的畫像。

５） 需求預測模塊。該模塊一方面根據已構建的用戶畫像， 通過協(xié)同過濾算法或聚類算法， 對教評信息資源標簽進行相似度匹配來完成用戶現(xiàn)實需求的識別； 另一方面可結合教評信息資源知識庫的自我數(shù)據挖掘與預測功能， 實現(xiàn)用戶潛在需求的挖掘以及未來需求的預測。

６） 需求分發(fā)模塊。該模塊主要基于用戶畫像的需求與預測發(fā)現(xiàn)結果， 通過算法向對應用戶進行分發(fā)。

１.２用戶需求——資源映射

將用戶需求與教評信息資源進行精準匹配， 是實現(xiàn)高等教育評價智能信息服務的重要依據與保證，需要在用戶需求知識庫與教評信息資源庫之間建立映射模型來實現(xiàn)需求與資源間的關聯(lián)。這種映射關聯(lián)可由用戶需求知識庫和教評信息資源庫兩者關鍵詞間的匹配來實現(xiàn)， 如圖２ 所示。

首先， 依靠相關人員的專業(yè)知識， 基于高等教育評價資源內容建立標準關鍵詞庫， 利用智能分詞、語義分析等ＮＬＰ 技術（自然語言處理技術）實現(xiàn)用戶需求知識庫與教評信息資源庫中內容的關鍵詞化， 并自動標注與分類； 然后， 通過將標準化后的用戶需求關鍵詞和教評信息資源關鍵詞與標準關鍵詞庫進行對照， 根據滿足用戶—資源—詞庫三者關鍵詞的共同對應關系來達成映射。其中， 在用戶需求與教評信息資源匹配過程中需要在匹配原則制定與匹配閾值確定的基礎上建立匹配關系模型， 而后在教評信息資源庫中獲取與用戶需求相匹配的知識資源， 按照資源匹配度的排列順序依次推送給用戶， 并通過對用戶推送結果滿意度的反饋收集進而對匹配模型算法作出更新改進。

２高等教育評價總體智能信息服務模型設計

２.１構成要素

①服務主體。高等教育評價智能信息服務是一項需要以服務提供主體為核心， 多方協(xié)作的復雜工作， 主要是由高校、科研機構、私營企業(yè)等組織建立的高等教育評價機構； ②服務對象。服務重點面向社會公眾用戶開展， 涉及上述３ 類主要用戶： 需要了解高校及學科發(fā)展的人群、教育咨詢服務機構與科研單位以及校友群體； ③服務內容。主要涵蓋全方位、多層次的教評信息， 如國內外大學評價、研究生評價、地區(qū)教育評價， 以及更為深入的如學科評價、專業(yè)評價等評價內容， 此外還包括對教評信息再提煉后提供的其他服務內容， 如高校分析服務、志愿測評服務、專業(yè)填報服務等； ④基礎設施。主要是高等教育評價智能信息服務的平臺基礎與技術基礎； ⑤服務環(huán)境。好的服務環(huán)境能為高等教育評價智能信息服務的構建帶來更為便利的條件， 涉及到的服務環(huán)境主要包括政策文件、資金支持、服務主體對服務對象的意識行為等。

２.２高等教育評價總體智能信息服務模型

當前， 信息服務的基本關系可以概括為如圖３所示的關系結構［１０］，高等教育評價智能信息服務作為信息服務中的一種個例， 也滿足信息服務中各元素間的基本關系。

因此， 本文將在信息服務基本關系結構的基礎上進行擴展、改進， 并結合上文中已構建的用戶需求挖掘模型、用戶需求——資源映射模型， 提出高等教育評價總體智能信息服務模型框架， 如圖４ 所示。

２.２.１數(shù)據資源層

高等教育評價數(shù)據資源來源復雜且異構特征明顯， 涵蓋①有關政府部門的統(tǒng)計數(shù)據資料（匯編、年鑒、報表等）； ②相關高校的網站信息和國內外教育評價網絡信息； ③有關刊物、書籍、報紙、內部資料等； ④國內外高等教育評價機構、評價工作研究團隊相關數(shù)據庫信息［１１］ ， 此外還涉及用戶信息、業(yè)務信息等其他數(shù)據資源。數(shù)據資源層主要為其后各層業(yè)務的正常有序運行提供必需的數(shù)據資源保障， 匯聚存儲多渠道、多類型的數(shù)據資源， 并利用數(shù)據采集技術、數(shù)據庫技術等實現(xiàn)大規(guī)模的數(shù)據采集、存儲、調用、更新、序化等工作， 形成具有完整數(shù)據類型、動態(tài)數(shù)據配置、狀態(tài)合理有序、數(shù)據流轉穩(wěn)定的數(shù)據資源中心。

２.２.２技術支持層

高等教育評價智能信息服務的內核是在技術的支撐下實現(xiàn)教評信息形成與服務業(yè)務的智能。技術支持層是實現(xiàn)數(shù)據高效處理、業(yè)務場景嵌入、信息智能服務的支撐層面， 并依據不同業(yè)務需求類型進行合理的技術組合與配置， 在相關技術有效部署的基礎上， 主要依靠４ 個技術群來支撐實現(xiàn)業(yè)務智能， 如表１ 所示。

２.２.３信息處理層

信息處理層處于高等教育評價智能信息服務業(yè)務流程的中樞位置， 以數(shù)據資源與技術支撐為基礎，完成由原始評價數(shù)據資源向教評信息資源轉變與輸出的過程。根據數(shù)據流動及智能信息服務的實現(xiàn)路徑， 該層設計５ 個核心模塊， 依次為數(shù)據匯集模塊、數(shù)據處理模塊、需求分析模塊、需求——資源映射模塊以及管理模塊。①數(shù)據匯集模塊主要對高等教育評價相關數(shù)據以及通過各業(yè)務節(jié)點形成的二次數(shù)據進行采集、清洗、去噪、存儲等工作； ②數(shù)據處理模塊主要利用相關數(shù)據處理與分析技術， 實現(xiàn)數(shù)據標準化轉換、數(shù)據類型規(guī)范、相關數(shù)據關聯(lián)、數(shù)據挖掘以及知識單元形成； ③需求分析模塊主要是對采集到的用戶相關數(shù)據進行分析和標簽化處理，并基于形成用戶４ 個維度偏好的標簽劃分不同的用戶群體并完成用戶畫像， 后通過協(xié)同過濾算法或聚類算法與教評信息資源標簽， 進行相似度匹配以完成用戶需求分析； ④需求——資源映射模塊主要通過將標準化后的用戶需求關鍵詞及教評信息資源關鍵詞與已建立的標準關鍵詞庫進行匹配， 并根據滿足用戶—資源—詞庫三者關鍵詞的共同對應關系實現(xiàn)資源映射； ⑤管理模塊主要實現(xiàn)用戶訪問控制、配置管理、資源分配、任務管理［２１］ 、服務模塊調用等， 通過對系統(tǒng)內不同模塊之間的統(tǒng)一管理， 共同實現(xiàn)教評信息的形成與智能服務。

２.２.４智能服務層

智能服務層是高等教育評價智能信息服務的輸出層面， 主要在數(shù)據資源層與信息處理層管理模塊的協(xié)作下， 輸出最準確的服務內容并選取最合理的智能服務方式， 依靠智能推送服務、智能檢索服務、智能咨詢服務、智能產品服務、智能知識服務、智能專項服務６ 種不同的智能服務方式來滿足用戶的多樣需求。

２.2.５用戶交互層

用戶交互層是用戶與高等教育評價智能信息服務系統(tǒng)平臺進行前端交互的層面， 支持用戶利用計算機、智能手機等終端設備， 通過網絡門戶、ＡＰＰ客戶端、微信公眾號、微博平臺等媒介， 接入用戶交互層來實現(xiàn)注冊登錄、檢索瀏覽、提問咨詢、服務獲取與評價反饋等功能。此外， 該層還支持用戶全時段的實時互動訪問， 可隨時隨地獲得服務響應與反饋， 真正實現(xiàn)用戶—平臺—教評信息資源間的即時連接與泛在服務。

３高等教育評價信息智能服務具體方式

３.１智能推送服務

智能推送服務是智能服務中最為主動的方式，通過分析用戶數(shù)據來對用戶需求作出預判， 主動為用戶提供信息推送服務。該服務以平臺中用戶需求精準識別與預測功能為基礎， 同時支持用戶主動訂閱、平臺鏈接推送、授權第三方工具推送等形式，實現(xiàn)大學評價信息資源、學科評價信息資源、“雙一流” 評價信息資源、動態(tài)評價信息資源、網絡評價信息資源以及特色評價信息資源等的智能推送， 改變以往由于信息大規(guī)模推送而缺少個性化、精準化特征的現(xiàn)象， 真正做到“因人而宜” 地推送適應用戶需求場景、需求偏好、需求動機與當前實際的教評信息。此外， 還可依據用戶需求分析與反饋數(shù)據建立準確的個人用戶需求推送模型， 形成面向個人的信息推送記錄庫， 做到推送時間與內容的高效準確。

３.２智能檢索服務

智能檢索服務可根據用戶的不同習慣、表達方式、專業(yè)知識等提供不同的檢索模式， 并通過獲取用戶對檢索結果的評價與反饋來優(yōu)化檢索策略， 貼近用戶的真實需求。在檢索準確度上， 主要綜合分析用戶過往檢索數(shù)據、檢索行為特點等， 將更符合用戶需求的教評信息資源靠前排列， 減小低相關度檢索結果的干擾， 最大程度地提升檢索效率， 做到用戶一次性的最優(yōu)結果獲取； 在檢索技術上， 智能服務平臺依靠兼容的多種檢索技術， 把握深度優(yōu)先和廣度優(yōu)先的策略， 挖掘用戶檢索輸入中最準確的需求語義； 在檢索條件上， 支持大學、學科、關鍵詞、主題、內容、類型、地址、時間等多條件下的教評信息資源檢索， 以及多信息資源庫協(xié)同下的跨庫檢索。此外， 智能檢索服務還可通過微信公眾號、ＡＰＰ 客戶端、ＷＡＰ 網站等實現(xiàn)移動端檢索，跨越時間和地域的阻礙， 并利用移動互聯(lián)網技術優(yōu)勢拓展智能檢索服務功能。

３.３智能咨詢服務

當前， 人工智能機器人已逐步應用于智能參考咨詢服務中， 其借助于參考咨詢知識庫， 可實現(xiàn)信息咨詢的自動化處理， 具有精準實時、無服務時間限制、操作簡單、便于管理的優(yōu)勢［２２］ 。教評信息智能咨詢服務融合了人工智能的技術理念和信息咨詢的方法邏輯， 通過設計合理有效的推理機制， 對用戶咨詢問題進行更為準確的邏輯判斷、語義理解與需求識別， 并通過友好的人機接口和解釋系統(tǒng)為用戶提供知識化的智能咨詢服務［２３］ 。

３.４智能知識服務

智能知識服務主要向用戶提供教評信息資源經凝練加工后且具有輔助指導作用的知識， 通過知識統(tǒng)計與挖掘方法， 為用戶提供教評信息資源之外的可視化知識來輔助指導用戶理解與運用教評信息，如知識圖譜、數(shù)據統(tǒng)計圖、信息關系圖等。

３.５智能產品服務

智能產品服務是對知識服務層的進一步深化，通過融合人的智慧， 與數(shù)智技術形成蘊含豐富服務價值、利用價值和經濟價值， 且具有增值性、科學性、前瞻性特征的知識產品和情報產品， 以滿足用戶的決策服務需求。具體的智能產品服務包括： ①咨詢類決策產品， 主要依據用戶不同階段、不同類型的需求， 生成個性化的咨詢決策報告， 輔助用戶進行決策分析； ②情報類發(fā)展產品， 面向大學、學科的建設與發(fā)展， 為相關用戶提供大學、學科競爭力分析、建設水平評估、人才評估報告、需求分析報告、發(fā)展態(tài)勢報告、服務規(guī)劃報告、平臺發(fā)展報告等情報產品； ③工具類應用產品， 主要面向組織和個人提供用戶畫像、群體畫像、在線詞典、在線百科等應用產品， 以實現(xiàn)用戶快速利用教評信息資源的目的。

３.６智能專項服務

智能專項服務是針對用戶特定需求， 由教評信息服務團隊深度探究發(fā)現(xiàn)用戶專項需求后， 為其開展全程式、跟蹤式的智能專項服務。該服務主要由專項服務團隊在智慧、精準、高效理念指導下， 基于智能信息服務平臺并通過問卷調查、線上交流、ＶＩＰ 訪談等多元化、多頻次、多層次的研討方式，發(fā)現(xiàn)用戶明確的信息、知識、空間、產品等服務需求。此外， 還可利用實踐調研、文獻調研、案例分析等方法， 提前預測用戶潛在需求并積極開展智能專項服務。

４高等教育評價智能信息服務模型評價論證

為系統(tǒng)論證高等教育評價智能信息服務模型的有效性， 保證模型在宏觀上能夠有效運行以支持相關業(yè)務及流程的開展， 擬采用基于熵權的模糊綜合評價方法對模型進行評價論證。

４.１評價指標選取

考慮到高等教育評價智能信息服務模型在本質上與情報系統(tǒng)、信息系統(tǒng)相似， 因此， 在相關系統(tǒng)成熟評價指標體系的基礎上， 改進形成了適合本模型的評價指標［２４－２５］ ， 同時， 考慮到模型架構與內容的多樣性， 本研究邀請了高等教育評價領域專家、智能計算領域專家、相關數(shù)字化平臺高層管理人員， 與潛在用戶共１０ 位專家進行論證， 通過以模型原理展示論述與專家提問解答相結合的方式， 向專家們展示該模型的設計理念、基本要素、機制設計及業(yè)務流程， 并發(fā)放調查問卷。評價指標及問卷調查結果如表２ 所示， 其中各指標評判分數(shù)集均為｛好、較好、中等、較差、差｝ ＝｛５、４、３、２、１｝。

４.２熵權法確定評價指標權重

運用ＭＡＴＬＡＢ 數(shù)據處理軟件， 根據熵權法的計算步驟進行程序編寫［２６］ ， 分別得到一級指標、二級指標的權重值， 如圖５ 所示。

４.３模糊綜合評價

依據前期專家評分形成的各模糊評價矩陣以及二級指標層的權重集， 利用模糊綜合評價模型進行分析［２７］ ， 結果如表３ 所示。

根據模糊綜合評價分析結果顯示， 本模型在模型建設評價一級指標中， 最終評價結果內的最大值為０.４４６， 其相對評判是“較好”； 在模型性能評價一級指標中， 最終評價結果內的最大值為０.４２９，其相對評判是“較好”； 在模型應用評價一級指標中， 最終評價結果內的最大值為０.５５４， 其相對評判是“好”。分析結果說明， 本模型雖在各一級指標評判中均可達到“較好” 及以上的程度， 但在建設和性能方面仍有較大的后期優(yōu)化提升空間。

進一步對本模型進行總體模糊綜合評價分析后結果如表４ 所示， 得到本模型總體屬于“好” 的隸屬度為０.４１２， 屬于“較好” 的隸屬度為０.３７５， 屬于“中等” 的隸屬度為０.１８３， 屬于“較差” 的隸屬度為０.０３０， 屬于“差” 的隸屬度為０.０００， 按照上述評判分數(shù)集的標準進行隸屬度加權量化測度，得到最終模型總體測度評價值為４.１６９， 對應“好”的評判結果。

綜上， 通過選取模型評價指標、專家問卷調研， 運用基于熵權的模糊綜合評價法對模型進行評價論證， 可以初步認為該模型能有效地支撐高等教育評價智能信息服務的建設與開展。

５結語

新技術環(huán)境下， 數(shù)智技術在驅動新一輪經濟社會變革的同時， 也成為推動高等教育評價事業(yè)發(fā)展的新助力。運用數(shù)智技術創(chuàng)新面向社會公眾的高等教育評價信息服務， 是高等教育評價事業(yè)在數(shù)智時代浪潮下發(fā)展進步的必要途徑。從現(xiàn)實出發(fā)， 構建面向社會公眾的高等教育評價智能信息服務模型框架， 在能夠精準化滿足社會公眾對高等教育評價信息需求日趨變化的同時， 也更合理地為高等教育評價信息新時代下的服務方式開展了探索， 這對今后更為科學地應用高等教育評價信息具有重要的意義。

本文針對社會公眾高等教育評價信息需求變化與當前服務方式滯后的矛盾問題， 以智能信息服務為核心、數(shù)智技術為驅動， 建立了社會公眾用戶高等教育評價信息需求挖掘及需求——資源映射模型，構建了涵蓋數(shù)據資源層、技術支持層、信息處理層、智能服務層、用戶交互層的高等教育評價總體智能信息服務模型框架， 提出了具體的信息智能服務方式， 并論證了模型的有效性。期望為研究人員在高等教育評價智能信息服務相關研究中， 與時俱進地挖掘用戶新需求、融合新技術、開展新理念等提供一定的參考。