学生认知能力的评价问题一直是教育界所关心和研究的问题。学生认知能力的评价问题是一个比较复杂的问题,它涉及到学生的德智体各个方面,是一个典型的多目标多层次的综合评价问题。现在,对于学生认知能力的评价,有许多不同的评价方法,但大多数都具有主观性,里面含有很多人为的因素。因此,需要研究一种合理的、科学的、准确性高的综合评价方法。 本文是在模糊理论和人工神经网络理论的基础上,分析并研究了基于模糊综合评价模型、BP神经网络评价模型、RBF神经网络评价模型的学生认知能力评价方法。 模糊综合评价方法是一种用于涉及模糊因素的对象系统的评价方法,采用此方法能够很好的解决综合评价中的模糊问题。而人工神经网络技术具有很强的适应性、自学习性和自组织性,在复杂系统的建模问题上表现出很强的优越性,所以它也能够很好地被用来求解复杂问题的综合评价问题。BP神经网络和RBF神经网络都属于前向型神经网络,只是在网络的构造方法、训练方法上略有不同,因而其训练结果也所有不同。 本文的主要工作如下:(1)建立了学生认知能力评价系统的指标体系;(2)建立了模糊综合评价模型,并分析研究了模型建立中的若干关键问题;同时对学生的认知能力进行了二级综合评价。(3)建立了BP神经网络模型,并分析研究了BP神经网络中各种训练参数,并用Matlab实现了此评价模型。(4)建立了RBF神经网络模型,并对其中的最小二乘法作了描述,确定了基函数的中心。(5)通过对上述三种评价模型的分析比较,发现在学生认知能力评价方面RBF评价模型在效率、准确性方面优于其它两种评价模型。(6)运用.NET(C#)程序设计语言、SQL Server数据库、Matlab7数学软件,实现了学生认知能力的评价系统。 本文在许多教育学者对学生认知能力研究的理论基础上,对学生认知能力的指标进行了扩充,使其符合现代的教育评价目标,所建立的网络教学中学生认知能力的评价系统基本上能够实现对学生认知能力的全面评价。