科普类微博信息质量评价指标体系构建与实证研究

• 作者： 毛太田 ¹ 周之桢 ¹ 汤淦 ¹
• 作者单位：
  1.  湘潭大学公共管理学院
• 通讯作者： 毛太田 
• 提交时间：2024-09-19

摘要: 【目的/意义】构建科普类微博信息质量评价指标体系并训练RBF神经网络进行评价模拟，为提升科普类微博信息质量提供参考。【方法/过程】基于现有研究成果与用户问卷调研，构建评价指标体系。根据指标体系获取评分数据进行实证，通过CRITIC-TOPSIS综合评价对25位科普类博主进行评分并利用评分数据训练RBF神经网络。【结果/结论】构建了包含5个一级指标与18个二级指标的评价指标体系，训练的神经网络可以模拟复杂多维指标体系下的信息质量评价，直接输出评价结果，精确率达到96%。为科普类微博信息质量评价提供了可参考的指标体系与准确、易用的评价方法。

Abstract: [Purpose/significance] This study aims to construct an evaluation index system for the quality of scientific popularization posts on Weibo and to simulate the evaluation using an RBF neural network. The goal is to provide a reference for improving the quality of scientific content on Weibo. [Method/process] Based on existing research and a user survey, an evaluation index system was developed. The empirical data was collected and scored according to this system. The CRITIC-TOPSIS method was used to comprehensively evaluate 25 popular science bloggers, and the scores were used to train the RBF neural network. [Results/conclusion] An evaluation index system comprising 5 primary indicators and 18 secondary indicators was constructed. The trained neural network can simulate the quality assessment of information under a complex, multi-dimensional index system and directly output evaluation results with an accuracy of 96%. This provides a useful index system and an accurate, easy-to-use evaluation method for assessing the quality of popular science posts on Weibo.

• 来自： 周之桢
• 分类： 信息资源管理 >> 情报学
• 稿件状态： 已投稿会议
会议名称： 数智赋能学术期刊创新发展 ——第四届信息资源管理期刊发展论坛征文（2024年7月 —2024年10月）
• 引用： PSSXiv:202409.01318 (或此版本 PSSXiv:202409.01318V1)
  DOI:10.12451/202409.01318
  CSTR:32012.36.PSSXiv202409.01318
• 推荐引用方式： 毛太田,周之桢,汤淦.科普类微博信息质量评价指标体系构建与实证研究.哲学社会科学预印本平台:https://zsyyb.cn/abs/202409.01318.[PSSXiv:202409.01318V1] (点此复制)