Αξιολόγηση Υπηρεσιών Βιβλιοθηκών μέσω Τεχνικού Νευρωνικού Δικτύου
Περίληψη
Σκοπός της επικείμενης εργασίας είναι η δημιουργία ενός συστήματος αξιολόγησης βιβλιοθηκών, το οποίο χρησιμοποιείται με σκοπό την μέτρηση / κατάταξη της αποδοτικότητας των λειτουργιών μιας βιβλιοθήκης. Οι παρακάτω μετρήσεις έγιναν με βάση τους καθιερωμένους δείκτες του ΜΟΠΑΒ. Καταλήξαμε στους δείκτες που θα εξετάσουμε και θα βασίσουμε την έρευνα λόγω των χαρακτηριστικών που παρουσιάζουν. Αρχικά, πρόκειται για τους πιο αντιπροσωπευτικούς δείκτες για την αξιολόγηση μιας βιβλιοθήκης καθώς οι δείκτες αυτοί αφορούν όλα τα είδη των βιβλιοθηκών και όχι μόνο τις ειδικές ή κάποιο συγκεκριμένο είδος. Πέρα από τη συχνότητα που τους συναντάμε, σημαντικός λόγος για την επιλογή τους, ήταν πως αφορούν δείκτες υπηρεσιών που σχεδόν όλες οι βιβλιοθήκες έχουν, αφορούν τις δύο από τις τρεις κύριες λειτουργίες μιας βιβλιοθήκης (πρόσκτηση και δανεισμό) και επιπλέον είναι ευκατανόητοι και εύκολα επεξεργάσιμοι για την εξαγωγή αποτελεσμάτων. Τα αποτελέσματα από την εκάστοτε επεξεργασία και κρίση είναι έγκυρα και αξιόλογα, ενώ αυτονόητο είναι ότι δεν υπάρχει κόστος για την εξαγωγή τους και δεν απαιτείται κάποιο συγκεκριμένο εργαλείο. Τα κριτήρια είναι υποκειμενικά καταρχήν, αλλά η ανάλυση και η αξιολόγηση γίνεται με αντικειμενικότητα. Για τη δημιουργία του συστήματος αξιολόγησης βιβλιοθηκών βασιστήκαμε στη μάθηση με επίβλεψη με τη βοήθεια ενός νευρωνικού δικτύου.
Λέξεις κλειδιά
Αναφορές
Axler, S., Ribet, K.A., 2009. Graduate Texts in Mathematics 106.
Feng, X.U.E., KE, K., 2008. Five-Category Evaluation of Commercial Bank’s Loan by the Integration of Rough Sets and Neural Network. Systems Engineering-Theory & Practice 28, 40–45.
Garibay, C., Gutie´rrez, H. and Figueroa, A. (2010), “Evaluation of a digital library by means of quality function deployment (QFD) and the Kano model”, The Journal of AcademicLibrarianship,36 (2),125-32.
Glushkov, V.M. (1969), “Prediction based on expert opinions”, Cybernetics and Systems Analysis,
(2), 127-9.
Güler, N.F., Übeyli, E.D., Güler, İ., 2005. Recurrent neural networks employing Lyapunov exponents for EEG signals classification. Expert Systems with Applications 29, 506–514.
Ho, W., Xu, X. and Dey, P.K. (2010), “Multi-criteria decision making approaches for supplier evaluation and selection: a literature review”, European Journal of Operational Research,202 (1),16-24.
Jo¨reskog, K.G. and Goldberger, A.S. (1975), “Estimation of a model with multiple indicators and multiple causes of a single latent variable”, Journal of the American Statistical Association,70(351), 631-9.
Orr, R.H. (1993), “Measuring the goodness of library services: a general framework for considering quantitative measures”, Journal of Documentation, 29 (3),315-32.
Papavlasopoulos, S. & Poulos, M. (2012). “Neural network design and evaluation for classifying library
indicators using personal opinion of expert”. Library Management, 4(5), 261-271. doi: 10.1108/01435121211242308.
Pollard, J.M. (1978), “Monte Carlo methods for index computation (mod p)”, Mathematics of
Computation, Vol. 32 No. 143, pp. 918-24.
Poll, R. (2007), “Benchmarking with quality indicators: national projects”, Performance Measurement and Metrics,8(1),41-53.
Pritchard, S.M. (1996), “Determining quality in academic libraries”, Library Trends, 44 (3), 572-94.
Poulos, M., Belesiotis, V.S., Alexandris, N., 2010. A classroom observation model fitted to stochastic and probabilistic decision systems, in: Artificial Intelligence Applications and Innovations. Springer, pp. 30–36
Stubbs, K. (1980), The ARL Library Index and Quantitative Relationships in the ARL, Association of Research Libraries, Washington, DC, report for the Association of Research Libraries.
Tong, X., Wang, Z., Yu, H., 2009. A research using hybrid RBF/Elman neural networks for intrusion detection system secure model. Computer physics communications 180, 1795–1801.
Weiner, S.A. (2005), “Library quality and impact: is there a relationship between new measures and traditional measures?”, The Journal of Academic Librarianship, 31(5), 432-7.
Whitmire, E. (2002), “Academic library performance measures and undergraduates’ library use and educational outcomes”, Library & Information Science Research,24,107-28.
##submission.copyrightStatement##
