④二级模糊综合评价：利用一级指标的权重w={w1，w2，…wk}及其模糊矩阵R进行二级模糊综合评价，其具体形式为：B=W·R；⑤评价结果的确定：在传统的模糊综合评价方法中对归一化后B利用最大隶属度法得到评价对象的评定结果。

4 评价结果的反馈推理规则
    评价结果的反馈分两种方式：其一将评价结果直接交给学习者，让其了解该阶段学习状况；其二将评价结果和课程表示的相关属性结合，利用评价反馈机制自动生成下一阶段学习的导航信息，引导选择合适的学习路径。
    基于NFAHP—FCM的网络学习评价算法实施后，以用户界面的形式呈现评价结果。通过该界面可直观的了解到自己当前的学习状况。通过对学生的学习评价结果调查、跟踪和数据挖掘得到了如图1所示反馈推理规则。评价反馈结果的获得利用向前匹配法，即从前向后匹配，一条匹配成功后不再检查后面的，前一条不相等再检查后面的子规则。

5 网络学习评价系统设计与实现
    作为ITS中的重要组成的学习评价系统，考虑远程教育的特点和评价要求，应具备如下功能：评价系统必须能通过参数化的手段做到通用化，不仅支持指标体系的建立还要支持其更新和维护。学生学习数据是评价实施的基础，如何采集有效的数据是系统必须提供的功能。学习评价的数据来源于3个方面：通过调查问卷、手工输入、对学习的动态跟踪。通过和其他系统的接口获得学习日志数据。通过对学生学习评价结果的调查、跟踪和数据挖掘，得到个性特征、学习过程和学习效果之间的关系。
    通过反馈策略指导学生正确的认识自己的个性特征．改进学习过程，促进学生取得良好的学习效果。网络学习评价系统的结构图如图2所示。

6 网络学习评价实例验证
    现以220名学生的学习参数为样本点，验证系统运行过程。对220名学生的学习状况动态跟踪采集，分析后得到学习数据。使用调查问卷收集学生的反馈意见，87％的学生认为数据较准确的反映自己的学习状况。9％学生认为数据有部分项没有准确反映自己的学习状况，4％学生认为数据完全没有准确反映自己的学习状况。调查数据表明：评价指标体系设置合理，能较好的表示学生的学习状况：通过系统的处理机制得到的数据能较准确的反映学生学习状况。

7 结语
    实验以某学院2005级计算机教育专业学生2007~2008年第一学期课程的数据为依据，对该年级90名学生进行评价．其正确率一错误率曲线如图3所示。正确率高达92．8％月。

    实验表明：评价模型中选用的NTFAHP—FCE网络学习评价算法能够较好的应用到学习评价中。经验证表明：给出的评价模型有很好的实用指导作用，网络学习评价指标体系的结构比较合理，经系统得到的评价结果和理论结果一致性较好，学生对于使用该系统给出的评价结果和指导学习的信息认可度在中等偏上。因此，提出的评价方案总体可行。可以考虑在更大的范围使用。