劉 蕾1，于國泳1，林 鑫2，周 琴2，王 晨，吳安石

據(jù)艾媒咨詢(iiMedia Research)發(fā)布的《2016-2017中國移動醫(yī)療健康市場研究報告》顯示，移動端應(yīng)用產(chǎn)品在“醫(yī)療咨詢”和“醫(yī)生服務(wù)”方面發(fā)展前景樂觀。這些具有特定服務(wù)對象的應(yīng)用程序和移動社交平臺，可提供醫(yī)學界重大新聞、專家講座資訊、病例討論內(nèi)容、科研課題經(jīng)驗等，進而提升醫(yī)務(wù)人員的專業(yè)技能，方便醫(yī)生進行學術(shù)知識交流和經(jīng)驗分享[1]。

利用微信這一當前熱點社交類APP的多重功能，輔助創(chuàng)新醫(yī)學教育的案例層出不窮，如在本科生見習教學[2]、住院醫(yī)師培養(yǎng)[3]、臨床專業(yè)技能培訓[4]、學術(shù)討論與互動分享[5]等領(lǐng)域進行了積極深入的探索和實踐，效果良好。特別是微信公眾平臺，因具有更多元的信息載體形式、更廣泛的用戶群體、更便捷的操作平臺、更具時效性的互動功能，越來越多的醫(yī)學界學術(shù)機構(gòu)將微信公眾平臺作為傳播成果、樹立品牌、與受眾有效溝通的主流途徑。

然而，隨著醫(yī)學領(lǐng)域?qū)W術(shù)公眾號數(shù)量的不斷增多，日常工作繁重、學習時間緊張的科研和臨床工作者選擇訂閱哪些公眾號、利用哪些公眾號輔助教學，可以及時獲取知識、體驗精準推送、提升互動效率，從而避免信息冗余、重復提醒等困擾成為亟待討論的問題。因此，選用科學、高效的評價方法對醫(yī)學類微信公眾號的學術(shù)知識獲取效果和實際影響進行系統(tǒng)評價，進而更好地指導學術(shù)類微信公眾平臺的知識內(nèi)容建設(shè)，幫助教育教學和科研管理工作者遴選優(yōu)質(zhì)教學資料十分必要。

1 研究現(xiàn)狀

目前，國內(nèi)外學者對于借力微信公眾平臺等社交媒體開展醫(yī)學教育、進行教學效果評價等方面的研究主要聚焦在應(yīng)用現(xiàn)狀概述與分析、知識內(nèi)容建設(shè)、平臺功能實踐、用戶使用情況調(diào)查、優(yōu)劣勢總結(jié)與建議等。在麻醉學領(lǐng)域，蔣晶晶等[6]針對基于微信構(gòu)建的教學公眾互動平臺現(xiàn)狀進行分析，同時結(jié)合當前教學實際，探究合理的針對性策略；繆雪蓉等[7]按照麻醉論壇、麻醉學會、講課視頻、麻醉知識、醫(yī)院麻醉科及麻醉專業(yè)雜志對公眾號進行分類，分別統(tǒng)計受眾的使用情況并討論；許軍軍等[8]通過問卷調(diào)查獲得用戶了解微信公眾號等自媒體的途徑、閱讀習慣、內(nèi)容偏好等，并提出建設(shè)意見。

涉及科研學術(shù)、專業(yè)領(lǐng)域類微信公眾號評價的相關(guān)研究則重點關(guān)注微信公眾號的內(nèi)容分析、教育影響力探究、微信知識服務(wù)能力、傳播效果評價標準的構(gòu)建等。張莉曼[9]、閆奕文[10]等分別構(gòu)建評價指標，對智庫和政務(wù)微信公眾號的傳播影響力進行了評價。雖然已有研究者提出了學術(shù)微信公眾號的評價指標，但對用戶產(chǎn)生實際作用效果的評價仍不多見，以醫(yī)學教育為目的創(chuàng)建的公眾號的評價研究則更少。綜上，醫(yī)學類微信公眾號應(yīng)用廣泛，在醫(yī)教研各方面發(fā)揮著高效作用，需要針對這些公眾號的學術(shù)知識獲取效果進行系統(tǒng)評價。

2 資料與方法

本文旨在根據(jù)已有知識獲取效果評價體系研究成果，遴選以麻醉學為代表的典型樣本，利用所得數(shù)據(jù)創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)、訓練和仿真測試，并驗證模型的合理性和科學性，以期通過評價結(jié)果更好地了解醫(yī)學類微信公眾號用戶獲取知識的實際效果，以及影響效果的因素指標，進而為領(lǐng)域內(nèi)的知識交流分享與學術(shù)信息傳播、各專業(yè)機構(gòu)開展基于微信公眾號的教育與服務(wù)提供必要的決策參考和實踐建議。

2.1 基于移動社交平臺的學術(shù)知識獲取效果評價體系

應(yīng)用合理且具有針對性的評價指標體系是對微信公眾號學術(shù)知識獲取效果進行評價的重要基礎(chǔ)。本文綜合已有研究成果，依據(jù)既有文獻中的移動社交平臺(Mobile Social Networking Platform,MSNP)知識獲取影響因素概念模型，從知識特性、知識提供方、知識獲取方、知識獲取情景4個方面構(gòu)建、約簡并經(jīng)過實證研究的“微信知識獲取效果評價指標體系”[11]。

2.2 樣本公眾號選取

以麻醉學微信公眾號為代表，選取15個微信公眾號作為研究樣本。筆者通過在北京朝陽醫(yī)院麻醉科科室內(nèi)進行訪談推薦，根據(jù)清博大數(shù)據(jù)-清博指數(shù)的“微信傳播指數(shù)WCI”排名[12]，綜合考慮醫(yī)院麻醉科、學協(xié)會組織、商業(yè)機構(gòu)等不同性質(zhì)的運營主體和特色，選取以“協(xié)和麻醉大講堂”“中華醫(yī)學會麻醉學分會”“新青年麻醉論壇”等為代表的15個微信公眾號作為研究樣本(表1)。為方便計算、考慮數(shù)據(jù)保密性等，依次使用S1-S15代表15個樣本。

2.3 數(shù)據(jù)獲取

在研究過程中，根據(jù)研究內(nèi)容確定“微信知識獲取效果評價指標體系”中各項指標的定義和量化方式(表2)。將指標A1-G2分別賦予變量名稱X1-X15，其中定性指標共9項，采用專家打分并以網(wǎng)絡(luò)和實地走訪的形式開展問卷調(diào)查，選取從事麻醉學臨床科研工作教師3名、具有豐富使用經(jīng)驗的麻醉學微信公眾號用戶5名、有麻醉學微信公眾號運營經(jīng)驗者2名，通過微信公眾號搜索功能查找、關(guān)注樣本公眾號，分別對指標打分，取分數(shù)的幾何平均值作為定性指標的量化數(shù)據(jù)。

以10分制為標準，分數(shù)越高，代表該公眾號的學術(shù)知識獲取效果越佳。

定量指標共6項，通過“清博大數(shù)據(jù)-清博指數(shù)”的統(tǒng)計功能、開放API接口并進行數(shù)據(jù)采集，獲得2018年7月1日至2018年11月30日統(tǒng)計時間范圍內(nèi)的各項值，作為定量指標的量化數(shù)據(jù)[13]。綜合評分指標1項，請前述10位專家，體驗樣本整體學術(shù)實力、知識權(quán)威性、學術(shù)傳播影響力、受眾獲取知識效果、服務(wù)能力等，并給出綜合評分Y。受篇幅所限，表3直接展示了15個樣本公眾號的知識獲取效果評價原始數(shù)據(jù)。

表2 微信知識獲取效果評價指標及解釋說明

表3 15個微信公眾號樣本指標評價及綜合評價原始數(shù)據(jù)

續(xù)表3 15個微信公眾號樣本指標評價及綜合評價原始數(shù)據(jù)

2.4 構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的微信公眾號學術(shù)知識獲取效果評價模型

2.4.1 BP神經(jīng)網(wǎng)絡(luò)模型

本文中涉及的BP神經(jīng)網(wǎng)絡(luò)是前向神經(jīng)網(wǎng)絡(luò)的核心部分，采用了Rumelhart、McClelland等提出的誤差反向傳播算法(Error Back Propagation)，極為廣泛地應(yīng)用于整個人工神經(jīng)網(wǎng)絡(luò)體系中。BP神經(jīng)網(wǎng)絡(luò)是一種模擬人腦處理信息的智能化非線性學習系統(tǒng)，通過誤差的反向傳播對網(wǎng)絡(luò)的權(quán)值和閾值進行不斷調(diào)整，保證神經(jīng)網(wǎng)絡(luò)期望輸出與實際輸出之間誤差的平方和最小，以使實際網(wǎng)絡(luò)輸出值盡可能地接近期望值，從而提高網(wǎng)絡(luò)學習的適應(yīng)能力[14]。BP神經(jīng)網(wǎng)絡(luò)包含輸入層、輸出層及若干個隱含層，各層次神經(jīng)元個數(shù)一般根據(jù)實際問題而確定，各層次之間的神經(jīng)元形成全連接，同層之間的神經(jīng)元無連接。已有Kolrnogorov定理證明BP神經(jīng)網(wǎng)絡(luò)中采用1個隱含層即可以任意精度地逼近任意映射關(guān)系，因此本文在研究設(shè)計中采用三層BP神經(jīng)網(wǎng)絡(luò)模型，典型的網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖1所示。本文構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的步驟如圖2所示。

圖1 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)拓撲圖

圖2 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建流程

2.4.2 數(shù)據(jù)處理

將獲取的15個樣本公眾號的知識獲取效果評價原始數(shù)據(jù)導入Matlab R2016a軟件，讀取數(shù)據(jù)、使用format long g函數(shù)設(shè)置數(shù)據(jù)精度，然后對樣本進行隨機化處理，隨后定義訓練集(12個)和測試集(3個)。在正式訓練BP網(wǎng)絡(luò)前，使用min-max標準化方法對數(shù)據(jù)進行歸一化處理，將網(wǎng)絡(luò)訓練的目標數(shù)據(jù)映射到激活函數(shù)的值域[0,1]。采用mapminmax函數(shù)處理后的數(shù)據(jù)如表4所示。

2.4.3 參數(shù)設(shè)定與模型訓練

本文選取“微信公眾號學術(shù)知識獲取效果評價指標”的15個二級指標作為輸入單元，共15個節(jié)點，將微信公眾號的學術(shù)知識獲取效果評價結(jié)果作為輸出層節(jié)點，神經(jīng)元個數(shù)為1。根據(jù)經(jīng)驗公式和實踐，本文將隱含層節(jié)點數(shù)的取值范圍設(shè)定在區(qū)間[4,12]，經(jīng)循環(huán)優(yōu)化后如圖3所示，進而確定隱含層神經(jīng)元hidnumber為8時訓練誤差MSE最小，最終選用的神經(jīng)網(wǎng)絡(luò)為“15*8*1”結(jié)構(gòu)。學習率數(shù)的選擇影響著網(wǎng)絡(luò)的收斂速度、識別效果，因此本文將lrset設(shè)定為區(qū)間[0.01,0.2]，同樣經(jīng)網(wǎng)絡(luò)循環(huán)優(yōu)化，確定訓練誤差最小時的最優(yōu)學習率為0.05，如圖4所示。

進行BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、訓練與仿真，利用Matlab工具箱中的函數(shù)進行權(quán)值和閾值的初始化，設(shè)定允許最大的迭代次數(shù)為1 000次，精度goal為0.000000001，采用前文確定的學習率。選擇 “tansig”“purelin”作為隱含層和輸出層的傳輸(激活)函數(shù)， trainrp RPROP為訓練函數(shù)，“l(fā)earngdm”為學習函數(shù)，“mse”為性能函數(shù)。

如圖5所示的訓練過程，經(jīng)過14次迭代，在第8次時訓練性能達到最佳，實際輸出與期望輸出的結(jié)果非常接近，且兩者之間的誤差達到預(yù)設(shè)目標。

2.4.4 仿真與結(jié)果輸出

將3個測試樣本的指標數(shù)據(jù)作為輸入值，將其相對應(yīng)的由10位專家打分獲得的綜合評分作為期望輸出值。調(diào)用配置好的BP網(wǎng)絡(luò)進行仿真測試，并對結(jié)果數(shù)據(jù)進行反歸一化梳理。對比專家評價獲得的期望輸出與BP網(wǎng)絡(luò)的實際輸出(表5)，誤差控制在0.1之內(nèi)。

表4 15個隨機樣本歸一化數(shù)據(jù)

續(xù)表4 15個隨機樣本歸一化數(shù)據(jù)

3 結(jié)果

經(jīng)測試集輸出結(jié)果發(fā)現(xiàn)，誤差控制在理想范圍之內(nèi)，說明本文基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的微信公眾號學術(shù)知識獲取效果評價模型具有現(xiàn)實可行性，能夠在實際應(yīng)用中對新的學術(shù)公眾平臺樣本進行較為準確的預(yù)測，并指導領(lǐng)域內(nèi)各專業(yè)機構(gòu)對學術(shù)類公眾號進行建設(shè)和改進。

根據(jù)BP神經(jīng)網(wǎng)絡(luò)的實際輸出值，將15個樣本按從高到低排序，并與公眾號樣本進行匹配。然后對排名前20%的公眾號進行分析，發(fā)現(xiàn)這些樣本公眾號在知識板塊標識度、提升知識水平程度、用戶對知識內(nèi)容的分享意愿、再利用程度、“閱讀”數(shù)量、“點贊”數(shù)量以及用戶活躍度7個方面具有較為優(yōu)異的表現(xiàn)，說明上述指標成為提升微信公眾號學術(shù)知識獲取效果的關(guān)鍵點，需要在微信公眾號運營維護時，注重發(fā)布信息的質(zhì)量和有效性、滿足用戶的實際信息需求和信息重復利用功能、維護既有用戶的依賴性和活躍度等。

圖3 隱含層節(jié)點數(shù)對訓練誤差的影響

圖4 學習率數(shù)對訓練誤差的影響

圖5 神經(jīng)網(wǎng)絡(luò)訓練情況與表現(xiàn)

測試樣本編號期望輸出BP實際輸出絕對誤差誤差/%137.24597877.229171312-0.01681-0.23196147.52782557.6185570710.0907321.205283157.14609247.071452469-0.07464-1.04449

4 討論

BP神經(jīng)網(wǎng)絡(luò)作為整個人工神經(jīng)網(wǎng)絡(luò)體系中的精華部分，廣泛應(yīng)用于分類識別、逼近、回歸、壓縮等領(lǐng)域。本文將其應(yīng)用于醫(yī)學領(lǐng)域微信公眾號學術(shù)知識的獲取效果評價，根據(jù)評價對象和樣本特點選取了較有針對性的評價指標，進而規(guī)避了人為賦予指標權(quán)重類評價方法的主觀性，同時也提升了評價過程的速度和效率。此外，經(jīng)過驗證，本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)具有較為良好的仿真性和實用性。因此，該模型還可根據(jù)不同主體的特征和需求進行拓展，從而增加評價模型的適應(yīng)性和通用性，以廣泛應(yīng)用于其他領(lǐng)域?qū)W術(shù)類微信公眾號效果的評價與測試。

需要注意的是，本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)具有一定的局限性。首先，關(guān)于樣本依賴性。網(wǎng)絡(luò)模型的逼近和推廣能力與學習樣本的典型性密切相關(guān)[14]。本文選取的15個麻醉學微信公眾號作為樣本，數(shù)量較少且為專家或?qū)W習者推薦的具有代表性的公眾號，因此算法的最終效果與15個樣本的自身條件存在一定程度的關(guān)系。其次，BP網(wǎng)絡(luò)需要的參數(shù)較多，如各層神經(jīng)元個數(shù)、學習率、初始權(quán)重等，且各類參數(shù)的選擇尚無有效的方法和規(guī)則，只能通過經(jīng)驗試湊，實踐中還需深入分析各參數(shù)的合理值[14]。另外，定性指標仍需專業(yè)用戶打分后才能利用BP神經(jīng)網(wǎng)絡(luò)模型進行評價和分析，可重復操作性和實踐性有待提升。在下一步研究中，仍需對應(yīng)用不同方式獲得的醫(yī)學類微信公眾號學術(shù)知識獲取效果評價結(jié)果加以對比，進而發(fā)現(xiàn)本文所構(gòu)建模型的優(yōu)劣勢并加以完善。

5 結(jié)語

本文針對醫(yī)學領(lǐng)域較為成熟的微信公眾號的知識內(nèi)容和運營特點，利用“微信知識獲取效果評價指標體系”并確定量化方法，選取15個專家和用戶推薦的具有代表性的麻醉學微信公眾號作為研究樣本，獲取研究數(shù)據(jù)，進而設(shè)計并提出了基于BP神經(jīng)網(wǎng)絡(luò)的醫(yī)學類微信公眾號學術(shù)效果評價模型。通過網(wǎng)絡(luò)訓練、仿真和測試，試驗該方法用于評價學術(shù)類微信公眾平臺的可行性，從輸出結(jié)果中探究今后建設(shè)的重點內(nèi)容和方向，以期幫助臨床和科研工作者更好地選擇、利用和推廣新媒體知識平臺。運用本文提出的模型，還可對醫(yī)學類微信公眾號的學術(shù)知識獲取效果和實際影響進行系統(tǒng)評價，以更好地指導學科領(lǐng)域內(nèi)“互聯(lián)網(wǎng)+”新媒體學術(shù)知識平臺建設(shè)，幫助教育工作者遴選優(yōu)質(zhì)、權(quán)威的教學資料。