教育信息化是国家“十五”期间面向基础教育改革提出的一项重要任务，将信息技术用于教育领域，有助于实现教育现代化，提高我国的教育水平。教育评价是教育领域在基础信息化建设完成后提出的一项更高层次要求，是根据一定的教育价值观或教育目标，运用可行的科学手段，通过系统地搜集信息、分析解释，对教育现象进行价值判断，从而为不断优化教育和教育决策提供依据的过程。教育评价从20世纪30年代诞生至今，经过广大研究人员的努力，已逐渐形成一套比较完备的理论体系，其评价对象不仅涵盖了早期的学生学习效果，而且还涵盖了教育计划、教育活动等，甚至涵盖了整个教育过程。评价所用到的方法有线性规划、动态规划、数据包络分析、层次分析方法、回归分析、因素分析、聚类分析、齐次马尔科夫链等。考试作为检查学习和教学效果的主要形式，历来被学校采用，通过考试成绩准确、客观地评价学生学习效果是教育评价的一项重要内容。考试成绩的客观性，不仅关系到学生学习水平和能力评价的客观性，也关系到教师的教学能力、教学效果评价的客观性。但是，影响考试成绩的客观因素很多，如试卷质量、监考、阅卷以及学生的能力水平等。其中，试卷质量对学生的考试成绩有着直接的影响，纯粹的考试成绩并不能准确地反映学生的学习效果。人工神经网络(Artificial Neural Networks)理论是80年代中后期世界范围内迅速发展起来的一门新兴信息科学。B-P(Back Propagation)网络是人工神经网络众多类型中的一种，是一种多层前馈型网络，具有强大的非线性映射能力。考虑到依据反映试卷质量的评价指标来对考试成绩进行综合评价问题，实际上是一个比较复杂的、非线性综合决策问题，本文于是选用B-P神经网络对其进行建模分析，并主要开展了一下研究工作：◆分析了现有的教育评价方法，并着重讨论了与论文第四章所研究问题相关的一些评价方法，探讨了如何将它们用于综合评价决策问题，并分析了方法的特点和局限性；◆探讨了人工神经网络技术及其在综合评价中的应用方法，其中重点探讨了B-P神经网络及其学习算法；◆结合论文第五章所要解决的学生考试成绩综合评价问题，论文第四章分析了试卷质量的影响因素，并从定性和定量角度探讨了试卷质量评价指标的相互关系；◆以学生学习考试成绩综合评价问题为研究对象，着重探讨了如何基于B-P神经网络建立综合评价模型，并对评价模型的合理性进行了仿真分析。