由于因特网和多媒体技术的成熟,现阶段网络教育的研究重点已逐渐从学习平台开发、资源设计转向对网络学习效果和学习者的评价上来。而评价的核心是建立评价模型。最为人们熟知的评价模型是线性的,即评价指标加权平均综合模型。这种模型计算简单,建模方便。传统的教学评价大多采用这一方法。但其评价结果的可信度差。网络学习评价属于多指标综合评价问题,需要对描述学生的学习过程和效果的不同方面的统计指标进行价值判断并综合这些评价值才能得出对学生的网络学习的一个整体评价。在评价时应始终坚持人文性原则,即将学生看作一个全面发展的人。不仅要评价学生知识掌握的数量和程度,还应该突出学生的情感体验、探究能力、协作精神等综合素质,而这些指标反映的评级对象的不同特征又带有一定程度的模糊性,即非线性特征,因此采用模糊理论进行综合评价,将更接近于实际情况。依据这一思想,本文首先介绍了网络学习评价、评价指标体系的相关理论,并在此基础上,建立了一套基于我校汇编语言网络教学平台具有可行性的评价指标体系,并构建了一个实用的网络学习模糊综合评价数学模型,并根据网络学习评价指标体系中定量、定性的不同类型指标,设计了相应的隶属度函数,实现了定量数据与定性分析的统一处理,改变了以往单一片面的评价方法。模糊综合评价模型中评价因素重要程度系数的确定是综合评判的关键环节,其确定的准确与否关系到评价的科学性、合理性、权威性。在这一环节上,本文提出了一种改进的AHP方法计算评价因素权重,该方法利用标准化的待评对象各评价指标的样本标准差构造判断矩阵,由判断矩阵推求出的权重可以直接使用,免去了繁琐的一致性检验修正过程。并且矩阵完全由原始数据构造,客观性强,编程实现,计算简便而精确。将其应用到大数据量的网络学习评价上进行尝试,并与熵权法做比较分析,论证本文方法的可行性。最后给出了具体的评价实例。通过全面的综合评价,使学习者不断反思和调整自己,从而促进学习者的学习积极性,提高学习效率,保证学习质量。同时使学生的个人素质得到体现,激发学生的学习热情以及团队合作意识。