报名序号： 3468
赛题题目： B
基于 Topsis 综合评价模型的人工智能对大学生学习影响的探究
摘 要
本文研究了人工智能对大学生学习影响的调查问卷，通过对问卷中的问题进行指
标分级并构建评价指标体系、建立综合评价模型，最后基于指标得分分析得出人工智
能影响大学生学习的合理评价结论。
问题一中：将调查问卷所有的问题依据选择方式划分为单选类和多选类，对选项
分别采用频数统计分析和多重响应分析，得到性别、年级分布、上网方式与上网时长
四个类别对人工智能影响大学生学习的程度最为显著；对单选题采用 1-N 编码，即将
各选项从 1,2…N 依次编码，对多选题采用 0-1 编码，即将已选选项记 1，未选选项记
0，并以此体系编码作为各问题的初始评价得分。
问题二中：将问卷中 30 个问题划分为对 AI 的需求程度、对网络认识的深度、倾
向于使用软件进行的程度、对学习的热爱程度、对 AI 的认可程度共 5 个方向的问题类
别并以此作为一级指标；5 个一级指标以 Cronbach’s Alpha 为 0.779 通过信度检验，以
KMO=0.707、球形检验 P 值远小于 0.05 通过 KMO 和 Bartlett 检验；然后使用熵权法
对各二级指标问题赋予权重（以第一个一级指标对 AI 的需求程度为例，其余请详见附
表 1-2）：W
13
为 0.191，W
14
为 0.196，W
15
为 0.199…，进而按类求和得到 5 个一级指
标的得分分别为（这里以 1 号问卷为例，其余问卷得分请见表 5-16）：0.018、0.014、
0.012、0.015、0.008，故以该 5 个一级标题作为评价指标体系。
问题三中：使用熵权法对问题二中 5 个一级指标赋予的权重（0.236，0.126，0.193，
0.144，0.299），在此基础上使用 Topsis 法构建综合评价体系并求解得到每个调查对象
的综合得分以及排名，如一号问卷综合得分为 0.444707，所有问卷中排名 3042 名，其
余调查对象得分及排名详见附表 1-3；得到的结论为人工智能对男生、文史艺术类学生
以及愿意接受新事物学生影响较为明显。
关键词：Topsis 法；熵权法；综合评价模型；标签编码 ；信度检验；评价指标体系
一、问题重述
1.1 问题背景
随着科技的快速发展，人工智能在各个领域展示出巨大的潜力和影响力人工智能
对大学生学习产生了深远的影响，引发了广泛的讨论和研究。智能化教育被认为是未
来教育发展的方向之一，其中人工智能技术扮演着重要的角色。
人工智能在大学生学习中的应用可以带来多方面的影响。一方面，智能化学习工
具可以为学生提供个性化的学习体验，根据学生的学习风格和能力水平进行定制化的
教学和辅导
[1]
。这种个性化教学可以帮助学生更好地理解和掌握知识，提高学习效果。
另一方面，人工智能学习工具还可以提供更多样化的学习资源和方式。通过智能化的
学习平台，学生可以获取全国各高校的学习资源，拓宽学习范围，增加学科知识的广
度和深度。此外，人工智能还能够辅助学生完成作业、解答问题，甚至提供针对性的
评估和反馈，帮助学生更好地进行自我评估和提高。与此同时，人工智能对大学生学
习的影响也面临一些挑战和讨论。一方面，例如当下由 OpenAI 开发的 ChatGPT 系列
大型语言模型、百度独立研发的语言学习模型“文心一言”、微软旗下的“New
Bing”集成式在线语言学习模型等等都拥有非常强大的学习、思考并生成的一站式服
务能力，故人工智能的广泛应用可能会在一定程度上削弱学生的自主学习能力和批判
思维能力。另一方面，安全和隐私问题也是人工智能应用于学习、教育领域中需要解
决的重要问题
[2]
。
1.2 问题提出
问题 1：对附件 2 中的数据进行分析并进行数值化处理并对其受人工智能影响的对
应关系进行分析并阐明所用方法。
问题 2：利用问题 1 中的所分析得到的数据结果对评价指标进行选取并进而构建评
价指标体系，其中该体系的构建需相对合理且易于操作。
问题 3：借助问题 2 中构建的评价体系对人工智能影响大学生学习的因素进行评价
并给出合理结论。
问题 4：基于问题 3 得到的结论，以人工智能对未来发展对大学生学习的影响为主
题作一篇主题分析报告。
二、问题的分析
2.1 问题一分析
首先，通过对附件 2 中的数据进行频数分析和多重响应分析，并统计调查对象的
类别频数占比与多重应答频数分布，并以此来初步分析数据可信度以及人工智能对于
问卷人群类别及其习惯的影响；此后将问卷中所有的问题视为二级指标并分为单选题
和多选题两类，对单选题类采用标签（1-N）编码，多选题类采用 0-1 编码。
2.2 问题二分析
在问题 1 将问题答案编码完毕的基础上，继续将三十个问卷题目分成六类一级指
标，包括对 AI 的需求程度、对网络认识的深度、倾向于使用软件进行的程度、对学习
的热爱程度、对 AI 的认可程度、对 AI 工具否定程度。并利用熵权法依次为该六类指
标下的各问题赋予权值。进而结合问题 1 中设置的对各问题的编码，为一级指标构建
总得分体系，为每个问题进行分值计算后将总得分归于每个一级指标下，最后依据对
各个一级指标得到的总分的高低来选取合理的评判指标。对个人基本信息类问题和评
价单选类问题进行克隆巴赫系数（Cronbach’s Alpha）信度检验，对评价多选题类进行
多选信度检验（MCRT）以验证附 2 件中数据一致性；最后为了达到更准确的数据分
析结果，继续对所有的问卷结果进行 KMO 检验和 Bartlett 球形效度检验，以此验证
附件 2 中问卷结果数据的有效性。
2.3 问题三分析
针对问题二选出的五类程度量化性一级指标（对 AI 的需求程度，对网络认识的深
度，倾向于使用软件进行的程度，对学习的热爱程度，对 AI 的认可程度）在问题二求
出的一级指标得分的基础上继续采用熵权法为其赋予权值，进而其对采用 Topsis 法构
建评价体系，对每个待求对象进行综合评分并排序，通过排序得到的分数来对比人工
智能对不同类型学生的影响程度分析得出人工智能对大学生的影响评价合理结论。
2.4 问题四分析
基于问题三中得到的较为科学的结论，综合并客观地分析人工智能对未来大学生学
习上可能会产生的影响与改变，并结合当下社会现实合理地分析并提出自己的见解，侧
重分析人工智能在未来发展过程中的积极与消极因素对未来大学生学习的影响。
三、模型的假设与说明
假设 1：AI 会同时有对学生成绩正相关与负相关的影响因素，即有双刃剑效应。
假设 2：附件 2 中问卷调查的答案均为同学们基于主观，实事求是地填写所得到。
假设 3：每位调查对象只能填写一份问卷且调查对象是随机选取的。
四、符号说明
表 4-1 符号说明表
符号 符号说明
Z
ij
二级指标中第 i 个调查对象第 j 个问题的得分
Z
'
ij
一级指标中第 i 个调查对象第 j 个问题的得分
Q
j
第 j 个一级评价指标
q
j
第 j 个二级评价指标
e
j
第 j 个熵值
d
j
第 j 个信息冗余度
W
j
二级指标中第 j 个指标的权重
W
'
ij
一级指标中第 j 个指标的权重
A
ij
矩阵 Z
ij
的标准化矩阵
C
i
第 i 个调查对象的综合评价值
五、模型的建立与求解
5.1 问题一模型建立与求解
5.1.1 类别频数占比统计
将附件 2 数据中的个人基本信息类问题（附件 2 中 1-6 题）抽取出来进行频数占
比统计，来初步分析人工智能对于问卷人群类别及其习惯的影响并揭示数据的分布情
况：频数占比统计表可以清晰地展示不同取值或范围的数据在总体中的分布情况。通
