人工智能对大学生学习影响的评价

打开文本图片集

摘要

随着科学技术的高速发展，人工智能（AI）正以惊人的速度渗透到教育领域的发展中，为教育方式带来了革命性的变化。本文针对人工智能对大学生学习影响的问题，利用信度、效度分析，Spearman相关性系数分析等方法在共4605份问卷中筛选出合适的指标，基于熵权法对层次分析模型进行优化，建立人工智能对大学生学习影响的评估模型，得出人工智能对大三年级、艺术教育类大学生影响较大，而对大四年级、理工类的大学生影响较小。

一、问题背景

随着科学技术的不断发展和壮大，人工智能（AI）对人类生活和社会发展的方方面面都有着不可估量的影响。发展人工智能是加快建设创新型国家和世界科技强国的必要条件，为了抓住人工智能发展的机遇，教育部强调要发展智能教育，因此人工智能对大学生的学习在一定程度上也有着很大的影响。

二、评价指标体系的构建

2.1指标选取标准

本文从优先级、科学性、可操作性等方面进行指标的筛选，因此本文先对这些相关标准进行定义。

2.1.1指标信度分析

信度（reliability）是对数据样本的可靠性和数据结果的一致性程度进行检验，可以反映实验结果或者测量结果的稳定程度以及被测特征的真实程度。[1]若真实值用Ｔ表示，测量值用Ｘ表示，测量产生的随机误差用Ｅ表示，则它们的关系式为：因此信度系数可以表示为。[2]

Cronbanch’s系数是学术界普遍使用的、用来评价内部一致性信度的指标，其取值范围为0≤α≤1，α的值越大，说明问卷的各题目之间的关联度越高，其内部一致性信度越好。[3]

本研究借助SPSS软件来分析问卷信度，删除项后的Cronbach's 系数分别为0.227、0.24、0.196与0.351，则可知问题9、19、21通过检验，问题信度水平合格，问卷内部具有良好的一致性，问题数据具有较好的科学性，数据可靠。而问题22信度水平不合格，在统计分析中应予以剔除。

2.1.2指标效度分析

效度（validity）指量表能在多大程度上准确反映出所要测量对象的特性，即指量表的有效性和正确性。效度越高，表明问卷测量结果越能代表测量对象的真实行为，该问卷或量表也就越正确越有效。

根据结果可知，KMO值为0.842大于0.7，而Bartlett球形度检验值显著性水平为0，小于0.005，表明各个量表具有良好的效度，文章的数据来源问卷具有较好的科学性保证。

2.1.3指标Spearman相关性系数分析

假设X，Y为两组独立同分布的数据，其元素个数均为N，两组随机变量中取的第个值分别用表示。其中元素分别为在X中的排行以及在Y中的排行。集合x，y中的对应元素的差值组成排行差分集合d，其中。X，Y之间的斯皮尔曼相关系数可以由x，y或者d计算得到。计算方式如下所示：

由图中结果可得，问题12-15中，问题13、14、15间的相互关联都均高于0.70，为使文章选取的样本数据更具独立性，应对这三个问题数据进行整合与降维。

2.2评价指标体系的建立

1.大学生对网络的熟悉程度

一般情况下，网络使用时间越长，说明调查者对网络越熟悉，也更有可能获益其中，其学习的受到人工智能的影响也越大，故本文使用大学生平均每周使用网络时间来评估大学生对网络的熟悉程度。

因此，接下来本文对问题6的各个选项分别进行分层赋值，将“不上网”、上网时长“7小时以下”、“7-14小时”、“14-20小时”与“20小时以上”的问卷结果分别赋分为0、1、2、3、4分。

2.大学生对学习软件工具的熟悉程度

大学生是否对学习软件工具有一定的了解，是否熟悉学习软件工具，这会对人工智能对大学生学习的影响评价造成一定的作用。接触过的学习软件越多，越容易受到人工智能对大学生学习的影响，具有较强的优先级。

因此，本文对问题7：您是否使用过学习软件工具？分别赋值为1分与0分；问题8：您是在什么时间使用学习软件工具呢？中“A 平时有时间就使用”、“B 考试前使用”、“C老师要求时才使用”、“D说不清”分别赋值为3分、2分、1分与0分；问题11：您的老师是否推荐过同学们使用过某种学习软件？分别赋值为1分与0分。

3.大学生对人工智能学习工具的使用意愿

大学生的使用意愿和反馈对于改进和优化人工智能学习工具至关重要。通过积极使用并提供反馈，大学生可以促使开发者根据他们的需求进行改进，使得这些工具更贴合大学生的学习需求，提供更好的用户体验。

本文对问题12：若有人工智能学习工具，您是否会选择使用？的是、否两项赋值为1分与0分，问题13/14/15：您是否有通过人工智能学习工具帮助完成作业、小测验、论文的想法？中是、否、没考虑过三项分别赋值为2分、1分与0分。

4.大学生对人工智能学习工具的认可程度

大学生对人工智能学习工具的认可和信任也会影响到他们对人工智能学习工具的态度和使用体验。大学生对这些工具持肯定和信任的态度，会促进他们更积极主动地探索和发掘这些工具的功能和优势。

三、综合模型建立与求解

层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析，但是，因单一层次分析法存在较大主观性，不利于文章客观分析，本文采用熵权法来计算各指标之间的关系，提升结论的客观性与准确度。

3.1熵权法确定各指标权重

评价指标体系中所选大学生对网络的熟悉程度、大学生对学习软件工具的熟悉程度、大学生对人工智能学习工具的使用意愿、大学生对人工智能学习工具的认可程度指标，其数值越大越好，均为正向指标。

代入数据最终计算出4个熵权，即可得到权向量分别为50.706，16.87，20.93，11.495。

3.2AHP计算各指标权重

STEP1：根据表1的重要性比较方法，带入熵权法比较得个指标的重要程度，由德菲尔法确定判断矩阵如下：

STEP2：利用特征根法（EM）计算权重，各判断矩阵的最大特征值与对应特征根

将最大特征向量进行归一化，即为各个因素的权重分别为50.95%，16.85%，20.673%和11.527%。

STEP3：判断矩阵的一致性检验

由计算可得数据的一致性指标C.I.、平均随机一致性指标C.R.值均为0，判断矩阵均满足一致性。

3.3 建立决策模型

STEP1： 将所求得权重及原数据代入模型计算所有数据样本的加权分数。

STEP2： 比较求解每个专业所有学生数据样本加权分数的平均值得到最终评价结果。

3.4 评价结果分析

为研究人工智能对大学生学习的影响，我们选取与大学生最相关的年级、专业两个指标，分别计算出出每个类别的平均分，以比较其影响程度大小。

由条形图可知，人工智能对艺术教育类专业的大学生学习影响最大，其次为经管类，文艺类，而对理工类专业学生的影响较小。我们认为这可能与近些年来，随着人工智能的发展，现代艺术已经融合了更多的科技元素、人工智能能辅助艺术创作、人工智能能促进艺术的推广与传播等因素有关。

同时，可以发现人工智能对大三学生的学习影响最大，其次为大一学生，而对大四年级学生的影响最小。本文认为这可能与大一学生学习激情高涨，大三学生考研、课业压力较大，而大四年级的同学更注重于线下的实习实践工作是密不可分的。

参考文献

[1]曾五一，黄炳艺.调查问卷的可信度和有效度分析[J].统计与信息论坛， 2005（6）：11-15.

[2]李苑辉，刘夏.数学课授课情况调查问卷的信度和效度分析——以三亚航空旅游职业学院为例[J].石家庄职业技术学院学报，2018，30（04）：8-12.

[3]李长熙．课堂教学质量评价体系信度和效度实证研究——以山东科技大学为例［Ｊ].山东科技大学学报，2013，15（6）：92-86.

[4]于群，霍筱东，何剑，李琳，张建新，冯煜尧.基于斯皮尔曼相关系数和系统惯量的中国电网停电事故趋势预测[J/OL].中国电机工程学报：1-12[2023-05-27].

[5]姜春慧，万芳新，谢永清，等.基于 AHP-熵权法的甜叶菊叶片远红外干燥工艺优化 I. 西北农林科技大学学报：自然科学版.2022.50（6）： 101-109.

姓名：张睿扬（出生年份：2003年），性别：男，民族：汉族，籍贯：浙江杭州，学历：本科在读，研究方向：数学建模