基于CRITIC-熵權(quán)法的人工智能 對大學(xué)生影響評價模型研究

【摘" 要】 人工智能的應(yīng)用場景越來越廣泛，在教育領(lǐng)域扮演的角色也越來越重要，為了抓住人工智能發(fā)展機遇，教育部發(fā)布相關(guān)文件支持智能教育，通過人工智能對當(dāng)前教育方式方法進行迭代。通過人工智能更新教育教學(xué)方式，首先要分析人工智能對大學(xué)生學(xué)習(xí)情況的影響，本文從客觀評價的方式，使用CRITIC模型和熵權(quán)法組合的方式進行評價。經(jīng)過計算，最終Q23-1和Q28-1權(quán)通過值最高，可以知道人工智能可以幫助大學(xué)生更好地學(xué)習(xí)以及查資料，同時人工智能學(xué)習(xí)工具知識來源的資格審查也是學(xué)生關(guān)注的重點。

【關(guān)鍵詞】 人工智能；大學(xué)生；影響評價模型

一、數(shù)據(jù)處理與檢驗

對于本研究的側(cè)重點，對數(shù)據(jù)進行清洗，據(jù)數(shù)據(jù)中的異常數(shù)據(jù)進行剔除以及空缺數(shù)據(jù)進行補全。其中問題6“您每周的上網(wǎng)時長大約是多少？”的回答中“不上網(wǎng)”與問題9“您會將自己的資料傳到網(wǎng)上和別人進行分享嗎？”的回答中“完全會”“大多數(shù)時候會”“有時會”“很少會”均沖突，不符合常理。對于這樣的數(shù)據(jù)進行剔除處理。

對于空缺數(shù)值采用取上下20條數(shù)據(jù)均值的方式進行補全空缺數(shù)據(jù)，如第2356行數(shù)據(jù)中的第18個問題數(shù)據(jù)空缺，則選取第2346行至2366行第18個問題值均值，對2356行數(shù)據(jù)進行補全。

數(shù)據(jù)在處理結(jié)束的基礎(chǔ)上，對問卷進行一、二、三級指標(biāo)劃分。根據(jù)問卷問題的不同，一級指標(biāo)為調(diào)查者基本信息、調(diào)查者學(xué)習(xí)情況、調(diào)查者對人工智能的態(tài)度和人工智能的發(fā)展四個一級指標(biāo)。其中問題1至問題6屬于調(diào)查者基本信息；問題7至問題11屬于調(diào)查者學(xué)習(xí)情況；問題12至問題22屬于調(diào)查者對人工智能的態(tài)度；問題23至問題30屬于人工智能的發(fā)展。

其中問題23至問題30為多選題，為了方便數(shù)據(jù)分析，將多選題調(diào)整為單選題，也就是將多選題的每個選項均設(shè)為單選題，統(tǒng)計每個調(diào)查者是否選擇該選項，此類數(shù)據(jù)為人工智能發(fā)展的三級指標(biāo)。

二、 CRITIC-熵權(quán)法計算指標(biāo)權(quán)重

指標(biāo)評價是評價理論研究的重要內(nèi)容之一，主要解決各個指標(biāo)之間的沖突性，對指標(biāo)進行排序，選出影響大的指標(biāo)。指標(biāo)評價的重點是計算各個指標(biāo)的權(quán)重，這是關(guān)鍵問題。目前權(quán)重的確定方法包括主觀評判和客觀評判，其中主觀評判法包括主層次分析、專家打分法和德爾菲法（Delphi法）等，客觀評判法包括熵權(quán)法、CRITIC權(quán)重法和標(biāo)準(zhǔn)離差法等等。不同的方法因為計算原理不同，同一個指標(biāo)得到的權(quán)重也有一定的差距，其次主觀評判法中受主觀影響較大，需要人為進行評分。由于主觀評價法在本文中可靠性不高，所以選擇客觀評價法中的熵權(quán)法和CRITIC權(quán)重法進行權(quán)重計算。

（一）熵權(quán)法

熵權(quán)法是利用信息熵的概念，通過計算出各個指標(biāo)的權(quán)重，以此為多指標(biāo)評價提供參照。

根據(jù)信息論中的信息熵的定義，一組數(shù)據(jù)的信息熵為：

其中，通過信息熵計算各指標(biāo)的權(quán)重：

（二）CRITIC權(quán)重法

CRITIC法是一種比熵權(quán)法和標(biāo)準(zhǔn)離差法更好的客觀賦權(quán)法。

假設(shè)第i個指標(biāo)與第j個指標(biāo)之間的沖突化程度為，其中rij是評價i和j之間的相關(guān)系數(shù)。對于CRITIC權(quán)重法，兩兩指標(biāo)之間的沖突越大代表兩者之間的權(quán)重越大，反之，沖突性越小，兩者之間的權(quán)重也越小。

指標(biāo)之間的沖突關(guān)系使用相關(guān)系數(shù)來表達，當(dāng)相關(guān)系數(shù)越高，則說明兩個指標(biāo)之間的沖突越小，進而反映兩個指標(biāo)之間的相同性比較高。兩個指標(biāo)之間的相同性高，則說明該指標(biāo)的專一性不強，那么評價強度也隨之降低，應(yīng)該減少對該指標(biāo)分配的權(quán)重。

上表展示了CRITIC法的權(quán)重計算結(jié)果，根據(jù)結(jié)果對各個指標(biāo)的權(quán)重進行分析。這里變異指標(biāo)為標(biāo)準(zhǔn)差的方式，當(dāng)標(biāo)準(zhǔn)差和指標(biāo)的權(quán)重成正關(guān)系；兩指標(biāo)之間的沖突性是以相關(guān)系數(shù)進行評判，如果兩個指標(biāo)的相關(guān)性和沖突性成反比，進而權(quán)重越?。粰?quán)重是信息量的歸一化。

（三）CRITIC-熵權(quán)法組合

CRITIC權(quán)重法和熵權(quán)法都是客觀地對指標(biāo)進行評價的一種分析方法，由于兩種評價法的原理不同，對于不同類型的數(shù)據(jù)分析，會有不同的分析結(jié)果，為了發(fā)揮兩者的最大優(yōu)勢，將兩種評價方法進行組合。

三、分析過程

問卷中第23—30題是多選題，針對多選題統(tǒng)一調(diào)整為單選題進行分析，使用熵權(quán)法和CRITIC權(quán)重法分別對多選題進行權(quán)值評價。

經(jīng)過計算，Q23-1的權(quán)值為21.055；Q24-2的權(quán)值為41.520；Q25-1的權(quán)值為29.775；Q26-1的權(quán)值為32.45；Q27-3的權(quán)值為21.766；Q28-1的權(quán)值為38.685；Q29-1的權(quán)值為23.57；Q30-2的權(quán)值為37.942。將多選中權(quán)值最大的數(shù)據(jù)與Q12-Q22定量數(shù)據(jù)同時進行CRITIC權(quán)重法熵權(quán)法組合權(quán)重評價。

經(jīng)過計算結(jié)果可以得出，Q23-1和Q28-1權(quán)值最高，可以知道人工智能可以幫助大學(xué)生更好地學(xué)習(xí)以及查資料；同時也是人工智能學(xué)習(xí)工具知識來源的資格審查也是學(xué)生關(guān)注的重點。

四、總結(jié)

文章使用CRITIC-熵權(quán)法組合，對人工智能對大學(xué)生學(xué)習(xí)的影響進行評價分析。將兩種客觀權(quán)重評價方法進行組合，避免客觀單一求權(quán)重的缺陷，結(jié)果科學(xué)客觀。

參考文獻：

［1］ 易福俠.基于層次分析—熵權(quán)法的高職學(xué)生信息素養(yǎng)模糊綜合評價研究［J］. 南昌航空大學(xué)學(xué)報（自然科學(xué)版），2022，36（04）：116-125.

［2］ 吳季釗. 基于CRITIC-熵權(quán)法和TOPSIS法的內(nèi)河港口競爭力研究［D］. 重慶：重慶交通大學(xué)，2022.

［3］ 傅為忠，儲劉平.長三角一體化視角下制造業(yè)高質(zhì)量發(fā)展評價研究——基于改進的CRITIC-熵權(quán)法組合權(quán)重的TOPSIS評價模型［J］. 工業(yè)技術(shù)經(jīng)濟，2020，39（09）：145-152.

［4］ 程啟月. 評測指標(biāo)權(quán)重確定的結(jié)構(gòu)熵權(quán)法［J］. 系統(tǒng)工程理論與實踐，2010，30（07）：1225-1228.

基金項目：2021年安徽省高?？茖W(xué)研究項目（項目編號：KJ2021A1330）；2022年蕪湖職業(yè)技術(shù)學(xué)院校級科學(xué)研究項目（項目編號：wzyzr202220）；2022年蕪湖職業(yè)技術(shù)學(xué)院校級科研團隊（項目編號：wzykytd202212）；2023年年蕪湖職業(yè)技術(shù)學(xué)院校級科學(xué)研究項目（項目編號：wzyzrzd202308）。