基于CRITIC-熵權法的人工智能 對大學生影響評價模型研究

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

【關鍵詞】 人工智能；大學生；影響評價模型

一、數據處理與檢驗

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

對于空缺數值采用取上下20條數據均值的方式進行補全空缺數據，如第2356行數據中的第18個問題數據空缺，則選取第2346行至2366行第18個問題值均值，對2356行數據進行補全。

數據在處理結束的基礎上，對問卷進行一、二、三級指標劃分。根據問卷問題的不同，一級指標為調查者基本信息、調查者學習情況、調查者對人工智能的態度和人工智能的發展四個一級指標。其中問題1至問題6屬于調查者基本信息；問題7至問題11屬于調查者學習情況；問題12至問題22屬于調查者對人工智能的態度；問題23至問題30屬于人工智能的發展。

其中問題23至問題30為多選題，為了方便數據分析，將多選題調整為單選題，也就是將多選題的每個選項均設為單選題，統計每個調查者是否選擇該選項，此類數據為人工智能發展的三級指標。

二、 CRITIC-熵權法計算指標權重

指標評價是評價理論研究的重要內容之一，主要解決各個指標之間的沖突性，對指標進行排序，選出影響大的指標。指標評價的重點是計算各個指標的權重，這是關鍵問題。目前權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法、CRITIC權重法和標準離差法等等。不同的方法因為計算原理不同，同一個指標得到的權重也有一定的差距，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法和CRITIC權重法進行權重計算。

（一）熵權法

熵權法是利用信息熵的概念，通過計算出各個指標的權重，以此為多指標評價提供參照。

根據信息論中的信息熵的定義，一組數據的信息熵為：

其中，通過信息熵計算各指標的權重：

（二）CRITIC權重法

CRITIC法是一種比熵權法和標準離差法更好的客觀賦權法。

假設第i個指標與第j個指標之間的沖突化程度為，其中rij是評價i和j之間的相關系數。對于CRITIC權重法，兩兩指標之間的沖突越大代表兩者之間的權重越大，反之，沖突性越小，兩者之間的權重也越小。

指標之間的沖突關系使用相關系數來表達，當相關系數越高，則說明兩個指標之間的沖突越小，進而反映兩個指標之間的相同性比較高。兩個指標之間的相同性高，則說明該指標的專一性不強，那么評價強度也隨之降低，應該減少對該指標分配的權重。

上表展示了CRITIC法的權重計算結果，根據結果對各個指標的權重進行分析。這里變異指標為標準差的方式，當標準差和指標的權重成正關系；兩指標之間的沖突性是以相關系數進行評判，如果兩個指標的相關性和沖突性成反比，進而權重越小；權重是信息量的歸一化。

（三）CRITIC-熵權法組合

CRITIC權重法和熵權法都是客觀地對指標進行評價的一種分析方法，由于兩種評價法的原理不同，對于不同類型的數據分析，會有不同的分析結果，為了發揮兩者的最大優勢，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，針對多選題統一調整為單選題進行分析，使用熵權法和CRITIC權重法分別對多選題進行權值評價。

經過計算，Q23-1的權值為21.055；Q24-2的權值為41.520；Q25-1的權值為29.775；Q26-1的權值為32.45；Q27-3的權值為21.766；Q28-1的權值為38.685；Q29-1的權值為23.57；Q30-2的權值為37.942。將多選中權值最大的數據與Q12-Q22定量數據同時進行CRITIC權重法熵權法組合權重評價。

經過計算結果可以得出，Q23-1和Q28-1權值最高，可以知道人工智能可以幫助大學生更好地學習以及查資料；同時也是人工智能學習工具知識來源的資格審查也是學生關注的重點。

四、總結

文章使用CRITIC-熵權法組合，對人工智能對大學生學習的影響進行評價分析。將兩種客觀權重評價方法進行組合，避免客觀單一求權重的缺陷，結果科學客觀。

參考文獻：

［1］ 易福俠.基于層次分析—熵權法的高職學生信息素養模糊綜合評價研究［J］. 南昌航空大學學報（自然科學版），2022，36（04）：116-125.

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

［3］ 傅為忠，儲劉平.長三角一體化視角下制造業高質量發展評價研究——基于改進的CRITIC-熵權法組合權重的TOPSIS評價模型［J］. 工業技術經濟，2020，39（09）：145-152.

［4］ 程啟月. 評測指標權重確定的結構熵權法［J］. 系統工程理論與實踐，2010，30（07）：1225-1228.

基金項目：2021年安徽省高校科學研究項目（項目編號：KJ2021A1330）；2022年蕪湖職業技術學院校級科學研究項目（項目編號：wzyzr202220）；2022年蕪湖職業技術學院校級科研團隊（項目編號：wzykytd202212）；2023年年蕪湖職業技術學院校級科學研究項目（項目編號：wzyzrzd202308）。