人工智能对大学生学习影响的评价（2023 电工杯 B 题）
历年真题解法库 · 本题为公开赛题要点整理，完整原题请到官方渠道获取（链接见下）；
下方「练习数据」说明仅列官方来源，本站合成练习数据集与真源脚本将随优秀范文一并发布，避免断裂链接。
一、赛题要点
- 赛事：2023 年电工杯数学建模竞赛 · B 题（真实题名「人工智能对大学生学习影响的评价」）。
- 问题实质：围绕以大模型/ChatGPT 类生成式 AI 为代表的工具，建立评价指标体系，量化其对大学生学习的影响（正向如效率提升、负向如依赖/学术诚信风险），并可结合问卷或行为数据做影响因素分析。典型设问包括：①构建「AI 对学习影响」的多维评价指标体系；②基于问卷/样本数据对影响做综合评价与分组比较；③识别关键影响因素（哪些使用方式带来增益、哪些带来风险）；④给出引导合理使用 AI 的建议。
二、需要产出什么
- 一套结构化的评价指标体系（维度 + 指标 + 权重来源）。
- 样本数据下的综合评价得分（个体/群体/学科差异）。
- 影响因素分析（相关性/回归/中介），区分「增益型」与「风险型」使用行为。
- 结论与建议（如何扬长避短地使用 AI 辅助学习）。
三、数据说明（官方来源）
- 官方数据/赛题：http://www.mcm.edu.cn（请以当年官网发布为准）。赛题通常附问卷样本或开放你自行设计问卷收集。
- 练习数据说明：本题的合成练习数据集与真源生成脚本（
tools/gen_dgcup2023b.py）将在对应优秀范文发布时一并放出，确保正文 / 配图 / 附录 / 真源四路数字一致。当前可基于官方问卷或公开教育调查数据练手。
四、可用解法 → 对应手册
题型：评价 / 综合指数类
先看选型 👉 🧭 评价类选型指南
题型：降维 / 因素分析类
题型：回归 / 影响因素类
题型：文本 / 问卷开放题
五、建模思路提示
- 指标体系建议三层：目标层（AI 学习影响）→ 准则层（效率、质量、能力、风险、态度）→ 指标层（可测题项）。权重可用主客观组合（AHP 定结构 + 熵权/CRITIC 定客观权重）。
- 综合评价用 TOPSIS/VIKOR 给出相对贴近度；分组（按专业、使用频率）比较差异可用均值检验或 PCA 投影。
- 影响因素用回归识别「使用频率、使用场景、自律性」等变量对增益/风险的边际效应；开放题用情感/主题分析补充定性证据。
- 结论要区分「工具」与「用法」：影响好坏更多取决于使用方式，而非 AI 本身。
六、常见坑与规避
- 问卷题项设计要避免引导性，否则评价得分失真；样本量过小（<30）时慎用参数检验。
- 权重别全拍脑袋：客观法（熵权）与主观法（AHP）应组合并做一致性检验。
- 评价指标间常高度相关，先做相关性/PCA 去冗余，避免重复计分。
- 「影响」是双向的，模型必须同时刻画增益与风险，不能只报正面。
七、优秀范文（本站手写，非生成器）
本题为系列范文（每篇视角错位、可独立阅读；每篇 ≥2500 字 · SVG 配图 · 可运行 Python 附录，正文 / 配图 / 附录 / 真源四路数字一致）。
| 视角 | 链接 | 字数 · 配图 · 附录 |
|---|---|---|
| 范文一：AI 学习影响评价全框架（600 份合成问卷、五准则十指标体系、AHP λmax=5.0143 CR=0.0032 + 熵权按 0.5:0.5 组合赋权效率居首 0.407、TOPSIS 全样本均值 0.506 五维画像低风险最强 79.5 效率最弱 51.3、专业无差异而使用方式分化、倒 U 回归 R²=0.784 顶点 15.3 小时/周超样本 95% 分位、自律性 +4.39 验证习惯 +3.85 是性价比最高杠杆、"用法优先于时长"分类建议） | AI 对大学生学习影响的评价（优秀范文一） | 2777 字 · 8 图 · 1 附录 |
| 范文二：使用画像分型（行为四特征确定性 K-means、最远点初始化零随机、轮廓系数 k*=3 取 0.2478 分三型：重度深用型 13.2% 净 43.7 风险 33.1、浅尝低防型 48.0% 双低、轻量审慎型 38.8% 风险仅 12.2；置换检验 F=193.99/130.71 p=0.0005 极端显著；单位时长净影响 8.88 vs 2.97 差 3 倍、同箱倒 U 差 17.7 分证明顶点是习惯的函数、分型施策三则） | AI 使用画像分型：谁在增益、谁在冒险（优秀范文二） | 约3227字 · 8图 · 1附录 |
八、配套资源
- 回到 📚 历年真题解法库首页
- 总入口：🗺️ 专题手册库
- 论文怎么写：📝 论文模板使用说明专区
- 避坑总览：⚠️ 建模避坑指南专区
- 真源模型与配图脚本将在对应优秀范文发布时一并放出（见第七节）。