电工杯B题 人工智能对大学生学习影响的评价

人工智能简称AI,最初由麦卡锡、明斯基等科学家于1956年在美国达特茅斯学院开会研讨时提出。

2016年,人工智能AlphaGo 4:1战胜韩国围棋高手李世石,期后波士顿动力公司的人形机器人Atlas也展示了高超的感知和控制能力。2022年,人工智能绘画作品《太空歌剧院》获得了美国科罗拉多州博览会艺术比赛一等奖。2023年3月16日,百度公司推出人工智能新产品“文心一言”。

为抢抓人工智能发展的重大战略机遇,国务院2017年发布《新一代人工智能发展规划》,指出科技强国要发挥人工智能技术的力量,部署构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国。教育部2018年发布《教育信息化2.0行动计划》,提出实现“智能化领跑教育信息化”行动指南,强调发展智能教育。

背景分析:这段背景介绍了人工智能(AI)的发展历程和一些重要事件,以及有关部门对人工智能在我国的发展前景和应用方向提出的战略规划和政策指导。没什么用

人工智能的发展对社会各个层面均有不同程度的影响,也影响着大学生的学习。为了解人工智能在不同侧面对大学生学习的影响情况,我们设计了调查问卷,详见附件1,调查反馈结果详见附件2。

背景分析:这道题目主要是让我们分析人工智能在不同侧面对大学生学习的影响情况,而需要的数据集就是附件1和2。后面会对这两个附件进行分析。

请根据你们感兴趣的某个侧面,结合附件1和附件2所给出的数据,建立相应的数学模型,分析人工智能对大学生学习的影响,解决以下问题:

1. 对附件2中所给数据进行分析和数值化处理,并给出处理方法;

问题一分析:第一问需要对附件2中所给数据进行分析和数值化处理,

观察附件2,发现有大量非数值型数据,那么需要对这些数据进行定量分析,也就是题目说的数值化处理。下面是处理方法:

1 标签编码

标签编码是将一组可能的取值转换成整数,从而对非数值型数据进行量化的一种方法。例如,在机器学习领域中,对于一个具有多个类别的变量,我们可以给每个类别赋予一个唯一的整数值,这样就可以将其转换为数值型数据。

2 独热编码 one hot

独热编码是将多个可能的取值转换成二进制数组的一种方法。在独热编码中,每个可能取值对应一个长度为总共可能取值个数的二进制数组,其中只有一个元素为1,其余元素均为0。例如,对于一个性别变量,可以采用独热编码将“男”和“女”分别转换为[1, 0]和[0, 1]。

3 分类计数

分类计数是将非数值型数据转换为数值型数据的一种简单方法。在分类计数中,我们根据某些特定属性(比如学历、职业等)来对数据进行分类,然后统计每个类别的数量或频率。例如,在调查问卷中,我们可以对某个问题的回答按照“是”、“否”和“不确定”三个类别进行分类,并计算每个类别的数量或频率。

4 主成分分析

主成分分析是将多维数据转换为低维度表示的一种方法。在主成分分析中,我们通过找到最能解释数据变异的主成分来对原始数据进行降维处理。这样就可以将非数值型数据转换为数值型数据。

然后就是数据分析了,也就是EDA(探索性数据分析),可以用箱形图剔除一场数据,然后进行可视化。下面对这两个部分进行介绍:

箱形图是一种常用的数据可视化工具,可以展示数据的分布情况和异常值。在箱形图中,箱体展示了数据的四分位数范围,而异常值则在箱体上下方显示为散点。

根据箱形图可以剔除异常数据的步骤如下:(由于有很多非数值型数据转化,所以这里也可以用预测算法,对你要判断的指标进行预测,看与真实值的差异)

l 绘制箱形图,并观察箱体上下方的散点是否存在明显偏离的数据点。在大多数情况下,异常值被定义为落在箱体上下方1.5倍四分位距之外的数据点。

l 确定异常值的位置和数量,然后将其从数据集中删除或进行修正。异常值的处理方法包括替换为均值或中位数、线性插值、使用模型进行预测等。

l 对处理后的数据重新绘制箱形图,以确保异常值已经被正确处理。

常见的EDA可视化方法:

l 直方图和密度图:展示数值变量的分布情况。

l 散点图:展示两个连续变量之间的关系。

l 箱线图:展示数值变量的分布情况和异常值。

l 条形图和饼图:展示分类变量的分布情况。

l 折线图:展示随时间或顺序变化的趋势。

l 热力图:展示不同变量之间的相关性。

l 散点矩阵图:展示多个变量之间的散点图矩阵。

l 地理图:展示地理位置数据和空间分布信息。

2. 根据你们对数据的分析结果选取评价指标,从优先级、科学性、可操作性等方面论述其合理性,并构建评价指标体系;

问题二分析:建议的评价类算法,有灰色综合评价法、模糊综合评价法对各个指标建立联系。选择评价指标的过程也就是对指标进行相关性分析或者降维,相关性分析常见的方法有:

l Pearson相关系数:用于度量两个变量之间的线性关系,其取值范围在-1到1之间,值越接近于1或-1表示相关性越强。

l Spearman秩相关系数:用于度量两个变量之间的单调关系(非线性但趋势相同),其基于等级或顺序数据进行计算,可以将数据转换为秩次,然后计算秩次间的相关系数。

l Kendall秩相关系数:用于度量两个变量之间的单调关系,与Spearman秩相关系数类似,但基于每个变量中所有可能的配对计算协调对数。

l 判别分析:基于统计模型,通过测量输入变量和输出变量之间的关联程度,以预测新的观测值的分类或标签。它通常用于有监督的学习任务,如分类和预测。

l 因子分析:一种无监督的降维技术,可用于发现多个变量之间的潜在结构和因素。它通过寻找共同方差和因子来解释数据中的变异性,并将原始变量转换为较少的因子,以便进行简化和解释。

数据降维的方法包括主成分分析(PCA)、线性判别分析(LDA)、局部线性嵌入(LLE)、t-SNE等。这些方法可以将高维数据压缩到较低维度,并且尽可能地保留原始数据的信息。其中,PCA和LDA是最常用的降维方法之一。PCA通过对协方差矩阵进行特征值分解来实现降维;而LDA是一种有监督的降维方法,它将数据投影到一个新的低维空间中,使得不同类别之间的距离尽可能大,同一类别内的距离尽可能小。LLE和t-SNE则更适用于非线性问题。

3. 建立数学模型,评价人工智能对大学生学习的影响,给出明确、有说服力的结论;

问题3-4及后续代码、论文等看文末

4.根据调查问卷的数据,结合你们对人工智能的了解、认知和判断,以及对未来人工智能发展的展望,写一份人工智能对大学生学习影响的分析报告,可以包括但不限于积极或消极的影响。

附件1.调查问卷

附件2.调查数据

选题建议如下:

2023五一数学建模竞赛(五一赛)选题建议_DS C君的博客-CSDN博客​​​​​​​

有关思路、相关代码、讲解视频、参考文献等相关内容可以点击下方群名片哦!

2023电工杯数学建模竞赛B题思路解析+代码+论文相关推荐

  1. 2023电工杯数学建模竞赛A题思路解析+代码+论文

    电工杯A题:电采暖负荷参与电力系统功率调节的技术经济分析 建设以新能源为主体的新型电力系统是应对全球气候变化挑战的重要举措.高比例新能源接入导致电力系统调节能力稀缺,亟需开发新的调节资源,如火电深度调 ...

  2. 2023五一杯数学建模竞赛ABC题思路解析+代码+论文

    AB题见文末,下面是C C题:"双碳"目标下低碳建筑研究 "双碳"即碳达峰与碳中和的简称,我国力争2030年前实现碳达峰,2060年前实现碳中和."双 ...

  3. 2023年电工杯数学建模竞赛AB题思路代码论文资料汇总贴

    下文包含:2023电工杯数学建模竞赛AB题思路解析+代码+参考论文等及如何准备数学建模竞赛 C君将会第一时间发布选题建议.所有题目的思路解析.相关代码.参考文献.参考论文等多项资料,帮助大家取得好成绩 ...

  4. 2023年五一数学建模竞赛ABC题思路资料汇总贴

    下文包含:2023五一数学建模竞赛(五一赛)ABC题思路解析+代码+参考论文等及如何准备数学建模竞赛 C君将会第一时间发布选题建议.所有题目的思路解析.相关代码.参考文献.参考论文等多项资料,帮助大家 ...

  5. 2023美国大学生数学建模竞赛C题思路解析(含代码+数据可视化)

    以下为2023美国大学生数学建模竞赛C题思路解析(含代码+数据可视化) 规则: 猜词,字母猜对,位置不对为黄色,位置对为绿色,两者皆不对为灰色. 困难模式下的要求:对于猜对的字母(绿色和灰色),下一步 ...

  6. 2023美赛数学建模竞赛 C题思路分析

    1 C题思路 (赛题出来以后第一时间在CSDN分享) 2023年美赛比赛日期和时间 报名截止日期:美国东部时间2023 年2月16日星期四下午 3:00前.(北京时间2023年2月17日凌晨4点) 比 ...

  7. 2023美国大学生数学建模竞赛Y题思路解析

    如下为美赛春季赛Y题思路解析: Problem Y: Understanding Used Sailboat Prices 像许多奢侈品一样,帆船的价值随着它们的年龄和市场状况的变化而变化.所附的&q ...

  8. 2023年美赛A题思路解析/2023年美国大学生数学建模竞赛A题思路

    思路见文末,比赛开始就更新,先占坑 美赛.数学建模.美国大学生数学建模.美赛思路.美国大学生数学建模思路.2023美赛.2023美国大学生数学建模竞赛.2023美赛思路.2023美赛数据.2023美赛 ...

  9. 【2023年电工杯数学建模竞赛B题人工智能对大学生学习影响的评价】完整思路分析+完整代码

    1.问题背景与描述 这道题整体还是相对简单的,比较适合新手,选的人多对应获奖数量也会多,所以不要纠结于选题,就选你看上去能做的就好 2.问题分析 2.1 问题一的分析 对附件2中所给数据进行分析和数值 ...

最新文章

  1. 解决jQuery不同版同时引用的冲突
  2. 一文读懂RocketMQ的存储机制
  3. Nacos如何支撑阿里内部数十万服务注册压力?
  4. Servlet生成动态验证码
  5. php跳转方式带rere_PHP利用REFERER根居访问来地址进行页面跳转
  6. unity3D与网页的交互
  7. linux安装vlan管理软件,Linux_Linux下配置vlan网卡教程,1.需要使用到vconfig软件。首先y - phpStudy...
  8. Cadence软件包集成了那么多软件,傻傻分不清?
  9. 腾讯翻译君在线翻译怎么翻译整个文件_腾讯文档:在线多人协作文档工具
  10. 百度网盘客户端(java)版本
  11. ios 抓娃娃开发_可爱抓娃娃ios版_可爱抓娃娃手机版1.0.4 - 系统城
  12. 阿里云OSS域名配置及简单上传
  13. JavaScript怎么识别360浏览器?JS识别360急速模式方案,360流氓浏览器
  14. java并发-java并发大师
  15. SQL数据库基本语句
  16. 深度学习基础:SVD奇异值分解及其意义【转】
  17. htslib和Samtool安装步骤
  18. Python爬虫之Scrapy框架爬虫实战
  19. 你知道GDT放电管结构及基本知识吗?
  20. App/H5/小程序测试技术

热门文章

  1. AIR - 网页系统回到桌面应用
  2. ogg mysql表结构不一致_求助:OGG双向同步,数据不一致如何解决?(已解决)
  3. python 图片/语音文件实现base64的转换与解析
  4. 提升团队客户服务技能的6个秘诀
  5. WPS公式和字体对不齐
  6. 电磁场与仿真软件(22)
  7. 爱阅书香之书源制作 POST请求方式
  8. 单工通信、半双工通信和全双工通信的区别
  9. Arch Linux上使用 pandoc 将 markdown 转为 pdf 以及如何查看本机的中文字体 fc-list :lang=zh
  10. 华为手机怎么语音服务器,原来华为手机实现文字转语音这么简单!今天才知道,真是绝了...