使用数据挖掘方法评估大学生对人工智能的态度
1Ahmet Kelesoglu Educational Faculty, Necmettin Erbakan University, Konya, Türkiye. sulak@erbakan.edu.tr.
Scientific reports
|November 25, 2025
概括
这项研究使用数据挖掘来分类大学生对人工智能 (AI) 的态度. 支持矢量机 (SVM) 实现了最高的准确性,证明了AI.
科学领域:
- 教育技术的教育技术
- 人工智能的人工智能
- 数据挖掘 数据挖掘
背景情况:
- 了解大学生对人工智能 (AI) 的态度对于开发有效的AI识字计划至关重要.
- 以前的研究已经探索了AI的感知,但很少有研究使用先进的数据挖掘技术进行详细的分类.
研究的目的:
- 用各种数据挖掘算法分析和分类大学生对人工智能的态度.
- 为了比较不同机器学习模型在对AI态度的分类方面的表现.
主要方法:
- 收集了1379名大学生的数据,使用一个规模来评估对AI的态度.
- 采用了数据挖掘技术,包括MLP,决策树,KNN,XGBoost,随机森林,CatBoost和SVM.
- 采用5倍交叉验证并计算模型评估的准确性,精度,回忆和F1分数.
主要成果:
- 支持矢量机 (SVM) 算法实现了最高的F1得分准确率95.52%.
- CatBoost (93.66%),Random Forest (92.56%) 和XGBoost (92.36%) 也表现出了很高的表现.
- 较低的MLP (81.87%) 和决策树 (82.72%) 模型显示分类成功率较低.
结论:
- 先进的分类算法,特别是SVM,是分析学生对AI态度的有效工具.
- 这些发现可以为教育政策和战略提供信息,以提高大学生之间的AI素养.
