大学生算法素养水平现状调查问卷

      您好!非常感谢您在百忙之中抽空填写此问卷。本问卷旨在服务于学术课题研究,系统调查大学生算法素养水平,分析大学生在相关维度上的发展现状。本问卷采用匿名填写方式,不收集个人身份信息。您的个人原始数据不会被泄露、外传,研究结果仅用于相关学术研究,不用于任何商业用途,请您放心作答。(1 = 非常不同意 | 2 = 不同意 | 3 = 一般 | 4 = 同意 | 5 = 非常同意


      填写说明

1.本问卷共分为两部分,包括基本信息题和算法素养测评题。

2.问卷题型为单项选择题。

3.全部题目填写时间预计约为 8-10分钟。

感谢您的支持与配合!

第一部分 基本信息
1.性别:
2.年级:
3.专业类别:
4.您是否学习过编程相关课程?
5.您是否学习过算法、人工智能或数据分析相关课程?
6.您是否有编程、数据分析、人工智能工具或相关项目实践经历?
7.您使用 AI 工具的频率是:□
第二部分 算法素养调查问卷
一、算法记忆与意识
  • 很不同意
  • 不同意
  • 一般
  • 同意
  • 非常同意
1.算法知识
(1)我能够回忆起常见算法的核心定义。
(2)我对学习过的算法相关知识仍有较清晰的印象。
(3)我能快速且准确地回忆起常见算法的核心步骤与适用条件
2.算法感知
(4)我能意识到算法广泛存在于搜索、推荐、导航等应用中(如百度搜索、抖音推荐、高德地图导航等)。
(5)我能意识到算法在后台持续对信息进行处理与筛选
(6)使用智能系统时,我注意到算法会对结果进行筛选与排序(如抖音推荐内容、外卖平台排序、地图导航路径等)。
3.算法风险认知
(7)我意识到算法在收集我的相关数据时,存在隐私泄露的潜在风险(如平台收集浏览记录、位置信息或消费偏好等)。
(8)我认为算法在某些情况下可能产生负面影响(如信息茧房、过度推荐等)。
(9)我会关注算法使用过程中潜在的安全、偏见或伦理问题。
4. 算法敏锐度
(10)我能察觉算法对信息呈现方式的影响(如首页内容排序、热点推送方式的变化等)。
(11)当我发现平台(抖音、小红书、B站等)推荐内容突然变化时,我会想到这可能与算法调整有关。
(12)我能判断在哪些场景下算法更可能介入判断或筛选(如内容推荐、商品排序、路径规划等)。
二、算法理解
  • 很不满意
  • 不满意
  • 一般
  • 满意
  • 很满意
5. 算法解释
(13)我能够用自己的话解释某种算法系统的基本功能。
(14)我能说明算法在系统中起到的主要作用。
(15)我能对平台为什么会推荐某些内容或给出某些结果有基本理解(如抖音、小红书、B站的信息推荐)。
6. 算法推断
(16)当推荐内容明显不符合我的兴趣时,我能反推可能是哪些原因导致了这一结果。
(17)当两个用户看到完全不同的推荐结果时,我能推断出可能是哪些行为差异造成了这种分化。
(18)当推荐结果明显不对时,我能推断出可能是哪些逻辑环节出了问题。
三、算法应用
  • 很不满意
  • 不满意
  • 一般
  • 满意
  • 很满意
7. 算法工具使用
(19)我能够独立使用搜索、推荐或导航类工具完成日常任务(如查资料、找视频、规划路线)
(20)面对不同任务时,我能判断应该使用工具的哪种功能(如查新闻用搜索、找附近美食用推荐、去陌生地点用导航)。
(21)当工具的初始结果不理想时,我能调整关键词、筛选条件或使用方式以获得更好结果。
8. 算法选择
(22)面对实际问题时,我能判断是否适合使用算法或算法工具来解决。
(23)我能区分不同算法工具的适用场景。
(24)当多种算法或算法工具都能完成同一任务时,我能选择更高效或更合适的那一个。
9. 算法运用
(25)遇到实际问题时,我能识别出这个问题可以应用某种学过的算法来解决。
(26)面对不同问题,我能区分应该使用哪种算法更为合适。(如排序、筛选、分类、匹配)。
(27)我能将选定的算法通过编码或利已有模块实现,实际解决该问题。
四、算法分析
  • 很不满意
  • 不满意
  • 一般
  • 满意
  • 很满意
10. 算法结构分析
(28)我能辨别出算法中的核心要素与辅助部分。
(29)我能理解算法各部分之间的依赖关系和执行顺序。
(30)我能分析算法在整体流程中的设计意图与潜在问题。
11. 算法效率分析
(31)我知道不同算法在处理速度和资源占用上可能存在差别。
(32)我能分析算法设计中哪些因素影响了运行效率(如循环次数、数据选择)。
(33)面对多种解决方案时,我能基于效率优劣做出判断并说明理由。
12. 算法影响分析
(34)我能识别算法对用户行为或信息环境产生的影响。
(35)我能分析算法产生这些影响背后的原因(如为什么推荐算法会强化用户偏好、为什么筛选算法可能导致信息不公)。
(36)我能基于算法的影响分析,判断其利弊并提出改进或应对思路。
五、算法评价
  • 很不满意
  • 不满意
  • 一般
  • 满意
  • 很满意
13. 算法效能评价
(37)我能从多个维度(如准确性、响应速度、易用性)来考察算法的表现。
(38)我能通过比较不同算法在同一任务上的表现来区分算法的优劣。
(39)我能根据任务目标,对算法是否有效做出判断。
14. 算法公平性评价
(40)我能识别算法在不同群体间是否存在差异对待(如招聘推荐、贷款审核、内容分发中的差异对待等)。
(41)我能分析算法设计中哪些因素可能导致偏见或不公平。(如总是更偏向某些人群、内容或观点等)。
(42)我能根据公平性标准(如推荐机会均等、无歧视原则),对算法是否公正做出有依据的判断。
15. 算法可解释性评价
(43)我能判断算法的解释是否足够清晰。
(44)我能区分“解释充分”与“解释不充分”的算法结果,并说明区分的依据。
(45)我能基于可解释性标准,对算法的解释质量做出有依据的评价。
16. 算法透明度评价
(46)我能判断算法是否充分说明了所使用数据的来源和类型(如浏览记录、点击记录、位置信息、消费记录等)。
(47)我能判断算法系统在运行规则和决策依据方面的公开程度是否足够。
(48)我能基于透明度标准(如数据披露、规则公开、信息可查),对算法的透明程度做出有依据的评价。
17.算法问责性评价
(49)我能识别算法造成问题时所涉及的各方(如平台、开发者、管理者或使用者)以及各方可能的责任范围。
(50)我能区分不同场景下责任归属的合理性(如设计缺陷归开发者、使用不当归用户)。
(51)我能根据问责标准(如因果关系、角色权责),对算法相关方的责任归属做出有依据的判断。
六、算法创新
  • 很不满意
  • 不满意
  • 一般
  • 满意
  • 很满意
18. 算法优化
(52)我能发现现有算法在设计或效果上的不足(如推荐不准、搜索不快、导航不合理)
(53)我能针对算法的不足提出改进思路(如提高推荐准确性、减少无关内容、优化路线选择)
(54)我能通过调整步骤或参数尝试实现效果提升。
19. 算法整合
(55)我能识别不同算法之间的互补关系,判断哪些算法可以配合使用来解决同一问题。
(56)我能将多种算法或方法的优势结合起来,设计出比单一方法更优的解决方案。
(57)我能将整合后的方案细化为具体可行的操作步骤或流程。
20. 算法迁移
(58)面对新问题时,我能识别出它与之前遇到过的问题在算法思路上的相似之处
(59)我能将已有的算法思路或方法迁移到新的问题场景中加以运用。
(60)我能根据新场景的特点,对迁移来的算法思路进行适当调整以适应新情境。
21. 算法开发
(61)我能将现实问题转化为算法的输入、输出和处理步骤(即进行问题建模)。
(62)面对没有现成方案的问题时,我能构思并设计出新的算法思路。
(63)我能将设计的算法方案通过编码或工具实现,并验证其有效性。
更多问卷 复制此问卷