结合问题二，我们首先对数据使用正向指标处理法进行标准化处理，然后将问题二构建的指标体系进行KMO检验和Bartlett的检验以及Spearman相关性分析，初步发现其三个指标之间相关性较低，所以我们选择使用topsis法。首先我们对三个指标进行求权，为了弥补主观赋权法和客观赋权法的不足，我们决定使用熵权法和变异系数法结合的组合赋权法对指标进行赋权，来判断三个指标重要性。根据组合赋权法得出的权重，使用topsis法对所有学生进行评分，并对他们进行排序，最后我们计算出不同指标影响下的学生的平均评分，通过创建图表直观的表现人工智能对不同性别、专业、年级、性格的学生学习的影响，得出科学准确的结论。换个表达

针对问题二，我们采用了正向指标处理法对数据进行标准化处理。然后，我们使用KMO检验和Bartlett检验以及Spearman相关性分析对问题二构建的指标体系进行了初步分析。我们发现，这三个指标之间的相关性较低，因此我们选择使用topsis法进行评价。为了确定三个指标的重要性，我们使用了熵权法和变异系数法相结合的组合赋权法对指标进行赋权。然后，我们使用topsis法对所有学生进行评分，并对他们进行排序。最后，我们计算出不同指标影响下学生的平均评分，并通过创建图表来直观地展示人工智能对不同性别、专业、年级和性格的学生学习的影响。我们得出了科学准确的结论。