变量类别	                   变量名称	                数据类型	        含义与说明
人口统计特征	            age	                     数值型（整数）	学生的年龄。是基础的人口学变量，可用于分析不同年龄段学生对AI工具的接受度或使用模式的差异。
                          education_level	              有序分类型	学生所处的教育阶段（如高中、本科）。不同教育阶段的学习目标和任务难度不同，此变量是分析AI工具使用场景与需求差异的关键分组依据。
学习行为特征	study_hours_per_day	      数值型（连续）	 学生平均每日用于课业学习的时间（小时）。衡量学生的学习投入度，是影响学业成绩的传统重要因素，也可用于分析与AI使用时间的替代或互补关系。
                      daily_screen_time_hours	      数值型（连续）	学生平均每日使用电子设备的总屏幕时间（小时）。作为数字生活习惯的总体度量，可用于分析其与学习效率、AI使用时长之间的关联。
AI使用特征	       uses_ai	                      二元分类型	学生是否在学业中使用AI工具（如是/否）。是进行使用者与非使用者群体对比的核心分类变量，例如可比较两组学生的平均成绩差异。
                         ai_tools_used	                    分类型/文本型	学生具体使用的AI工具名称或类型（如ChatGPT）。用于分析不同工具与学业表现的关联性强弱，或研究工具选择的偏好。
                        purpose_of_ai	                     分类型/文本型	学生使用AI工具的主要目的（如作业辅导、代码调试）。此变量有助于理解AI工具如何被整合到学习过程中，并分析不同用途可能产生的差异化影响。
学业表现特征	grades_before_ai	      数值型（连续）/有序型	学生在开始系统使用AI工具之前（或某一基准期）的学业成绩（如平均绩点GPA）。此变量用于衡量学生的初始学业水平，是在分析AI使用效果时，控制学生原有基础的关键变量。
                      grades_after_ai	           数值型（连续）/有序型	学生在开始系统使用AI工具之后（或某一观察期）的学业成绩。这是评估AI使用影响的核心结果变量之一。通过与grades_before_ai对比，可以计算成绩的变化量，用于分析AI使用的“净效应”。