满意度是一项用来描述调查者主观评价的指标,它一般用于描述消费者需求被满足后的愉悦感,及其对产品或服务的事前期望与使用后得到的实际感受间的对比关系。近年来高校针对学生的满意度调查日益增多,旨在通过调查了解大学生对高校的建设及教学等情况的看法及态度,有助于加强学校与学生之间的沟通、增强彼此之间的了解,同时有利于高校建设。因此对大学生的学校满意度调查数据进行分析具有很强的实际意义。本文选取云南大学2018年对全体在校本科生进行的一次满意度调查的问卷结果,首先利用列联表、相关分析、统计图表等描述性方法对数据进行描述分析;建立结构方程模型,对满意度的影响因素进行分析,得到各观测变量(问卷结果)与潜变量(教师工作满意度、行政服务工作满意度、专业课程设置满意度和校园设施满意度)间的具体作用关系,明确各观测变量对满意度的显著影响。之后,根据不同因素对满意度的影响,对总体满意度的评分进行衍生和计算,再结合问卷中问答环节,对问答题的具体建议内容进行文本分析。最后,综合满意度评分和具体建议,分别运用随机森林、支持向量机、K最近邻等机器学习方法尝试对学生性格倾向性做出具体分类,分为完美型、和平型、活跃型、消极型等共计四种类型,进一步挖掘调查数据中潜藏的被调查者的性格倾向信息。比较分析的结果表明随机森林的分类效果最好。本文的研究特色是结合机器学习方法对调查数据进行了探索性数据分析,在使用结构方程模型分析调查数据的传统方法基础上,结合机器学习方法对数据信息进行深入挖掘,使得调查数据利用更加充分。该研究为高校分析处理学生满意度调查数据提供了方法论参考,同时,研究结果也有助于学校加强对学生的了解和管理,与学生进行更加良好的沟通,建立更加完善的培养制度。