数量级表示为O(n)。
分析过程如下：
分子分母同除n^2，则(n^3+n^2log2n+14n)/n^2=n+log2n+14n^(-1)；
当n足够大时，即n→+∞有：n>log2n，14n^(-1)=0；
因为时间复杂度数量级是计算n趋于无穷大时的最大无穷大量的最大阶次；
因此，对于n+log2n+14n^(-1)，n为最大的无穷大量，数量级表示为O(n);
即：(n^3+n^2log2n+14n)/n^2的数量级表示为O(n)。
扩展资料：
计算机科学中，算法的时间复杂度是一个函数，它定性描述了该算法的运行时间。
时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数，考察当输入值大小趋近无穷时的情况。时间复杂度数量级是计算n趋于无穷大时的最大无穷大量的最大阶次。
按数量级递增排列，常见的时间复杂度有：
1、常数阶O(1)，对数阶O(log2n)，线性阶O(n)；
2、线性对数阶O(nlog2n)，平方阶O(n^2)，立方阶O(n^3)，...
3、k次方阶O(n^k)，指数阶O(2^n)。
随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
求解算法的时间复杂度数量级的具体步骤是：
1、找出算法中的基本语句，算法中执行次数最多的那条语句就是基本语句，通常是最内层循环的循环体。
2、计算基本语句的执行次数的数量级，保证基本语句执行次数的函数中的最高次幂正确。
3、用大Ο记号表示算法的时间性能。将基本语句执行次数的数量级放入大Ο记号中。
参考资料来源：百度百科-时间复杂度