如今，AI不再只是專業的研究工具，它已成為大學生日常學習的好幫手。

隨著AI越來越深入地融入教育環境，需要思考一系列關于學習、評估和技能培養的重要問題。

目前，大多數相關討論都基于調查和對照實驗，卻缺乏學生在真實學習場景中自然融入AI的直接證據。

為了填補這一空白，Anthropic開展了一項針對高等教育中AI實際使用的大規模研究，分析了Claude.ai平臺上100萬條匿名學生對話記錄。

報告的主要發現如下：

• 理工科學生是Claude等AI工具的早期使用者，其中計算機專業尤為突出。計算機專業僅占美國學位的5.4%，但在Claude.ai的對話中，占比卻高達36.8%。相比之下，商科、健康科學和人文學科的學生，Claude的使用率相對較低。
• 總結了學生與AI交互的四種模式，每種模式在數據中的占比大致相同（各占對話總數的23-29%），分別是直接解決問題、直接生成內容、協作解決問題和協作生成內容。
• 學生使用AI主要是為了創造新知識和進行分析，如創建編程項目或分析法律概念。這與布魯姆分類法中的高階認知功能相契合。不過，這也引發了人們的擔憂：如何防止學生過度依賴AI，而放棄自身關鍵認知能力的鍛煉？

教育領域的AI使用情況

研究人們如何使用AI模型時，保護用戶隱私是重中之重。

Claude Insights and Observations（簡稱Clio）是一款自動分析工具，能幫助了解人們使用Claude的具體情況。

Clio能深入挖掘用戶與Claude的對話內容，將其提煉成諸如「調試代碼」「解釋經濟概念」等高層次的總結，從而發現AI的使用模式。

研究中，Clio分析了來自Claude.ai免費和專業賬戶約100萬條匿名對話。

然后，進一步篩選出與學生學業緊密相關的對話，如課程作業、學術研究，最終得到574,740條有效對話。

接著，Clio對這些對話進行分類匯總，從不同角度得出有價值的見解，包括不同學科在對話中的占比、學生與AI交互方式的差異，以及學生交給AI完成的任務類型等。

學生用AI做什么？

研究發現，學生使用Claude的主要目的，是跨學科地創建和優化教育內容，這類對話占比達到39.3%。

具體為設計練習題、潤色論文、總結學術資料等。

33.5%的對話是讓Claude為作業提供技術解答，如幫學生調試代碼、修復編程錯誤、實現算法和數據結構，或解答數學難題。

其中部分行為可能存在作弊嫌疑，后面會詳細討論。

另外，還有一部分學生用來分析和可視化數據（11.0%）、輔助研究設計和工具開發（6.5%）、繪制技術圖表（3.2%），以及進行翻譯和校對（2.4%）。

下圖是各學科常見請求的詳細分類。

各學科使用AI的情況

通過對比Claude.ai的使用模式和美國各學科頒發學士學位的數量，發現計算機專業使用Claude的比例極高。

雖然計算機專業在學士學位中僅占5.4%，但在Claude.ai的對話中卻占了38.6%。這可能是因為Claude在編程方面的獨特優勢。

自然科學和數學專業Claude.ai的使用占比，也高于這兩個專業的學生人數的占比（分別為15.2%和9.2%）。

理工科學生，特別是計算機專業的學生，可能更早地將Claude用于學習。

這可能是因為計算機學生對Claude更熟悉，同時AI系統在處理STEM任務時，也更出色。

商科相關的對話在Claude.ai上僅占8.9%，而商科學位在美國學士學位中占比高達18.6%，可見Claude在商科領域的使用率較低。

學生如何與AI互動

分析學生與AI的交互時，識別出了四種不同的交互模式，按照兩個不同維度分類，具體如下圖。

第一個維度是「交互模式」，包括：

（1）直接對話，指的是用戶期望盡快得到問題的答案，解決自己的疑問。

（2）協作對話，即用戶主動與模型展開交流，通過對話來實現自己的目標。

第二個維度是交互的「期望結果」，分為：

（1）解決問題，也就是用戶尋求問題的解決辦法或解釋。

（2）生成輸出，意味著用戶想要生成像演示文稿、論文這類較長的內容。

這4種交互在對話中的占比相近（均在23%-29%之間），體現了學生對AI的多元應用。

傳統的網絡搜索通常只能提供直接答案，而AI支持更為豐富的交互方式，為教育帶來了新的機遇。

以下是一些用于學習的案例：

• 闡釋哲學概念與理論，幫助理解其內涵。
• 打造全面的化學學習資料，助力化學知識的學習。
• 為作業講解肌肉的解剖結構、生理機能和功能概念。

與此同時，AI也帶來了新的難題。

一個備受關注的問題是：「學生在多大程度上利用AI作弊？」

這個問題很難給出確切答案，因為并不清楚Claude的每一個回復在具體學習場景中的實際用途。

比如「直接解決問題」的對話，既可能是學生在居家考試中作弊，也可能只是在檢查練習題答案。

「直接生成成果」的對話，也許是學生想直接生成一篇論文，也可能是為進一步研究總結知識要點。

至于協作對話是否屬于作弊，也取決于具體的課程規定。

實際上，近一半（約47%）學生與AI的對話屬于直接對話，即參與度較低，只是單純尋求答案或內容。

雖然很多對話是出于合理的學習目的（如詢問概念性問題、生成學習指南），但還是發現了一些令人擔憂的情況：

• 讓AI提供機器學習選擇題的答案。
• 直接獲取英語測試題的答案。
• 借助AI改寫營銷和商業文本，以躲避抄襲檢測。

這些現象引發了關于學術誠信、批判性思維能力培養，以及如何有效評估學生學習效果的思考和討論。

即使是協作對話，學習成果也可能存在爭議。

比如「求解概率和統計作業問題并給出解釋」，雖然涉及學生與AI的多次交流，但大部分思考過程是由AI完成的。

Anthropic會持續關注這些交互情況，努力甄別哪些真正有助于學習和批判性思維的養成。

特定學科的AI使用模式

不同學科的學生與AI的互動方式存在差異。

在自然科學與數學領域，學生的對話多圍繞解決問題展開，常見的如「通過逐步計算求解特定概率問題」「為學術作業或考試題目提供詳細解答」。

計算機科學、工程以及自然科學與數學專業的學生，更傾向于選擇協作對話。而人文、商業和健康領域的學生，在協作對話和直接對話之間的選擇相對均衡。

教育領域的對話中，生成輸出的需求最為突出，占比達到74.4%。不過，這可能是由于篩選方法不夠完善。

這表明，針對不同學科制定專門的AI教育策略，或許能取得更好的效果。

學生交給AI的認知任務

團隊還研究了學生將哪些認知任務交給AI處理。

研究采用了布魯姆分類法，這是一種在教育領域用于將認知過程從簡單到復雜進行分類的框架。

雖然該框架最初是針對學生思維設計的，對其進行調整，用來分析Claude與學生對話時的回復。

研究結果顯示，Claude主要承擔高階認知功能，創造（39.8%）和分析（30.2%）是最常見的操作。

低階認知任務的占比相對較低，應用（10.9%）、理解（10.0%）和記憶（1.8%）。

生成學術文本摘要、撰寫論文反饋等生成任務，更多涉及創造。而解決微積分問題、解釋編程基礎知識等任務，則更多運用分析功能。

雖然AI具備這些能力，但這并不意味著學生不能自己運用這些技能。

比如，學生可以和AI共同完成項目，或者在其他場景中利用AI生成的代碼來分析數據集。

不過，這確實引發了人們的擔憂，學生是否會過度依賴AI，導致自身認知能力發展受阻。

畢竟，如果基礎技能得不到鍛煉，就如同倒金字塔一樣，難以穩固支撐高階思維的發展。