AI席卷校园：百万对话揭秘，Claude是代码救星还是作弊工具？

现在，AI不再仅仅是一种专业的研究工具，它已经成为大学生日常学习的好伙伴。

伴随着AI越来越深入地融入教育环境，有必要考虑一系列重要的学习、评估和技能培养问题。

当前，大多数相关讨论都是基于调查和对照实验，但缺乏学生在真实学习场景中自然融入AI的证据。

为填补这一空白，Anthropic对AI在高等教育中的实际使用进行了大规模的研究，对Claude进行了分析。.在ai平台上有100万个匿名学生对话记录。

报告的主要发现如下：

理工科学生是Claude等AI工具的早期用户，尤其是计算机专业。计算机专业仅占美国学位的5.4%，但在Claude中.在ai对话中，比例高达36.8%。相比之下，Claude对商科、健康科学和人文学科的学生的利用率相对较低。

总结了学生与AI互动的四种模式，每种模式在数据中的比例基本相同(占对话总量的23-29%)，即直接解决问题、直接生成内容、合作解决问题、合作生成内容。

学生使用AI的主要目的是创造新的知识并进行分析，例如建立编程项目或分析法律概念。这符合布鲁姆分类法中的高级认知功能。然而，这也引起了人们的焦虑:如何避免学生过于依赖AI而放弃关键认知能力的锻炼？

AI在教育领域的应用

在研究如何使用AI模型时，保护用户隐私是最重要的。

Claude Insights and Observations(简称Clio)是一种自动分析工具，可以帮助人们了解Claude的具体情况。

Clio可以深入挖掘用户和Claude之间的对话内容，并将其提炼成例如「调试代码」「解释经济概念」等待高级总结，从而找出AI的应用方法。

Clio对Claude进行了分析。.大约有100万个ai免费与专业账户进行匿名对话。

接着，进一步挑选出与学生学习密切相关的对话，如课程作业、学术研究等，最终获得574,740条有效对话。

然后，Clio对这些对话进行了分类和总结，从不同的角度获得了有价值的观点，包括不同学科在对话中的比例、学生与AI互动技术的差异、学生交给AI解决的问题类型等。

为什么学生使用AI？

研究表明，学生使用Claude的主要目的是建立和优化跨学科教育内容，这是39.3%的对话。

具体来说就是设计练习，润色论文，总结学术资料等。

33.5%的对话是让Claude帮助学生调试代码，修复编程错误，实现算法和数据结构，或者回答数学问题，从而为工作提供技术解答。

有些行为可能会有作弊嫌疑，后面会详细讨论。

另外，还有一些学生用来分析和可视化数据(11.0%)、协助研究设计和工具开发(6.5%)、绘制技术图(3.2%)，翻译和校对(2.4%)。

下面是各科常见要求的具体分类。

各个科目使用AI的情况

通过比较Claude.Ai的应用方法与美国各科授予的学士学位总数相比，发现计算机专业使用Claude的比例极高。

虽然计算机专业在学士学位中只占5.4%，但是在Claude中.但是ai的对话占了38.6%。那可能是因为Claude在编程方面有独特的优势。

Claude自然科学与数学专业.Ai的应用比例也高于这两个专业的学生人数(分别为15.2%和9.2%)。

理工科专业的学生，特别是计算机专业的学生，可能会更早地将Claude用于学习。

因为计算机学生对Claude比较熟悉，而且AI系统在处理STEM任务之后，也比较出色。

Claude在Claude的商业对话.Ai只占8.9%，而商业学位占美国学士学位的18.6%，可见Claude在商业领域的利用率非常低。

学生怎样与AI互动？

通过对学生与AI的交互进行分析，可以识别出四种不同的交互模式，并根据两个不同的维度进行分类，详细如下图所示。

第一个层次是「交互模式」，包含：

(1)直接对话，是指用户希望尽快得到问题的答案，解决自己的问题。

(2)合作对话，即用户主动与模型进行交流，通过对话实现目标。

另一个层次是互动「期望结果」，分为：

(1)解决问题，即用户寻找解决问题的方法或解释。

(2)生成导出，代表用户想要生成更长的内容，如演示文稿、论文等。

在对话中，这四种交互的比例相似(均在23%-29%之间)，反映了学生对AI的多样化应用。

通常情况下，传统的网络搜索只能提供直接答案，而AI支持更丰富的互动技术，给教育带来新的机遇。

下面是一些用于学习的例子：

有助于理解哲学概念和理论的内涵。

创建全面的化学学习资料，帮助学习化学知识。

讲解肌肉的解剖结构、生理功能和功能概念。

同时，AI也带来了新的难题。

一个引人注目的问题是：「AI作弊对学生的应用程度如何？」

由于Claude的每一个回复在实际学习场景中的实际用途并不清楚，因此很难给出准确的答案。

例如「直接解决问题」对话，既可能是孩子在家庭考试中作弊，也可能只是检查习题答案。

「直接产生结果」谈话，也许是学生想要直接生成一篇论文，也许是为了进一步研究和总结重点知识。

合作对话是否作弊，也取决于具体的课程规定。

实际上，近一半(约47%)的学生与AI的对话属于直接对话，即参与度较低，只是简单地寻求答案或内容。

尽管许多对话都是为了合理的学习目的(例如询问概念问题，生成学习指南)，但是仍然发现了一些令人担忧的情况：

使AI提供机器学习选择题的答案。

直接得到英语试题的答案。

利用AI改写营销和商业文本，避免抄袭检测。

这一现象引发了关于培养学术诚信、批判性思维能力，以及如何有效地评价学生学习效果的探索与讨论。

即使是合作对话，学习效果也会有争议。

例如「解释概率和统计操作问题并给出解释。」，虽然涉及到学生和AI之间的多次交流，但是大部分的思考过程都是由AI完成的。

Anthropic将密切关注这些互动状况，试图识别哪些真正有利于学习和批判性思维的培养。

AI在特定学科中的使用方法

学生与AI的互动方式因学科而异。

在自然科学和数学领域，学生的对话大多集中在解决问题上，比如「逐步计算解决特定概率问题的问题」「为学术作业或考试题库提供详细的答案」。

计算机科学、工程、自然科学与数学专业的学生更倾向于选择合作对话。然而，人文、商业和健康领域的学生在合作对话和直接对话之间的选择相对均衡。

在教育行业的对话中，输出需求最为突出，占74.4%。然而，这可能是因为选择方法不够完善。

它表明，针对不同学科制定专门的AI教育策略，或许可以取得更好的效果。

AI的认知任务交给学生。

该团队还讨论了学生将哪些认知任务交给AI处理。

采用布鲁姆分类法进行研究，这是一个在教育领域将认知过程从简单到复杂进行分类的框架。

尽管这个框架最初是为学生的思维设计的，但是它被用来分析Claude和学生对话时的反应。

结果表明，Claude主要承担高级认知功能，创造(39.8%)和分析(30.2%)是最常用的操作。

低级认知任务的比例相对较低，应用(10.9%)、理解(10.0%)和记忆(1.8%)。

生成任务，如学术文本摘要、论文写作反馈等。，涉及更多的创造。解决微积分问题、解释编程基础知识等任务，应用分析功能更多。

虽然AI有这些能力，但是这并不意味着学生不能自己使用它们。

举例来说，学生可以和AI一起完成项目，或利用AI在其它场景中产生的代码来分析数据。

然而，这确实引起了大家的焦虑，学生是否过于依赖AI，导致自身思维能力发展受阻。

说到底，如果不能锻炼基本功，就像倒金字塔一样，很难稳定地支撑高阶思维的发展。

参考资料：

https://www.anthropic.com/news/anthropic-education-report-how-university-students-use-claude

https://x.com/AnthropicAI/status/1909626720476365171

本文来自微信微信官方账号“新智元”，作者：新智元，编辑：英智，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com