人工智能（AI）系統不再只是專業的科研工具，它們已經成爲大學生日常學習中不可或缺的夥伴。隨着AI更深入地融入教育環境，需要認真思考關於學習、評估和技能發展的重要問題。以往的討論大多依賴於調查問卷和控制實驗，而缺乏對學生在真實場景中如何自然地將AI融入學業工作的直接證據。爲了彌補這一空白，研究進行了一項大規模研究，分析了Claude.ai上百萬條匿名學生對話，旨在瞭解大學生真實世界中的AI使用模式。

一、哪些專業的學生更愛用AI?——STEM專業學生是先行者

教育報告顯示，理工科（STEM）專業的學生是AI工具如Claude的早期採用者。尤其值得注意的是，計算機科學專業的學生使用比例遠超其在全美學位授予數量中的佔比（佔學生對話的36.8%，而其學位數僅佔美國總學位數的5.4%）。相比之下，商科、健康和人文專業的學生，其AI使用率相對於他們的入學人數來說較低。這可能反映出計算機科學領域對Claude的認知度更高，以及AI系統在理工科學生所從事的任務方面可能更具優勢。

QQ_1744163695934.png

研究通過比較Claude.ai上的學科相關對話比例與美國大學相應專業的學生比例發現，計算機科學的使用最爲不成比例地高。自然科學和數學的使用比例也高於學生的入學比例（分別爲15.2%和9.2%）. 相反，商科相關的教育對話僅佔總對話的8.9%，而其學位數卻佔18.6%。健康專業(5.5% vs.13.1%)和人文專業(6.4% vs.12.5%)的使用比例也低於其學生入學比例。

QQ_1744163727823.png

二、大學生都在用AI做什麼?——創作、分析和解決問題是主要用途

研究發現，學生主要使用Claude來創建和改進教育內容（佔對話的39.3%）。這通常包括設計練習題、編輯論文或總結學術材料。學生還經常使用Claude來獲取學術作業的技術解釋或解決方案（佔33.5%）——例如，調試和修復代碼錯誤，實現編程算法和數據結構，以及解釋或解決數學問題。部分使用也可能涉及作弊行爲。此外，還有一部分學生使用AI來分析和可視化數據(佔11.0%)，支持研究設計和工具開發(佔6.5%)，創建技術圖表(佔3.2%)，以及翻譯或校對不同語言的內容(佔2.4%)。

研究識別出學生與AI交互的四種模式，每種模式在數據中佔比大致相等（各佔23-29%的對話）:

  • 直接問題解決:用戶尋求快速解決問題。
  • 直接輸出創建:用戶尋求生成較長的輸出，如演示文稿或文章。
  • 協作問題解決:用戶積極與模型進行對話以實現目標。
  • 協作輸出創建:用戶積極參與到內容創作過程中。

QQ_1744163761190.png

學生主要將AI系統用於創造（利用信息學習新知識）和分析（分解已知信息並識別關係），例如創建編碼項目或分析法律概念。這與布魯姆分類法中較高的認知功能相一致。然而，這也引發了關於如何確保學生不將關鍵認知任務外包給AI系統的問題。

三、AI在大學生學習中扮演什麼角色?——輔助學習還是潛在的“柺杖”?

分析顯示，學生與AI的交互方式因學科而異。例如，自然科學和數學專業的對話更傾向於問題解決，如求解具體的概率問題或學術作業中的習題。計算機科學、工程學以及自然科學和數學更傾向於協作式對話，而人文、商科和健康專業則在協作式和直接式對話之間分佈較爲均勻。教育學專業的對話則最傾向於輸出創建（佔74.4%），但這可能與研究的過濾方法有關，因爲很多對話涉及創建教學材料和教案，表明教師也在使用Claude進行教學支持。

QQ_1744163795676.png

研究人員還根據布魯姆分類法分析了學生委託給AI的認知任務。研究人員觀察到AI展現出一種倒置的布魯姆分類法模式:

  • Claude主要完成較高階的認知功能，其中**創造（39.8%）和分析(30.2%)**是最常見的操作。
  • 較低階的認知任務較少:應用（10.9%）、理解(10.0%)和記憶(1.8%)。

這種分佈也因交互方式而異。正如預期的那樣，輸出創建任務（如生成學術文本摘要或論文反饋）更多地涉及創造功能。問題解決任務(如解決微積分問題或解釋編程基礎知識)更多地涉及分析功能。

儘管AI系統展現出這些技能，但這並不排除學生自己也參與這些技能——例如，共同創建一個項目，或使用AI生成的代碼在其他情境中分析數據集。但這確實指出了學生將認知能力外包給AI的潛在擔憂。人們有理由擔心AI系統可能成爲學生的“柺杖”，阻礙他們發展支持更高階思維的基礎技能。

QQ_1744163815216.png

需要注意的是，研究存在一些侷限性。例如，數據集可能只捕捉到了早期採用者，不一定代表更廣泛的學生羣體。研究只分析了Claude.ai的使用情況，而學生可能使用其他AI工具。此外，由於隱私考慮，只分析了18天保留窗口內的數據。

結論與展望

研究的分析爲了解大學生如何在真實世界中使用AI提供了一個概覽。對AI在教育中的影響的理解還處於 начальном этапе。AI在以顯著的方式賦能學習，例如支持學生的核聚變反應堆項目，並促進師生之間更好的溝通。

但是，研究也認識到，這些初步發現並不能完全揭示教育領域正在發生的深刻變革。隨着學生將更高階的認知任務委託給AI系統，一些根本性問題也隨之出現:如何確保學生仍然發展基礎認知和元認知技能?如何在AI賦能的世界中重新定義評估和作弊政策?如果AI系統幾乎可以立即生成潤色的文章或快速解決需要人工花費數小時才能完成的複雜問題，那麼有意義的學習又是什麼樣的?。

這些發現有助於教育者、管理者和政策制定者之間正在進行的討論，即如何確保AI深化而不是削弱學習。未來的研究將有助於我們更好地理解師生如何使用AI，其與學習成果的聯繫，以及對教育未來的長期影響。Anthropic也在積極與大學合作，通過實驗“學習模式”等方式，探索AI在教育中的積極作用。