从编程到论文，AI 无处不在！一项针对百万条学生对话的分析显示，AI 不仅能调试代码，还能润色文章，甚至生成学习资料。但这背后，学术诚信的边界在哪里？
如今，AI 不再只是专业的研究工具，它已成为大学生日常学习的好帮手。
随着 AI 越来越深入地融入教育环境，需要思考一系列关于学习、评估和技能培养的重要问题。
目前，大多数相关讨论都基于调查和对照实验，却缺乏学生在真实学习场景中自然融入 AI 的直接证据。
为了填补这一空白，Anthropic 开展了一项针对高等教育中 AI 实际使用的大规模研究，分析了 Claude.ai 平台上 100 万条匿名学生对话记录。
报告的主要发现如下：
理工科学生是 Claude 等 AI 工具的早期使用者，其中计算机专业尤为突出。计算机专业仅占美国学位的 5.4%，但在 Claude.ai 的对话中，占比却高达 36.8%。相比之下，商科、健康科学和人文学科的学生，Claude 的使用率相对较低。
总结了学生与 AI 交互的四种模式，每种模式在数据中的占比大致相同（各占对话总数的 23-29%），分别是直接解决问题、直接生成内容、协作解决问题和协作生成内容。
学生使用 AI 主要是为了创造新知识和进行分析，如创建编程项目或分析法律概念。这与布鲁姆分类法中的高阶认知功能相契合。不过，这也引发了人们的担忧：如何防止学生过度依赖 AI，而放弃自身关键认知能力的锻炼？
教育领域的 AI 使用情况研究人们如何使用 AI 模型时，保护用户隐私是重中之重。
Claude Insights and Observations（简称 Clio）是一款自动分析工具，能帮助了解人们使用 Claude 的具体情况。
Clio 能深入挖掘用户与 Claude 的对话内容，将其提炼成诸如「调试代码」「解释经济概念」等高层次的总结，从而发现 AI 的使用模式。
研究中，Clio 分析了来自 Claude.ai 免费和专业账户约 100 万条匿名对话。
然后，进一步筛选出与学生学业紧密相关的对话，如课程作业、学术研究，最终得到 574,740 条有效对话。
接着，Clio 对这些对话进行分类汇总，从不同角度得出有价值的见解，包括不同学科在对话中的占比、学生与 AI 交互方式的差异，以及学生交给 AI 完成的任务类型等。
学生用 AI 做什么？研究发现，学生使用 Claude 的主要目的，是跨学科地创建和优化教育内容，这类对话占比达到 39.3%。
具体为设计练习题、润色论文、总结学术资料等。
33.5% 的对话是让 Claude 为作业提供技术解答，如帮学生调试代码、修复编程错误、实现算法和数据结构，或解答数学难题。
其中部分行为可能存在作弊嫌疑，后面会详细讨论。
另外，还有一部分学生用来分析和可视化数据（11.0%）、辅助研究设计和工具开发（6.5%）、绘制技术图表（3.2%），以及进行翻译和校对（2.4%）。
下图是各学科常见请求的详细分类。
通过对比 Claude.ai 的使用模式和美国各学科颁发学士学位的数量，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仅占 5.4%，但在 Claude.ai 的对话中却占了 38.6%。这可能是因为 Claude 在编程方面的独特优势。
自然科学和数学专业 Claude.ai 的使用占比，也高于这两个专业的学生人数的占比（分别为 15.2% 和 9.2%）。
理工科学生，特别是计算机专业的学生，可能更早地将 Claude 用于学习。
这可能是因为计算机学生对 Claude 更熟悉，同时 AI 系统在处理 STEM 任务时，也更出色。
商科相关的对话在 Claude.ai 上仅占 8.9%，而商科学位在美国学士学位中占比高达 18.6%，可见 Claude 在商科领域的使用率较低。
分析学生与 AI 的交互时，识别出了四种不同的交互模式，按照两个不同维度分类，具体如下图。
第一个维度是「交互模式」，包括：
（1）直接对话，指的是用户期望尽快得到问题的答案，解决自己的疑问。
（2）协作对话，即用户主动与模型展开交流，通过对话来实现自己的目标。
第二个维度是交互的「期望结果」，分为：
（1）解决问题，也就是用户寻求问题的解决办法或解释。
（2）生成输出，意味着用户想要生成像演示文稿、论文这类较长的内容。
这 4 种交互在对话中的占比相近（均在 23%-29% 之间），体现了学生对 AI 的多元应用。
传统的网络搜索通常只能提供直接答案，而 AI 支持更为丰富的交互方式，为教育带来了新的机遇。
以下是一些用于学习的案例：
阐释哲学概念与理论，帮助理解其内涵。
打造全面的化学学习资料，助力化学知识的学习。
为作业讲解肌肉的解剖结构、生理机能和功能概念。
与此同时，AI 也带来了新的难题。
一个备受关注的问题是：「学生在多大程度上利用 AI 作弊？」
这个问题很难给出确切答案，因为并不清楚 Claude 的每一个回复在具体学习场景中的实际用途。
比如「直接解决问题」的对话，既可能是学生在居家考试中作弊，也可能只是在检查练习题答案。
「直接生成成果」的对话，也许是学生想直接生成一篇论文，也可能是为进一步研究总结知识要点。
至于协作对话是否属于作弊，也取决于具体的课程规定。
实际上，近一半（约 47%）学生与 AI 的对话属于直接对话，即参与度较低，只是单纯寻求答案或内容。
虽然很多对话是出于合理的学习目的（如询问概念性问题、生成学习指南），但还是发现了一些令人担忧的情况：
让 AI 提供机器学习选择题的答案。
直接获取英语测试题的答案。
借助 AI 改写营销和商业文本，以躲避抄袭检测。
这些现象引发了关于学术诚信、批判性思维能力培养，以及如何有效评估学生学习效果的思考和讨论。
即使是协作对话，学习成果也可能存在争议。
比如「求解概率和统计作业问题并给出解释」，虽然涉及学生与 AI 的多次交流，但大部分思考过程是由 AI 完成的。
Anthropic 会持续关注这些交互情况，努力甄别哪些真正有助于学习和批判性思维的养成。
特定学科的 AI 使用模式不同学科的学生与 AI 的互动方式存在差异。
在自然科学与数学领域，学生的对话多围绕解决问题展开，常见的如「通过逐步计算求解特定概率问题」「为学术作业或考试题目提供详细解答」。
计算机科学、工程以及自然科学与数学专业的学生，更倾向于选择协作对话。而人文、商业和健康领域的学生，在协作对话和直接对话之间的选择相对均衡。
教育领域的对话中，生成输出的需求最为突出，占比达到 74.4%。不过，这可能是由于筛选方法不够完善。
这表明，针对不同学科制定专门的 AI 教育策略，或许能取得更好的效果。
团队还研究了学生将哪些认知任务交给 AI 处理。
研究采用了布鲁姆分类法，这是一种在教育领域用于将认知过程从简单到复杂进行分类的框架。
虽然该框架最初是针对学生思维设计的，对其进行调整，用来分析 Claude 与学生对话时的回复。
研究结果显示，Claude 主要承担高阶认知功能，创造（39.8%）和分析（30.2%）是最常见的操作。
低阶认知任务的占比相对较低，应用（10.9%）、理解（10.0%）和记忆（1.8%）。
生成学术文本摘要、撰写论文反馈等生成任务，更多涉及创造。而解决微积分问题、解释编程基础知识等任务，则更多运用分析功能。
虽然 AI 具备这些能力，但这并不意味着学生不能自己运用这些技能。
比如，学生可以和 AI 共同完成项目，或者在其他场景中利用 AI 生成的代码来分析数据集。
不过，这确实引发了人们的担忧，学生是否会过度依赖 AI，导致自身认知能力发展受阻。
毕竟，如果基础技能得不到锻炼，就如同倒金字塔一样，难以稳固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
本文来自微信公众号：新智元（ID：AI_era）
本文链接：http://www.28at.com/showinfo-45-12279-0.htmlAI 席卷校园：百万条对话揭秘“Claude 是代码救星还是作弊工具”
声明：本网页内容旨在传播知识，不代表本站观点，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
