引言¶
Anthropic 对 100 万条真实学生对话进行了大规模分析，这是首批基于实际使用数据（而非问卷调查）研究高等教育 AI 使用情况的研究之一。
AI 系统已从专业研究工具演变为日常学习助手。随着 AI 更深入地融入教育场景，关于学习效果、考核方式和能力培养的重要问题随之浮现。迄今为止，大多数讨论依赖的是调查问卷和受控实验，而非学生在真实环境中自然使用 AI 的直接证据。
为填补这一空白，Anthropic 对 Claude.ai 上的 100 万条匿名学生对话进行了分析，完成了高等教育领域首批大规模真实 AI 使用研究之一。
核心发现¶
STEM 学生是最早的采纳者，近半数对话属于「直接获取答案」模式，学生普遍将高阶认知任务委托给 AI。
| 发现 | 详情 |
|---|---|
| STEM 学生是早期采纳者 | 计算机专业尤为突出：占对话量的 36.8%，但仅占美国学位授予量的 5.4%。商科、健康和人文专业的使用率相对于其招生比例偏低 |
| 四种交互模式 | 直接解题、直接输出创作、协作解题、协作输出创作，各占约 23-29% |
| 高阶认知任务为主 | 学生主要用 AI 进行「创造」（利用信息学习新知）和「分析」（拆解已知内容并识别关系），如编写代码项目或分析法律概念。这对应 Bloom 认知分类法 中的高阶认知功能，引发了学生是否在将关键思维任务「外包」给 AI 的担忧 |
如何识别教育场景的 AI 使用¶
研究团队使用隐私优先的自动化分析工具 Clio，从约 100 万条对话中筛选出 57.5 万条与学业相关的对话。
为保护隐私，团队使用了 Claude Insights and Observations（简称 Clio）——一个能够洞察 Claude 使用情况的自动化分析工具。Clio 采用自底向上的方法发现 AI 使用模式，将对话提炼为高层次的使用摘要（如「调试代码」或「解释经济学概念」）。Clio 通过多层自动化流程去除用户隐私信息，其隐私优先的设计详见此前的博客。
Clio 分析了约 100 万条来自 Claude.ai Free 和 Pro 账户的匿名对话，这些账户绑定了高等教育邮箱。经过学生身份和学业相关性筛选（课程作业或学术研究）后，保留了 574,740 条对话。Clio 对这些对话进行聚类，从学科分布、学生-AI 交互差异、认知任务类型等维度提取了教育相关的整体洞察。
学生用 AI 做什么¶
近四成对话用于创建和改进教育内容，三成多用于获取技术解释或解决方案。
| 用途 | 占比 | 示例 |
|---|---|---|
| 创建和改进教育内容 | 39.3% | 设计练习题、修改论文、总结学术材料 |
| 获取技术解释或作业解答 | 33.5% | 调试代码、实现算法/数据结构、解释/求解数学题 |
| 分析和可视化数据 | 11.0% | — |
| 支持研究设计和工具开发 | 6.5% | — |
| 创建技术图表 | 3.2% | — |
| 翻译或校对多语言内容 | 2.4% | — |
部分使用可能构成学术不诚信。
各学科的 AI 使用情况¶
计算机专业的 AI 使用率远超其学位占比（7 倍以上），而商科、健康和人文专业明显低于预期。
使用率与美国学士学位授予量（来源：NCES）的对比：
| 学科 | 对话占比 | 学位占比 | 使用偏差 |
|---|---|---|---|
| 计算机科学 | 38.6% | 5.4% | 远高于预期 |
| 自然科学与数学 | 15.2% | 9.2% | 高于预期 |
| 商科 | 8.9% | 18.6% | 低于预期 |
| 人文学科 | 6.4% | 12.5% | 低于预期 |
| 健康专业 | 5.5% | 13.1% | 低于预期 |
这些数据表明 STEM 学生（尤其是计算机专业）是更早的采纳者，这可能也反映了 Claude 在编程方面的能力优势。而商科、健康和人文专业的学生整合 AI 工具的速度更慢。
学生如何与 AI 互动¶
四种交互模式沿两个轴线分布，各占约四分之一，但近半数对话属于「直接」模式——即以最小参与度获取答案。
研究识别出四种交互模式，由两个轴线定义：
第一轴——交互方式：
| 类型 | 特征 |
|---|---|
| 直接对话 | 用户希望尽快解决问题 |
| 协作对话 | 用户主动与模型展开多轮对话 |
第二轴——期望产出：
| 类型 | 特征 |
|---|---|
| 解决问题 | 寻求解决方案或解释 |
| 创建输出 | 寻求生成较长内容（演示文稿、论文等） |
四种交互风格的分布大致均匀（各占 23-29%）。
正面学习案例¶
- 解释和阐明哲学概念与理论
- 创建全面的化学教育资源和学习材料
- 解释肌肉解剖学、生理学和功能概念以完成学术作业
令人担忧的发现¶
近半数（约 47%）的学生-AI 对话是直接模式——以最少的参与获取答案或内容。令人担忧的直接对话示例：
- 提供机器学习选择题的答案
- 提供英语语言测试题目的直接答案
- 改写营销和商业文本以规避抄袭检测
即使是协作对话也可能有令人质疑的结果——例如「分步骤解释概率统计作业题」可能涉及多轮对话，但仍然将大量思考过程外包给了 AI。
各学科的交互模式差异¶
不同学科呈现明显的交互偏好：自然科学偏向解题，教育学则有 74.4% 的对话用于输出创作。
| 学科 | 交互偏好 |
|---|---|
| 自然科学与数学 | 倾向于解决问题 |
| 计算机科学、工程、自然科学与数学 | 倾向于协作对话 |
| 人文、商科、健康 | 协作与直接模式分布较均匀 |
| 教育学 | 强烈偏好输出创作（74.4% 的对话） |
学生将哪些认知任务委托给 AI¶
学生委托给 AI 的认知任务呈「倒金字塔」分布——创造和分析占七成，记忆和理解仅占一成多，这引发了基础能力退化的担忧。
本研究使用 Bloom 认知分类法（具体采用 Anderson 和 Krathwohl (2001) 修订版）对认知过程进行分类。
研究观察到一个「倒置」的分布模式：
| 认知层级 | 占比 | 排序 |
|---|---|---|
| 创造 | 39.8% | 最多 |
| 分析 | 30.2% | — |
| 应用 | 10.9% | — |
| 理解 | 10.0% | — |
| 记忆 | 1.8% | 最少 |
"The fact that AI systems exhibit these skills does not preclude students from also engaging in the skills themselves"
但这也指向了将认知能力外包的担忧：
"There are legitimate worries that AI systems may provide a crutch for students, stifling the development of" foundational skills. "An inverted pyramid, after all, can topple over."
局限性¶
本研究存在多项局限，包括样本偏向早期采纳者、隐私限制导致仅分析 18 天数据窗口、无法追踪学生如何使用 AI 输出等。
| 局限 | 说明 |
|---|---|
| 样本偏差 | 数据可能主要反映早期采纳者，未必代表更广泛的学生群体 |
| 代表性不确定 | 不清楚 Claude 的使用情况在整体教育 AI 使用中的代表性 |
| 分类误差 | 对话分类可能存在假阳性和假阴性 |
| 时间窗口受限 | 出于隐私考量，仅分析单个 18 天数据留存窗口内的使用情况 |
| 无法追踪后续使用 | 仅研究了学生委托给 AI 的任务类型，无法了解他们如何使用 AI 输出 |
| 跨学科局限 | 学科分类可能无法捕捉跨学科研究 |
| 分类法适用性 | 将 Bloom 认知分类法应用于 AI 认知过程存在固有的不精确性 |
| 政策差异 | 各院校的 AI 政策差异很大 |
结论与展望¶
AI 既能赋能学习，也在挑战传统教育——Anthropic 正与高校合作探索解决方案，包括实验性的「学习模式」。
本分析提供了真实世界中学生 AI 使用情况的鸟瞰视角。AI 可以赋能学习——例如支持一名学生的核聚变反应堆项目，以及促进师生之间更好的沟通。
然而，AI 也让教育工作者面临更大的挑战。当学生将高阶认知任务委托给 AI 时，如何确保基础能力的培养、如何重新定义考核方式和学术诚信政策，成为亟待回答的根本性问题。
除本报告外，Anthropic 正在与大学合作以深入理解 AI 在教育中的角色。他们正在实验一种「学习模式」(Learning Mode)，强调苏格拉底式教学法和概念理解，而非直接给出答案。
Bibtex¶
@online{handa2025education,
author = {Kunal Handa and Drew Bent and Alex Tamkin and Miles McCain and Esin Durmus and Michael Stern and Mike Schiraldi and Saffron Huang and Stuart Ritchie and Steven Syverud and Kamya Jagadish and Margaret Vo and Matt Bell and Deep Ganguli},
title = {Anthropic Education Report: How University Students Use Claude},
date = {2025-04-08},
year = {2025},
url = {https://www.anthropic.com/news/anthropic-education-report-how-university-students-use-claude},
}
脚注¶
- 对话覆盖 Claude.ai 上一个 18 天的时间窗口，符合隐私和数据留存政策。Clio 隐私细节详见研究博客。
- 分析仅限于全球范围内绑定高等教育邮箱的账户（.edu、.ac.uk 等域名）。
- Clio 使用 Claude 自动过滤对话。此前的 Clio 论文详细说明并验证了这一机制。
- 数据来源：国家教育统计中心 (NCES)。
- 实验中实际使用的术语是「Transactional」和「Dialogic」。报告为便于理解改用「Direct」和「Collaborative」。
- 使用 Anderson 和 Krathwohl (2001) 修订版 的 Bloom 认知分类法。