人工智能（AI）系统不再只是专业的科研工具，它们已经成为大学生日常学习中不可或缺的伙伴。随着AI更深入地融入教育环境，需要认真思考关于学习、评估和技能发展的重要问题。以往的讨论大多依赖于调查问卷和控制实验，而缺乏对学生在真实场景中如何自然地将AI融入学业工作的直接证据。为了弥补这一空白，研究进行了一项大规模研究，分析了Claude.ai上百万条匿名学生对话，旨在了解大学生真实世界中的AI使用模式。

一、哪些专业的学生更爱用AI?——STEM专业学生是先行者

教育报告显示，理工科（STEM）专业的学生是AI工具如Claude的早期采用者。尤其值得注意的是，计算机科学专业的学生使用比例远超其在全美学位授予数量中的占比（占学生对话的36.8%，而其学位数仅占美国总学位数的5.4%）。相比之下，商科、健康和人文专业的学生，其AI使用率相对于他们的入学人数来说较低。这可能反映出计算机科学领域对Claude的认知度更高，以及AI系统在理工科学生所从事的任务方面可能更具优势。

研究通过比较Claude.ai上的学科相关对话比例与美国大学相应专业的学生比例发现，计算机科学的使用最为不成比例地高。自然科学和数学的使用比例也高于学生的入学比例（分别为15.2%和9.2%）. 相反，商科相关的教育对话仅占总对话的8.9%，而其学位数却占18.6%。健康专业(5.5% vs.13.1%)和人文专业(6.4% vs.12.5%)的使用比例也低于其学生入学比例。

二、大学生都在用AI做什么?——创作、分析和解决问题是主要用途

研究发现，学生主要使用Claude来创建和改进教育内容（占对话的39.3%）。这通常包括设计练习题、编辑论文或总结学术材料。学生还经常使用Claude来获取学术作业的技术解释或解决方案（占33.5%）——例如，调试和修复代码错误，实现编程算法和数据结构，以及解释或解决数学问题。部分使用也可能涉及作弊行为。此外，还有一部分学生使用AI来分析和可视化数据(占11.0%)，支持研究设计和工具开发(占6.5%)，创建技术图表(占3.2%)，以及翻译或校对不同语言的内容(占2.4%)。

研究识别出学生与AI交互的四种模式，每种模式在数据中占比大致相等（各占23-29%的对话）:

• 直接问题解决:用户寻求快速解决问题。
• 直接输出创建:用户寻求生成较长的输出，如演示文稿或文章。
• 协作问题解决:用户积极与模型进行对话以实现目标。
• 协作输出创建:用户积极参与到内容创作过程中。

学生主要将AI系统用于创造（利用信息学习新知识）和分析（分解已知信息并识别关系），例如创建编码项目或分析法律概念。这与布鲁姆分类法中较高的认知功能相一致。然而，这也引发了关于如何确保学生不将关键认知任务外包给AI系统的问题。

三、AI在大学生学习中扮演什么角色?——辅助学习还是潜在的“拐杖”?

分析显示，学生与AI的交互方式因学科而异。例如，自然科学和数学专业的对话更倾向于问题解决，如求解具体的概率问题或学术作业中的习题。计算机科学、工程学以及自然科学和数学更倾向于协作式对话，而人文、商科和健康专业则在协作式和直接式对话之间分布较为均匀。教育学专业的对话则最倾向于输出创建（占74.4%），但这可能与研究的过滤方法有关，因为很多对话涉及创建教学材料和教案，表明教师也在使用Claude进行教学支持。

研究人员还根据布鲁姆分类法分析了学生委托给AI的认知任务。研究人员观察到AI展现出一种倒置的布鲁姆分类法模式:

• Claude主要完成较高阶的认知功能，其中**创造（39.8%）和分析(30.2%)**是最常见的操作。
• 较低阶的认知任务较少:应用（10.9%）、理解(10.0%)和记忆(1.8%)。

这种分布也因交互方式而异。正如预期的那样，输出创建任务（如生成学术文本摘要或论文反馈）更多地涉及创造功能。问题解决任务(如解决微积分问题或解释编程基础知识)更多地涉及分析功能。

尽管AI系统展现出这些技能，但这并不排除学生自己也参与这些技能——例如，共同创建一个项目，或使用AI生成的代码在其他情境中分析数据集。但这确实指出了学生将认知能力外包给AI的潜在担忧。人们有理由担心AI系统可能成为学生的“拐杖”，阻碍他们发展支持更高阶思维的基础技能。

需要注意的是，研究存在一些局限性。例如，数据集可能只捕捉到了早期采用者，不一定代表更广泛的学生群体。研究只分析了Claude.ai的使用情况，而学生可能使用其他AI工具。此外，由于隐私考虑，只分析了18天保留窗口内的数据。

结论与展望

研究的分析为了解大学生如何在真实世界中使用AI提供了一个概览。对AI在教育中的影响的理解还处于 начальном этапе。AI在以显著的方式赋能学习，例如支持学生的核聚变反应堆项目，并促进师生之间更好的沟通。

但是，研究也认识到，这些初步发现并不能完全揭示教育领域正在发生的深刻变革。随着学生将更高阶的认知任务委托给AI系统，一些根本性问题也随之出现:如何确保学生仍然发展基础认知和元认知技能?如何在AI赋能的世界中重新定义评估和作弊政策?如果AI系统几乎可以立即生成润色的文章或快速解决需要人工花费数小时才能完成的复杂问题，那么有意义的学习又是什么样的?。

这些发现有助于教育者、管理者和政策制定者之间正在进行的讨论，即如何确保AI深化而不是削弱学习。未来的研究将有助于我们更好地理解师生如何使用AI，其与学习成果的联系，以及对教育未来的长期影响。Anthropic也在积极与大学合作，通过实验“学习模式”等方式，探索AI在教育中的积极作用。