现在，AI已经不仅仅是科研人员的专属工具，它也成为了大学生学习生活中不可或缺的伙伴。
随着AI在教育领域的普及，我们需要认真考虑一些关于学习方式、评估标准和技能培养的重要问题。
虽然目前的讨论主要依赖于调查和实验数据，但在真实学习环境中学生如何使用AI的直接证据却相对缺乏。
为了更好地理解这一现象，Anthropic进行了一项大规模的研究，重点分析了Claude.ai平台上百万条匿名学生对话记录。
这份报告总结了几个重要发现：
理工科背景的学生，尤其是计算机专业的学生，成为了Claude等AI工具的先行者。虽然计算机专业只占美国学位的5.4%，但在Claude.ai的对话中，这一比例竟然高达36.8%。相比之下，商科、健康科学和人文学科的学生使用AI的比例则明显较低。
同时，研究还识别出学生与AI互动的四种主要方式，每种方式的对话占比都相似（大约23-29%），包括直接解决问题、生成内容、协作解决问题和协作生成内容。
学生们使用AI的主要目的是创造新知识和进行深入分析，比如设计编程项目或解析法律概念。这也与布鲁姆分类法中强调的高阶认知能力相符。不过，这让人不禁思考：我们该如何防止学生过于依赖AI，失去锻炼自己思考能力的机会呢？
教育领域里的AI应用现状
在研究人们如何使用AI模型的过程中，保护用户隐私显得尤为重要。
Claude Insights and Observations（简称Clio）是一个自动分析工具，可以帮助我们更好地了解人们使用Claude时的具体情况。
Clio能够深入分析用户与Claude的对话，将其提炼成如“调试代码”、“解释经济概念”等高级别的总结，帮助我们发现AI的使用模式。
在这项研究中，Clio分析了来自Claude.ai免费和专业账户的约100万条匿名对话。
随后，进一步筛选出与学生学习密切相关的对话，比如课程作业和学术研究，最终获得了574,740条有效对话。
接着，Clio对这些对话进行了分类汇总，从多个角度提出了有价值的见解，包括不同学科在对话中的占比、学生与AI的互动方式差异，以及学生交给AI完成的任务类型等。
学生用AI做哪些事情？
研究显示，学生使用Claude的主要目的是跨学科地创建和优化教育内容，这类对话占比高达39.3%。
具体来说，他们常常会设计练习题、润色论文、总结学术材料等。
此外，33.5%的对话是让Claude提供作业的技术解答，比如帮助学生调试代码、修复编程错误、实现算法和数据结构，或者解答数学难题。
其中一些行为可能涉及到作弊的问题，后续会对此进行详细讨论。
另外，还有一部分学生使用Claude来分析和可视化数据（占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%）。
以下是各学科常见请求的详细分类。
各学科AI使用情况
通过对Claude.ai使用模式与美国各学科颁发学士学位的数量进行对比，发现计算机专业的使用率特别高。
虽然计算机专业在学士学位中只占5.4%，但在Claude.ai的对话中却占了38.6%。这可能是因为Claude在编程领域的表现非常出色。
自然科学和数学专业的学生在Claude.ai上的使用也高于这些专业的学生人数占比（分别为15.2%和9.2%）。
理工科的学生，尤其是计算机专业的学子，可能更早就开始将Claude应用于学习。
这可能与计算机学生对Claude的熟悉程度有关，同时AI在处理STEM任务时的表现也更为优异。
相较之下，商科相关对话在Claude.ai中的占比仅为8.9%，而商科学位在美国学士学位中占比高达18.6%，这说明Claude在商科领域的应用并不广泛。
学生与AI的互动方式
在分析学生与AI的互动时，我们识别出了四种不同的交互模式，具体的分类细节可以参考下图。
AI与学生的互动新模式
说到学生和AI的交流，大家可能没想到其实可以分成几种不同的方式哦！在这里，我们就来聊聊这四种交互模式。
首先是直接对话，简单来说，就是学生希望快速得到答案，解决自己的疑问；其次是协作对话，学生主动与AI交流，试图通过讨论来实现自己的目标。
接下来是交互的期望结果，主要分为两类。一类是解决问题，学生希望找到答案或解释；另一类则是生成输出，像是制作演示文稿或撰写论文这类较长的内容。
这四种交互模式的使用比例大致相当，都在23%到29%之间，显示出学生们在使用AI时真是各有各的需求。
与传统的搜索方式相比，AI的交互方式更加丰富，这为教育带来了新的可能性。
例如，学生可以用AI来解析哲学概念，帮助理解一些复杂的理论；还可以用AI来整理化学学习资料，帮助掌握知识；甚至在作业时，AI也能解读肌肉的解剖结构和生理功能。
不过，AI的使用也引发了一些新的挑战。比如，许多人关注一个问题：学生在多大程度上会利用AI来作弊？这个问题的答案并不简单，因为我们无法确切知道Claude给出的每个回答具体在学习中是怎么用的。
例如，直接寻求问题的答案，可能是学生在考试中作弊，也可能仅仅是在检查自己的作业；而想要生成成果的对话，可能是学生急于完成一篇论文，也可能是为了更深入地整理知识点。
至于协作对话是否算作弊，这又要看具体的课业规则了。
有趣的是，差不多47%的学生与AI的对话是直接对话，这说明很多时候他们只是想要一个简单的答案。虽然很多的交流是出于合理的学习目的，比如问一些概念性的问题或者生成学习指南，但也发现了一些比较令人担忧的情况。
比如，有些学生会让AI提供机器学习的选择题答案，或者直接获取英语测试的答案。还有人利用AI来改写商业文本，以避免抄袭检测。
这些现象引起了大家对学术诚信、批判性思维能力培养以及如何有效评估学生学习效果的讨论。
即使是在协作对话中，学习成果也会存在争议。例如，当学生求解概率和统计的作业问题时，虽然他们与AI进行了多次交流，但大部分的思考过程可能都是由AI完成的。
Anthropic将持续关注这些互动情况，努力判断哪些交流方式真正能够促进学习和批判性思维的培养。
不同学科的AI使用特点
其实，不同学科的学生与AI的互动方式也不尽相同。在自然科学和数学领域，学生通常会围绕解决问题进行对话，比如逐步计算特定的概率问题，或者为学术作业和考试题目提供详细解答。
而计算机科学、工程等专业的学生，更倾向于采用协作对话的方式。与此不同的是，人文、商业和健康领域的学生在这两种对话方式中选择得相对均衡。
在教育领域的对话中，生成输出的需求尤其突出，达到了74.4%。这可能与筛选方法有关，说明针对不同学科制定特定的AI教育策略，可能会有更好的效果。
学生在AI面前的认知任务
研究小组还探讨了学生将哪些认知任务交给AI来处理。他们采用了布鲁姆分类法，这是一种在教育领域中常用的框架，用于将认知过程从简单到复杂进行分类。
虽然这个框架最初是为学生的思维设计的，但经过调整后，它也用于分析Claude与学生的对话回复。
结果显示，Claude主要承担高阶认知功能，其中创造（39.8%）和分析（30.2%）是最常见的任务。相比之下，低阶认知任务的占比则相对较低，应用（10.9%）、理解（10.0%）和记忆（1.8%）。
像生成学术文本摘要、撰写论文反馈等任务，多数涉及创造性工作；而解决微积分问题、解释编程基础知识等则更多使用分析能力。
当然，虽然AI具有这些能力，但并不意味着学生不能自己掌握这些技能。其实，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。
然而，这也引发了对学生是否会过于依赖AI的担忧，进而影响他们的认知能力发展。毕竟，如果基础技能得不到有效锻炼，想要支撑高阶思维的发展就会变得困难。
抱歉，我无法满足该请求。
AI在学习中的应用确实很有趣，尤其是工程类学生的使用情况令人惊讶。不过，如何平衡AI的辅助作用和独立思考能力的培养，值得我们深思。
AI在教育中的应用越来越普遍，特别是在理工科领域。但我们也要警惕学生可能因此失去独立思考的机会，如何引导他们合理使用AI是个大挑战。
AI在学习中的确展现出强大的潜力，尤其是在创造和优化内容方面，但如何防止学生过度依赖，保持自主思考能力，真的是个大问题。
AI的介入极大丰富了学生的学习方式，尤其是在跨学科内容的创造上。但同时，我们也要关注如何引导学生使用AI而不是依赖它。
AI在教育中提供了很多便利，尤其是帮助学生解决复杂问题。不过，如何确保学生们不依赖AI，而是培养他们的思考能力，确实是个值得深思的挑战。
Claude.ai的研究揭示了学生使用AI的多样性，这为教育改革提供了新思路。不过，我们要警惕学生在便利中失去独立思考的能力，应该如何引导他们合理使用？
AI工具在学生学习中的应用确实令人印象深刻，尤其是跨学科内容的创造上。不过，如何在享受便利的同时，保持独立思考能力，仍需认真思考。
AI在学术研究中的应用真是个双刃剑，虽然可以提高效率，但也令我担心学生会不会因此忽视自己的思考能力。希望能找到一个合理的平衡点。