该报告基于2024年9月至12月近百万条匿名对话，分析了大学生如何与Anthropic的AI模型Claude互动，揭示了使用模式、学科趋势以及AI在高等教育中的影响。

📘 报告概览

  • 数据来源：报告分析了通过Claude.ai进行的约100万条学生对话，其中57.47万条与教育相关。数据经过匿名处理，使用Anthropic的隐私保护工具Clio进行分析，确保不涉及个人信息。
  • 时间范围：数据覆盖2024年9月至12月，完整记录了一个学期的使用情况。
  • 人群聚焦：主要反映美国大学生行为，80%的对话来自美国，且用户多拥有.edu邮箱。
  • 伦理考量：Anthropic避免人工检查对话内容，采用自动化方法分类和分析，确保隐私。
  • 研究目的：理解大学生在真实环境中如何自然地将 AI 融入学习，而不仅仅依赖调查问卷或实验室模拟

🎯 主要发现要点

1️⃣ 使用人群画像

学科特定趋势

  • STEM领域主导：STEM相关对话占67%，其中计算机科学占38.6%，远超其在美国学士学位获得者中的比例（5.4%），显示学生对Claude在编程和技术任务中的高度依赖。

    • 计算机科学：学生常请求代码调试、算法解释或项目帮助（如开发应用或数据分析）。
    • 数学与物理：Claude用于逐步解决微积分、线性代数和物理问题。
  • 人文学科与社会科学：占22%，学生寻求论文起草、文学分析或社会学概念解释的帮助。
  • 商科及其他：商科相关查询（如营销计划、财务分析）占11%，多涉及案例研究等实用应用。
  • 跨学科使用：Claude的灵活性支持跨学科任务，如分析经济数据或为心理学实验编写代码。

2️⃣学生使用 Claude 的用途分布

学生使用行为的关键发现

  • 均衡的学习模式：学生使用Claude的方式大致分为四类，每类约占25%：

    1. 创建与改进内容（39.3%）：学生起草论文、优化论点或生成学习材料，常请求结构或清晰度的反馈。
    2. 技术解释与解决方案（33.5%）：Claude被用于解决问题或解释概念，尤其在STEM领域如计算机科学和数学。
    3. 探索与头脑风暴（14.9%）：学生利用Claude生成项目、论文或创意作业的灵感。
    4. 总结与概念解释（12.3%）：Claude帮助分解复杂主题或总结阅读内容，提升理解。
  • 直接与迭代互动：近一半（47%）的互动为单次直接提问，其余为多次跟进的迭代对话，表明学生既将其作为快速参考，也作为深度学习伙伴。

3️⃣ 四种主要交互模式（交叉两维度）

两大维度：

  1. 交互方式：

    • Direct（直接）：只想尽快获取答案
    • Collaborative（协作）：与 AI 多轮对话、共同推进任务

  2. 任务目标：

    • Problem Solving（解题型）
    • Output Creation（内容输出型）

四种交互类型组合（每类占比 23%-29%）：

  1. 直接解题：最容易被误用为作弊，如“给我这道选择题的正确答案”
  2. 直接生成：如“一篇1500字关于资本主义的论文”
  3. 协作解题：逐步讨论统计题或程序调试

  4. 协作生成：共写论文、设计教学方案等

约 47% 的对话为“直接型”，这类互动更易引发学术诚信担忧

传统搜索引擎仅支持直接解题，Claude 提供更多教育交互可能性。

4️⃣布鲁姆认知层级（Bloom’s Taxonomy）分析

Claude 在学生对话中执行的认知任务分布：

担忧：

  • Claude 被用于“代替”而非“辅助”高阶认知任务，可能削弱学生的批判性思维发展
  • 形成“倒金字塔”：学生放弃底层技能，长期风险更大

5️⃣ 不同学科的使用行为差异

⚠️ 教育挑战与风险

  • 直接答案的担忧：47%的互动涉及学生寻求直接答案，可能引发学术诚信问题。例如，部分提问要求完整作业答案，可能绕过学习过程。
  • 支持批判性思维：为应对此问题，Anthropic推出“学习模式”（与报告同步发布），通过苏格拉底式提问引导学生得出答案，而非直接提供。该模式要求学生解释推理或提供证据，促进深度参与。
  • 技能提升：53%的迭代对话表明，Claude通过反馈和修改建议，帮助学生提升写作、编程和问题解决能力。

  1. 作弊边界模糊：

    • Claude 回答试题 vs 学生核对练习题 → 辨别困难
    • 模仿反剽窃技术重写文本的情况被检测到

  2. 教学评估面临重构压力：

    • 如果 AI 可自动写出高质量论文，传统考试与作业形式需要全面重审

  3. 学生技能培养被替代？

    • 大量使用 Claude 可能使学生放弃学习“如何解决问题”，而只学“如何提问 AI”

💬 教师与学生之间的分歧

  • 学生：认为 Claude 是学习加速器、导师、纠错者、代码检查助手
  • 教师：担忧其弱化学习动机、作弊风险高、影响评分公平

🧪 Anthropic 的建议与未来探索方向

  1. 推动“协作式学习模式”而非直接输出
  2. 尝试“学习模式（Learning Mode）”：启用苏格拉底式对话，鼓励思考而非直接答案
  3. 与大学建立合作研究项目
  4. 呼吁制定学术机构 AI 使用政策：涵盖授权、使用范围、教学设计、评估标准等

报告局限性说明（研究限制）

  1. 数据仅反映“早期采用者”行为
  2. 使用对象不完全确定为学生（部分为教师）
  3. 仅涵盖 Claude.ai，忽略 ChatGPT、Copilot 等工具使用
  4. 时间窗口短（18天），不代表学期全貌
  5. 仅关注“AI 做了什么”，无法知晓学生是否有效吸收/使用
  6. 布鲁姆分类用于 AI 响应有一定局限
  7. 大学对 AI 的政策差异可能影响使用方式

完整报告：https://www.anthropic.com/news/anthropic-education-report-how-university-students-use-claude