Let's Make AGI Real

报告日期： 2025年4月8日 (Anthropic教育报告发布日期)

撰写单位： Anthropic (主要研究方)

摘要 

本报告基于Anthropic于2025年4月8日发布的《教育报告》，结合其他相关研究资料，深入探讨了大型语言模型（LLM）Claude在高等教育环境中的实际应用模式及其对学习、评估和技能发展的影响。研究分析了100万份匿名学生与Claude AI助手的对话，其中包含574,740份高等教育相关的学术对话。

报告主要发现，STEM（科学、技术、工程、数学）领域的学生是AI工具的早期采纳者，其中计算机科学专业的学生使用Claude的比例显著高于其在学士学位授予者中的占比。学生与AI的互动模式多样，主要包括直接问题解决、直接输出创建、协作问题解决和协作输出创建四种。值得注意的是，近一半（47%）的对话属于“直接”互动，这引发了学生可能将高阶认知任务外包给AI的担忧，即AI主要承担布鲁姆分类法中的“创造”和“分析”等高级认知功能，而学生在“理解”和“记忆”等基础任务上的参与度较低，形成“倒置金字塔”模式。

此外，报告还发现教育者也开始使用AI进行课程开发、学术研究，甚至自动化评分。面对这些机遇与挑战，Anthropic已采取积极措施，包括成立高等教育咨询委员会、推出AI素养课程并开发“学习模式”，以促进AI在教育中的负责任应用。

报告强调，AI在教育中的整合是复杂的，需要教育者、开发者和学生之间持续的对话与合作，以确保AI能够深化而非损害学习体验。

1. 引言

人工智能（AI）的快速发展正在深刻影响全球各个领域，教育界也不例外。随着AI系统从专业研究工具演变为日常学术辅助工具，如何重新定义学习、评估和技能发展成为高等教育面临的核心问题。

为了填补传统调查和实验数据在真实世界AI使用模式上的空白，Anthropic公司于2025年4月8日发布了《教育报告》。这份报告基于对100万份匿名学生与Claude AI助手的对话进行分析，首次提供了关于AI在大学学习中实际应用的具体且数据驱动的洞察。

2. 研究方法

本报告的研究数据来源于Anthropic的《教育报告》，该报告利用其自动化分析工具Claude Insights and Observations (Cleo)，在保护用户隐私的前提下，对近574,740份与高等教育相关的学术对话进行了深入剖析。Cleo通过多层自动化流程移除用户私人信息，将对话提炼成高层次的使用摘要，从而发现AI的使用模式。报告还结合了来自东北大学22名早期采用AI的教职员工的调查数据和定性研究。

3. 主要发现

3.1. 学生群体中AI工具的采纳情况

• STEM学生是早期采纳者，且高度超额代表。

• 计算机科学专业的学生尤为突出，他们贡献了报告中近37%至38.6%的分析对话，而他们在全美学士学位授予者中仅占约5.4%。
• 自然科学和数学领域的学生也表现出较高的使用率（15.2%的对话占比 vs 9.2%的学位占比）。

3.2. 学生与AI的互动模式

报告识别出学生使用AI的四种主要互动模式，这些模式在数据中大致以相同的比例（各占约23%至29%）存在：

1. 直接问题解决（Direct Problem Solving）：学生寻求快速答案或特定问题的解决方案，例如调试代码或解决数学问题。
2. 直接输出创建（Direct Output Creation）：学生让AI直接生成内容，例如撰写文章的引言或总结研究论文。
3. 协作问题解决（Collaborative Problem Solving）：学生与AI进行互动对话，逐步解决复杂问题，寻求提示或探索不同方法。
4. 协作输出创建（Collaborative Output Creation）：学生与AI共同创作内容，例如集思广益、完善大纲或生成演示文稿的特定部分。

• “直接”互动模式的普遍性及潜在担忧：近一半（47%）的学生-AI对话属于“直接”交互，即寻求答案或内容，参与度最低。尽管其中部分对话具有合法的学习目的，但也发现学生寻求多选题答案、英语语言测试答案或通过改写文本避免抄袭等情况。这引发了对“思维外包”的担忧，即学生可能将重要的思考任务委托给AI。
• 学科间的互动模式差异：

• 自然科学和数学领域的学生倾向于将AI用于问题解决。
• 计算机科学、工程、自然科学和数学的学生更偏爱协作式对话。
• 人文、商业和健康领域的学生在直接和协作式互动之间分布更均匀。
• 教育领域的学生表现出对输出创建最强的偏好，占74.4%的对话。

3.3. AI承担的认知任务及布鲁姆分类法分析

Anthropic使用布鲁姆分类法（Bloom’s Taxonomy）分析Claude在学生对话中展现的认知功能，结果揭示了一种“倒置模式”：

• AI主要承担高阶认知任务：Claude最常执行的是高阶思维任务，其中“创造”（如编写草稿或代码）占近39.8%至40%，“分析”（如分析法律概念）占30%以上（30.2%）。
• 低阶任务频率较低：而“应用”（约10.9%）、“理解”（约10%）和“记忆”（约1.8%）等低阶任务的频率则显著降低。
• 深层担忧：这种“倒置金字塔”模式引发了严重担忧，即学生可能将关键认知任务外包给AI，从而阻碍了他们自身高阶思维技能的发展和基础知识的掌握。报告明确指出，如果AI总是完成金字塔顶部的任务，那么支撑金字塔底部的基石是否稳固？我们是否错过了学习中至关重要的基础环节？。世界经济论坛（World Economic Forum）指出，到2025年，70%的雇主认为分析性思维是最重要的技能，因此这种对批判性思维技能的潜在长期影响尤其令人担忧。

3.4. 教育者对AI的使用

AI对教育的影响不仅限于学生，教育者也在积极探索其应用。Anthropic的报告发现，在2025年5月至6月期间，约有7.4万份与高等教育邮件账户关联的对话涉及教育任务。

• 主要用途：教师最常见的AI使用场景是课程开发（57%）和学术研究（13%）。报告指出，教育领域近四分之三的对话（74.4%）属于输出创建类别，表明AI在协助生成教学材料和教案方面表现突出。
• 争议性用途——自动化评分：一个出人意料但引人关注的发现是，有7%的教育者使用Claude来“评估学生表现”，包括给予反馈、对照评分标准进行评分和总结评估。其中，近一半（48.9%）的教育者甚至将评分任务自动化。

• 担忧与矛盾：尽管调查显示教职员工对AI在该领域的有效性评价最低，且许多教师普遍认为AI用于评分并非明智之举，但这种自动化趋势依然存在。Anthropic对此表示担忧，认为将如此敏感的教学环节交给AI可能不被推荐。有教授指出，这涉及道德问题和准确性问题，因为学生支付学费是为了获得教授的指导，而非AI的代劳。

4. Anthropic的回应与未来举措

为应对AI在教育中带来的机遇与挑战，Anthropic正积极采取多项措施，力求在技术创新与教育伦理之间找到平衡点：

1. 成立高等教育咨询委员会（Higher Education Advisory Board）：

• 目的：该委员会于2025年7月成立，旨在指导AI工具的开发，确保其在提升教育体验的同时，维护学术标准、促进道德实践并保护学生诚信和隐私。
• 组成：委员会由著名的前耶鲁大学校长兼Coursera领导者Rick Levin担任主席，成员包括来自斯坦福大学、密歇根大学、德克萨斯大学奥斯汀分校、莱斯大学和Complete College America等知名学府的学术领袖。

2. 推出AI素养课程（AI Fluency Courses）：

• 目的：与咨询委员会的成立同步推出，这些课程专为高等教育的教师和学生量身定制，旨在培养他们负责任、深思熟虑和合乎道德地采用AI技术所需的实用技能和框架。

3. 开发Claude的“学习模式”（Learning Mode）：

• 特点：Anthropic正在试验一种“学习模式”，强调苏格拉底教学法和概念理解，而非直接提供答案。这一模式旨在帮助学生培养批判性思维，获得更深层次的理解。

4. 与大学建立合作关系：Anthropic正与多所大学合作，以更好地理解和解决AI在实际教育环境中的实施挑战。目前，包括伦敦政治经济学院、东北大学和尚普兰学院等机构已开始引入Claude for Education。

5. 公众反响与未来展望

Anthropic在高等教育领域的这些举措获得了广泛关注和普遍赞扬。社交媒体上的学术专业人士和AI伦理学家普遍认为，这是将AI负责任地整合到教育中的必要一步，并赞扬了Rick Levin等知名人物的参与。

然而，公众讨论中也伴随着一些谨慎乐观和担忧：

• 过度依赖：有人担心学生过度依赖AI技术，导致学习成果受损。
• 持续评估：呼吁对AI对教育成果的影响进行持续评估，以确保人类监督在教学中仍发挥核心作用。
• 包容性：还有评论指出，这些举措必须对资源较少的机构开放，以确保更广泛的社会效益。
• 作弊问题：Reddit等公共论坛上对学生利用AI作弊的讨论激烈。有观点认为AI降低了作弊门槛，可能导致能力下降；也有观点认为，鉴于教师和招聘经理也使用AI，学生使用AI是公平竞争，且AI能帮助弥补学习障碍。
• 学习和教育的重新定义：许多评论呼吁教育系统需要重新思考学习和智能的定义，从侧重记忆转向侧重如何获取和利用知识，强调批判性思维和基础知识的平衡。
• 教师的适应性：教授和教师需要改变教学方法，设计鼓励AI使用而非作弊的作业，并将AI融入教学流程。

专家预测，AI素养将很快成为高等教育的基石。那些积极采纳全面AI政策的大学有望在创新和学生成果方面脱颖而出。AI公司也在积极推动学生早期和频繁地使用他们的AI工具，以期在学生毕业进入职场后，这些工具能成为他们日常工作流程的一部分，从而建立品牌忠诚度。

6. 本报告的局限性

本报告的研究基于真实世界数据，在发现的有效性方面具有优势，但也存在以下局限性：

• 采纳者偏差：数据集可能主要捕获了AI的早期采纳者，可能无法代表更广泛的学生群体。
• AI工具范围：研究仅限于Claude AI，未能反映学生在其他AI工具（如ChatGPT）上的总体使用模式。
• 分类挑战：对话分类方法可能存在假阳性或假阴性，部分对话可能来自教职员工而非学生。
• 时间窗限制：数据分析仅限于一个18天的时间窗口，学生的使用模式可能在一年中随学业承诺波动。
• 未衡量学习成果：报告未深入研究学生最终如何使用AI输出以及这些对话对实际学习成果的影响。
• 学科交叉性：将对话归类到单一学科可能无法完全捕捉跨学科工作中的AI使用模式。
• 布鲁姆分类法应用：将布鲁姆分类法应用于AI的认知过程可能存在不完善之处。

7. 结论与建议

Anthropic的教育报告揭示了AI在高等教育中复杂且多维的作用。AI带来了显著的效率提升和新的学习机会，但也带来了学术诚信、核心认知技能发展和评估方式重塑等方面的严峻挑战。

为了确保AI能够真正深化而非损害学习体验，本报告提出以下建议：

• 促进批判性参与：开发鼓励学生批判性思维和分析性思考的教育功能，而非仅仅提供答案。
• 支持技能发展：设计能够触发问题解决和分析性思维过程的教育特色，帮助学生培养核心认知技能。
• 强调AI局限性：明确指出AI输出的局限性和不准确性，培养学生验证AI生成内容的能力。
• 保护学术诚信：制定明确的政策和指导方针，保护知识产权和学术诚信。
• 持续研究与对话：鼓励教育者、开发者和学生之间持续的对话与合作，共同探索AI在教育中的最佳实践和长期影响。

教育者需要积极应对AI带来的变革，重新设计课程作业和评估方法，以确保学生在AI赋能的世界中依然能够发展出不可或缺的批判性思维、概念理解和独立学习能力。