Báo cáo Giáo dục của Anthropic: Cách sinh viên đại học sử dụng Claude

Các hệ thống AI không còn chỉ là công cụ nghiên cứu chuyên biệt mà đã trở thành bạn đồng hành học tập hàng ngày. Khi AI ngày càng tích hợp sâu hơn vào môi trường giáo dục, chúng ta cần xem xét những câu hỏi quan trọng về việc học tập, đánh giá và phát triển kỹ năng. Cho đến nay, hầu hết các cuộc thảo luận đều dựa trên khảo sát và thí nghiệm có kiểm soát thay vì bằng chứng trực tiếp về cách sinh viên tích hợp AI vào công việc học tập của họ trong thực tế.

Để giải quyết khoảng trống này, chúng tôi đã thực hiện một trong những nghiên cứu quy mô lớn đầu tiên về các mô hình sử dụng AI trong thực tế tại giáo dục đại học, phân tích một triệu cuộc trò chuyện ẩn danh trên Claude.ai.

Các phát hiện chính từ Báo cáo Giáo dục của chúng tôi bao gồm:

• Sinh viên STEM là những người tiên phong áp dụng các công cụ AI như Claude, đặc biệt là sinh viên Khoa học Máy tính (chiếm 36,8% số cuộc trò chuyện của sinh viên trong khi chỉ chiếm 5,4% số bằng cấp tại Hoa Kỳ). Ngược lại, sinh viên Kinh doanh, Y tế và Nhân văn cho thấy tỷ lệ áp dụng thấp hơn so với số lượng sinh viên đăng ký.
• Chúng tôi đã xác định được bốn mô hình tương tác mà sinh viên sử dụng với AI, mỗi mô hình chiếm tỷ lệ xấp xỉ bằng nhau trong dữ liệu của chúng tôi (mỗi loại chiếm 23-29% số cuộc trò chuyện): Giải quyết vấn đề trực tiếp, Tạo đầu ra trực tiếp, Giải quyết vấn đề hợp tác và Tạo đầu ra hợp tác.
• Sinh viên chủ yếu sử dụng hệ thống AI để sáng tạo (sử dụng thông tin để học điều mới) và phân tích (phân tích những gì đã biết và xác định mối quan hệ), chẳng hạn như tạo các dự án mã hóa hoặc phân tích các khái niệm luật pháp. Điều này phù hợp với các chức năng nhận thức bậc cao trong Taxonomy Bloom. Điều này đặt ra câu hỏi về việc đảm bảo sinh viên không giao phó các nhiệm vụ nhận thức quan trọng cho hệ thống AI.

Xác định cách sử dụng AI trong giáo dục

Khi nghiên cứu cách mọi người sử dụng mô hình AI, việc bảo vệ quyền riêng tư của người dùng là điều tối quan trọng. Đối với dự án này, chúng tôi đã sử dụng Claude Insights and Observations, hay “Clio”, công cụ phân tích tự động của chúng tôi cung cấp thông tin chi tiết về cách mọi người đang sử dụng Claude. Clio cho phép khám phá từ dưới lên các mẫu sử dụng AI bằng cách chắt lọc các cuộc trò chuyện của người dùng thành các tóm tắt sử dụng cấp cao, chẳng hạn như “gỡ lỗi mã” hoặc “giải thích các khái niệm kinh tế”. Clio sử dụng quy trình tự động nhiều lớp để loại bỏ thông tin cá nhân khỏi các cuộc trò chuyện. Chúng tôi đã xây dựng quy trình này để giảm thiểu thông tin chuyển từ lớp này sang lớp khác. Chúng tôi mô tả thiết kế ưu tiên quyền riêng tư của Clio trong bài đăng blog trước đây.

Chúng tôi đã sử dụng Clio để phân tích khoảng một triệu cuộc trò chuyện ẩn danh1 từ các tài khoản Claude.ai Miễn phí và Pro được liên kết với địa chỉ email của các trường đại học.2 Sau đó, chúng tôi đã lọc các cuộc trò chuyện này để xác định tính liên quan đến sinh viên và học thuật — chẳng hạn như liệu cuộc trò chuyện có liên quan đến bài tập về nhà hoặc nghiên cứu học thuật hay không — thu về 574.740 cuộc trò chuyện.3 Sau đó, Clio nhóm các cuộc trò chuyện này để rút ra những hiểu biết tổng hợp liên quan đến giáo dục: các môn học khác nhau được đại diện như thế nào; cách tương tác giữa sinh viên và AI khác nhau; và các loại nhiệm vụ nhận thức mà sinh viên giao cho hệ thống AI.

Sinh viên sử dụng AI vào việc gì?

Chúng tôi nhận thấy sinh viên chủ yếu sử dụng Claude để tạo và cải thiện nội dung giáo dục trên các lĩnh vực (39,3% số cuộc trò chuyện). Điều này thường bao gồm việc thiết kế câu hỏi thực hành, chỉnh sửa bài luận hoặc tóm tắt tài liệu học thuật. Sinh viên cũng thường xuyên sử dụng Claude để cung cấp các giải thích kỹ thuật hoặc giải pháp cho các bài tập học thuật (33,5%) — làm việc với AI để gỡ lỗi và sửa lỗi trong các bài tập mã hóa, triển khai các thuật toán và cấu trúc dữ liệu lập trình, cũng như giải thích hoặc giải các bài toán toán học. Một phần trong số việc sử dụng này có thể là gian lận, điều mà chúng tôi sẽ thảo luận bên dưới. Một phần nhỏ hơn nhưng vẫn đáng kể trong việc sử dụng của sinh viên là để phân tích và trực quan hóa dữ liệu (11,0%), hỗ trợ thiết kế nghiên cứu và phát triển công cụ (6,5%), tạo sơ đồ kỹ thuật (3,2%) và dịch hoặc hiệu đính nội dung giữa các ngôn ngữ (2,4%).

Dưới đây là phân tích chi tiết hơn về các yêu cầu phổ biến trên các môn học.

Mức sử dụng AI trên các ngành học thuật

Tiếp theo, chúng tôi xem xét những môn học nào cho thấy việc sử dụng Claude không tương xứng. Chúng tôi đã làm điều này bằng cách so sánh các mẫu sử dụng Claude.ai với số lượng bằng cử nhân Hoa Kỳ được cấp.4 Việc sử dụng Claude nhiều nhất và không tương xứng là trong Khoa học Máy tính: mặc dù chiếm chỉ 5,4% bằng cử nhân Hoa Kỳ, Khoa học Máy tính chiếm 38,6% số cuộc trò chuyện trên Claude.ai (điều này có thể phản ánh thế mạnh đặc biệt của Claude trong việc lập trình máy tính). Khoa học Tự nhiên và Toán học cũng cho thấy sự đại diện cao hơn trên Claude.ai so với số lượng sinh viên đăng ký (tương ứng 15,2% so với 9,2%).

Ngược lại, các cuộc trò chuyện giáo dục liên quan đến Kinh doanh chỉ chiếm 8,9% số cuộc trò chuyện mặc dù chiếm 18,6% bằng cử nhân, cho thấy việc sử dụng Claude thấp một cách không tương xứng. Y tế (5,5% so với 13,1%) và Nhân văn (6,4% so với 12,5%) cũng ít được đại diện hơn so với số lượng sinh viên đăng ký trong các lĩnh vực này.

Những mô hình này cho thấy sinh viên STEM, đặc biệt là những người trong Khoa học Máy tính, có thể là những người sớm áp dụng Claude cho mục đích giáo dục, trong khi sinh viên trong các lĩnh vực Kinh doanh, Y tế và Nhân văn có thể tích hợp các công cụ này chậm hơn vào quy trình làm việc học thuật của họ. Điều này có thể phản ánh nhận thức cao hơn về Claude trong cộng đồng Khoa học Máy tính, cũng như khả năng thành thạo cao hơn của hệ thống AI trong các nhiệm vụ mà sinh viên STEM thực hiện so với những nhiệm vụ mà sinh viên trong các lĩnh vực khác thực hiện.

Cách sinh viên tương tác với AI

Có nhiều cách để tương tác với AI, và chúng sẽ ảnh hưởng khác nhau đến quá trình học tập. Trong phân tích của chúng tôi về cách sinh viên tương tác với AI, chúng tôi đã xác định được bốn kiểu tương tác riêng biệt, mà chúng tôi phân loại theo hai trục khác nhau, như thể hiện trong hình dưới đây.

Trục đầu tiên là “phương thức tương tác”. Điều này có thể bao gồm:5 (1) Trực tiếp đàm thoại, nơi người dùng tìm cách giải quyết yêu cầu của họ nhanh nhất có thể, và (2) đàm thoại Hợp tác, nơi người dùng chủ động tìm kiếm đối thoại với mô hình để đạt được mục tiêu của họ. Trục thứ hai là “kết quả mong muốn” của tương tác. Điều này có thể bao gồm: (1) Giải quyết vấn đề, nơi người dùng tìm kiếm giải pháp hoặc lời giải thích cho các câu hỏi, và (2) Tạo đầu ra, nơi người dùng tìm cách tạo ra các đầu ra dài hơn như bài thuyết trình hoặc bài luận. Kết hợp hai trục mang lại cho chúng tôi bốn mô hình được trình bày bên dưới.

Bốn kiểu tương tác này được thể hiện với tỷ lệ tương tự nhau (mỗi loại từ 23% đến 29% số cuộc trò chuyện), cho thấy phạm vi sử dụng mà sinh viên có với AI. Trong khi tìm kiếm web truyền thống thường chỉ cung cấp các câu trả lời trực tiếp, hệ thống AI cho phép nhiều loại tương tác đa dạng hơn và mang lại các cơ hội giáo dục mới. Một số ví dụ học tập tích cực được chọn bao gồm:

• Giải thích và làm rõ các khái niệm và lý thuyết triết học
• Tạo ra các tài nguyên giáo dục và tài liệu học tập hóa học toàn diện
• Giải thích các khái niệm giải phẫu, sinh lý học và chức năng của cơ bắp cho các bài tập học thuật

Đồng thời, hệ thống AI cũng đặt ra những thách thức mới. Một câu hỏi phổ biến là: “sinh viên sử dụng AI để gian lận ở mức độ nào?” Điều này rất khó trả lời, đặc biệt là khi chúng ta không biết bối cảnh giáo dục cụ thể mà mỗi phản hồi của Claude đang được sử dụng. Ví dụ, một cuộc trò chuyện Giải quyết vấn đề trực tiếp có thể là để gian lận trong một bài kiểm tra tại nhà… hoặc để sinh viên kiểm tra lại công việc của họ trên một bài kiểm tra thực hành. Một cuộc trò chuyện Tạo đầu ra trực tiếp có thể là để tạo một bài luận từ đầu… hoặc để tạo các bản tóm tắt kiến thức cho nghiên cứu bổ sung. Việc một cuộc trò chuyện Hợp tác có cấu thành gian lận hay không cũng có thể phụ thuộc vào các chính sách của khóa học cụ thể.

Mặc dù vậy, gần một nửa (~47%) số cuộc trò chuyện giữa sinh viên và AI là Trực tiếp — tức là tìm kiếm câu trả lời hoặc nội dung với sự tham gia tối thiểu. Trong khi nhiều cuộc trò chuyện này phục vụ các mục đích học tập hợp pháp (như đặt câu hỏi khái niệm hoặc tạo hướng dẫn học tập), chúng tôi đã tìm thấy các ví dụ trò chuyện trực tiếp đáng lo ngại bao gồm:

• Cung cấp câu trả lời cho các câu hỏi trắc nghiệm học máy
• Cung cấp câu trả lời trực tiếp cho các câu hỏi kiểm tra ngôn ngữ tiếng Anh
• Viết lại các văn bản marketing và kinh doanh để tránh bị phát hiện đạo văn

Những điều này đặt ra những câu hỏi quan trọng về tính chính trực học thuật, sự phát triển của các kỹ năng tư duy phản biện và cách tốt nhất để đánh giá kết quả học tập của sinh viên. Ngay cả các cuộc trò chuyện Hợp tác cũng có thể có kết quả học tập đáng ngờ. Ví dụ, “giải các bài toán xác suất và thống kê với lời giải thích,” có thể bao gồm nhiều lượt trò chuyện giữa AI và sinh viên, nhưng vẫn giao phó đáng kể việc suy nghĩ cho AI. Chúng tôi sẽ tiếp tục nghiên cứu các tương tác này và cố gắng phân biệt rõ hơn những tương tác nào đóng góp vào việc học tập và phát triển tư duy phản biện.

Các mô hình sử dụng AI theo từng môn học

Sinh viên từ các ngành khác nhau tương tác với AI theo những cách khác nhau:

• Các cuộc trò chuyện Khoa học Tự nhiên & Toán học có xu hướng Giải quyết vấn đề, chẳng hạn như “giải các bài toán xác suất cụ thể với các bước tính toán từng bước” và “giải các bài tập về nhà hoặc bài kiểm tra học thuật với lời giải thích từng bước”.
• Khoa học Máy tính, Kỹ thuật, và Khoa học Tự nhiên & Toán học nghiêng về các cuộc trò chuyện Hợp tác, trong khi Nhân văn, Kinh doanh và Y tế cân bằng hơn giữa các cuộc trò chuyện Hợp tác và Trực tiếp.
• Giáo dục cho thấy sự ưu tiên mạnh mẽ nhất đối với Tạo đầu ra, chiếm 74,4% số cuộc trò chuyện. Tuy nhiên, việc sử dụng này có thể bắt nguồn từ những thiếu sót trong phương pháp lọc của chúng tôi. Nhiều cuộc trò chuyện này bao gồm “tạo tài liệu giảng dạy và tài nguyên giáo dục toàn diện” và “tạo kế hoạch bài giảng chi tiết”, cho thấy giáo viên cũng đang sử dụng Claude để hỗ trợ giáo dục. Tổng cộng, Giáo dục chiếm 3,8% tổng số cuộc trò chuyện.

Điều này gợi ý rằng các phương pháp giáo dục để tích hợp AI có thể sẽ được hưởng lợi nếu chúng mang tính đặc thù cho từng ngành. Dữ liệu của chúng tôi là bước đầu tiên giúp nhận diện những khác biệt trong cách sinh viên trên các môn học tương tác với AI.

Nhiệm vụ nhận thức mà sinh viên giao cho AI

Chúng tôi cũng đã khám phá cách sinh viên giao phó trách nhiệm nhận thức cho hệ thống AI. Chúng tôi đã sử dụng Taxonomy Bloom,6 một khuôn khổ phân cấp được sử dụng trong giáo dục để phân loại các quá trình nhận thức từ đơn giản đến phức tạp hơn. Mặc dù khuôn khổ này ban đầu được dành cho tư duy của sinh viên, chúng tôi đã điều chỉnh nó để phân tích phản hồi của Claude khi trò chuyện với sinh viên.

Chúng tôi thấy một mô hình đảo ngược của các lĩnh vực Taxonomy Bloom được thể hiện bởi AI:

• Claude chủ yếu hoàn thành các chức năng nhận thức bậc cao, với Sáng tạo (39,8%) và Phân tích (30,2%) là các hoạt động phổ biến nhất từ Taxonomy Bloom.
• Các nhiệm vụ nhận thức bậc thấp hơn ít phổ biến hơn: Ứng dụng (10,9%), Hiểu (10,0%) và Ghi nhớ (1,8%).

Sự phân bố này cũng thay đổi theo phong cách tương tác. Như mong đợi, các nhiệm vụ Tạo đầu ra, chẳng hạn như tạo bản tóm tắt văn bản học thuật hoặc phản hồi về bài luận, liên quan đến nhiều chức năng Sáng tạo hơn. Các nhiệm vụ Giải quyết vấn đề, chẳng hạn như giải các bài toán giải tích hoặc giải thích các khái niệm lập trình cơ bản, liên quan đến nhiều chức năng Phân tích hơn.

Việc hệ thống AI thể hiện những kỹ năng này không có nghĩa là sinh viên không thể tự mình tham gia vào các kỹ năng đó — ví dụ, cùng nhau tạo ra một dự án hoặc sử dụng mã do AI tạo để phân tích một bộ dữ liệu trong một bối cảnh khác — nhưng nó cho thấy những lo ngại tiềm ẩn về việc sinh viên chuyển giao khả năng nhận thức cho AI. Có những lo ngại chính đáng rằng hệ thống AI có thể trở thành một chỗ dựa cho sinh viên, cản trở sự phát triển của các kỹ năng nền tảng cần thiết để hỗ trợ tư duy bậc cao. Xét cho cùng, một kim tự tháp đảo ngược có thể bị lật đổ.

Hạn chế

Nghiên cứu của chúng tôi dựa trên dữ liệu thực tế. Điều này mang lại nhiều lợi ích về tính hợp lệ của các phát hiện của chúng tôi và ứng dụng của chúng vào bối cảnh giáo dục. Tuy nhiên, nó cũng đi kèm với những hạn chế có thể ảnh hưởng đến phạm vi các phát hiện của chúng tôi:

• Bộ dữ liệu của chúng tôi có khả năng nắm bắt những người tiên phong áp dụng ban đầu và có thể không đại diện cho toàn bộ sinh viên;
• Không rõ mức độ đại diện của việc sử dụng Claude so với việc sử dụng AI tổng thể trong giáo dục — nhiều sinh viên sử dụng các công cụ AI khác ngoài Claude.ai, có nghĩa là chúng tôi chỉ trình bày một phần cái nhìn về các mô hình tương tác AI tổng thể của họ;
• Rất có khả năng có cả dương tính giả và âm tính giả trong cách phân loại các cuộc trò chuyện. Chúng tôi dựa vào các cuộc trò chuyện từ các tài khoản được liên kết với địa chỉ email của các trường đại học: một số trong số này được bộ phân loại của chúng tôi coi là liên quan đến sinh viên có thể thực sự là của nhân viên hoặc giảng viên. Hơn nữa, các cuộc trò chuyện khác của sinh viên có thể nằm trên các tài khoản được liên kết với địa chỉ email không thuộc trường đại học;
• Do các cân nhắc về quyền riêng tư, chúng tôi chỉ phân tích việc sử dụng Claude.ai trong một cửa sổ lưu giữ duy nhất là 18 ngày. Việc sử dụng của sinh viên có khả năng khác nhau trong suốt cả năm khi các cam kết giáo dục của họ thay đổi;
• Chúng tôi chỉ nghiên cứu các nhiệm vụ mà sinh viên giao cho AI, không phải cách họ cuối cùng sử dụng đầu ra của AI trong công việc học tập của họ hoặc liệu các cuộc trò chuyện này có hỗ trợ hiệu quả các kết quả học tập hay không;
• Việc phân loại các cuộc trò chuyện giữa sinh viên và AI thành các ngành học thuật có thể không nắm bắt đầy đủ các công việc liên ngành nơi các mô hình sử dụng AI có thể khác biệt đáng kể;
• Việc áp dụng Taxonomy Bloom cho các quá trình nhận thức của AI, thay vì của sinh viên, là không hoàn hảo. Các kỹ năng như Ghi nhớ khó định lượng hơn trong bối cảnh hệ thống AI.

Các chính sách của tổ chức về việc sử dụng AI trong giáo dục rất khác nhau và có thể ảnh hưởng đáng kể đến các mô hình mà chúng tôi quan sát được theo những cách mà chúng tôi không thể đo lường trong bộ dữ liệu này.

Kết luận và định hướng tương lai

Phân tích của chúng tôi cung cấp một cái nhìn tổng quan về việc sinh viên đang sử dụng AI ở đâu và như thế nào trong thế giới thực. Chúng tôi nhận ra rằng chúng ta chỉ mới bắt đầu hiểu tác động của AI đối với giáo dục.

Chúng tôi đã thấy qua các cuộc thảo luận với sinh viên và các nhà giáo dục rằng AI có thể trao quyền cho việc học tập theo những cách đáng kể. Ví dụ, AI đã được sử dụng để hỗ trợ dự án lò phản ứng nhiệt hạch của một sinh viên, và để tạo điều kiện cho giao tiếp tốt hơn giữa sinh viên và giáo viên trong lớp học.

Nhưng chúng tôi không ảo tưởng rằng những phát hiện ban đầu này hoàn toàn giải quyết được những thay đổi sâu sắc đang diễn ra trong giáo dục. AI đang làm cho cuộc sống của các nhà giáo dục trở nên thử thách hơn theo nhiều cách, và nghiên cứu này không hoàn toàn nắm bắt được chúng. Khi sinh viên giao phó các nhiệm vụ nhận thức bậc cao cho hệ thống AI, các câu hỏi cơ bản nảy sinh: Làm thế nào để chúng ta đảm bảo sinh viên vẫn phát triển các kỹ năng nhận thức và siêu nhận thức nền tảng? Làm thế nào để chúng ta định nghĩa lại các chính sách đánh giá và gian lận trong một thế giới được hỗ trợ bởi AI? Ý nghĩa của việc học tập có ý nghĩa là gì nếu hệ thống AI có thể tạo ra các bài luận trau chuốt gần như ngay lập tức, hoặc nhanh chóng giải quyết các vấn đề phức tạp mà một người phải mất nhiều giờ làm việc? Khi khả năng của mô hình phát triển và AI ngày càng tích hợp vào cuộc sống của chúng ta, liệu mọi thứ từ thiết kế bài tập về nhà đến phương pháp đánh giá có thay đổi căn bản không?

Những phát hiện này đóng góp vào các cuộc thảo luận đang diễn ra giữa các nhà giáo dục, quản trị viên và các nhà hoạch định chính sách về cách chúng ta có thể đảm bảo AI làm sâu sắc thêm, thay vì làm suy yếu, việc học tập. Nghiên cứu sâu hơn sẽ giúp chúng ta hiểu rõ hơn về cách cả sinh viên và giáo viên sử dụng AI, mối liên hệ với kết quả học tập và những hàm ý lâu dài đối với tương lai của giáo dục.

Cách tiếp cận giáo dục của Anthropic

Ngoài Báo cáo Giáo dục này, chúng tôi đang hợp tác với các trường đại học để hiểu rõ hơn về vai trò của AI trong giáo dục. Là một bước đi sớm, chúng tôi đang thử nghiệm Chế độ Học tập nhấn mạnh phương pháp Socrates và hiểu biết khái niệm thay vì các câu trả lời trực tiếp. Chúng tôi mong muốn hợp tác với các trường đại học trong các nghiên cứu trong tương lai và nghiên cứu trực tiếp hơn về ảnh hưởng của AI đối với việc học.

Bibtex

Nếu bạn muốn trích dẫn bài đăng này, bạn có thể sử dụng khóa Bibtex sau:

@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},
}

Lời cảm ơn

Kunal Handa* và Drew Bent* đã thiết kế và thực hiện các thí nghiệm, tạo các hình vẽ và viết bài đăng blog. Alex Tamkin đã đề xuất các thí nghiệm ban đầu và cung cấp hướng dẫn chi tiết cùng phản hồi. Miles McCain đã lặp lại cơ sở hạ tầng kỹ thuật cần thiết cho tất cả các thí nghiệm. Esin Durmus, Michael Stern, Mike Schiraldi, Saffron Huang, Stuart Ritchie, Steven Syverud và Kamya Jagadish đã cung cấp phản hồi và thảo luận có giá trị. Margaret Vo, Matt Bell và Deep Ganguli đã cung cấp hướng dẫn chi tiết, hỗ trợ tổ chức và phản hồi trong suốt quá trình.

Ngoài ra, chúng tôi đánh giá cao các cuộc thảo luận và nhận xét hữu ích từ Rose E. Wang, Laurence Holt, Michael Trucano, Ben Kornell, Patrick Methvin, Alexis Ross và Joseph Feller.

Link bài viết gốc

• Tags:
• Ai
• Apr 08, 2025
• Www.anthropic.com