Anthropic 教育報告：教育工作者如何使用 Claude

Anthropic 的研究指出，大學教育工作者正將 AI 整合到課堂教學與行政工作流程中，主要用於課程開發與例行任務的自動化。雖然教育工作者普遍偏好將 AI 作為高情境任務的增強型協作者，但目前出現了一個顯著趨勢，即透過 Claude Artifacts 來建立自定義且具互動性的教育資源。

高等教育中 AI 的主要使用案例

在教育工作者中，課程開發是 AI 最突出的應用，其次是學術研究與學生表現評估。根據對 2024 年 5 月和 6 月來自 Claude.ai 約 74,000 條匿名對話的分析，前三大使用案例為：

• 開發課程： 57% 的分析對話。
• 進行學術研究： 13% 的分析對話。
• 評估學生表現： 7% 的分析對話。

除了這些主要用途外，教育工作者還利用 AI 建立模擬法律情境、開發職業培訓內容、撰寫推薦信，以及管理會議議程等行政文件。

從聊天機器人轉向自定義工具建立

教育工作者正日益使用 Claude Artifacts 功能，從簡單的聊天互動轉向建立功能齊全、可部署的教育資源。這種轉變讓教職員能夠產出以往需要大量技術專業知識或財務資源才能製作的教材。

教育工作者正在建立的關鍵工具包括：

• 互動式學習： 網頁版遊戲、密室逃脫與模擬實驗（例如：化學計量遊戲、計算物理模型）。
• 評估工具： 具備自動回饋功能的 HTML 測驗，以及用於分析學生表現的 CSV 數據處理器。
• 視覺化： 科學概念與歷史時間軸的互動式展示。
• 行政工具： 自動填充的學術日曆與預算規劃/分析工具。
• 學術文件： 終身教職申訴、研究計畫申請以及與成績相關的溝通文件草稿。

增強與自動化的光譜

教育工作者根據任務所需的情境與創造力程度，將 AI 區分為「AI 增強」（協作使用）與「AI 自動化」（完全委派）兩種模式。

高增強任務

涉及直接學生互動或複雜決策的任務主要透過增強模式處理：

• 大學教學與指導： 77.4% 為增強模式。
• 研究計畫書撰寫： 70.0% 為增強模式。
• 學術諮詢： 67.5% 為增強模式。
• 監督學生作品： 66.9% 為增強模式。

高自動化任務

例行性的行政與財務任務更有可能被完全委派給 AI：

• 機構財務與募款： 65.0% 為自動化模式。
• 學生紀錄與表現評估： 48.9% 為自動化模式。
• 招生與註冊管理： 44.7% 為自動化模式。

AI 輔助評分的爭議

教育工作者對 AI 評分的看法與實際使用情況之間存在顯著落差。雖然受訪教職員將評分視為 AI 最不有效的領域，但 Claude.ai 的數據顯示，在與評分相關的對話中，有 48.9% 屬於自動化程度較高的任務。

教職員對於自動化評分的擔憂集中在準確性與倫理問題。一位 Northeastern University 的教授指出：

"Ethically and practically, I am very wary of using [AI tools] to assess or advise students in any way... students are not paying tuition for the LLM’s time, they're paying for my time."

對教學法與評估的影響

AI 的普及正迫使教學方法與學生評估方式進行重新設計。教育工作者正將重心從死記硬背的技術技能轉向更高層次的觀念應用。例如，在程式碼教育中，重點已從除錯語法轉學到討論分析在商業中的應用。

為了對抗 AI 驅動的作弊與「認知卸載」（cognitive offloading），部分教授正放棄傳統的研究論文，轉而採用 AI 無法完成的作業，促使學生處理更複雜、真實世界的挑戰。

研究方法論與限制

Anthropic 使用了一種保護隱私的自動化分析工具，來篩選來自與高等教育電子郵件地址相關聯的 Claude.ai Free 與 Pro 帳戶的對話。此研究同時結合了對 Northeastern University 22 位早期採用者的教職員進行的定性研究。

關鍵限制包括：

• 範圍： 研究僅包含高等教育電子郵件地址，不包括 K-12 教師。
• 偏差： 數據可能反映的是早期採用者，而非一般教育工作者群體。
• 篩選： 僅擷取了約 1.5% 的對話，因為工具會篩選出明確與教育工作者相關的任務（例如：建立教學大綱）。
• 時間性： 分析僅限於 5 月和 6 月，缺乏季節性的學術變動。