- Anthropic đã phân tích 1 triệu đoạn hội thoại ẩn danh phát sinh trên Claude.ai để khảo sát cách sinh viên đại học thực sự sử dụng AI trong môi trường giáo dục
- Đây là phân tích quy mô lớn dựa trên sử dụng thực tế đầu tiên nhằm bổ sung cho những hạn chế của các nghiên cứu trước đây dựa trên khảo sát hoặc thí nghiệm
Tóm tắt các phát hiện chính
- Sinh viên khối STEM là nhóm tích cực nhất trong việc tiếp nhận Claude, trong đó riêng chuyên ngành Computer Science chiếm 36.8% tổng số hội thoại (trong khi tỷ lệ bằng cấp tại Mỹ chỉ là 5.4%)
- Cách sinh viên sử dụng AI được chia thành bốn loại: giải quyết vấn đề trực tiếp, tạo đầu ra trực tiếp, giải quyết vấn đề cộng tác, tạo đầu ra cộng tác
- Phần lớn sinh viên đang dùng Claude cho các chức năng nhận thức bậc cao như 'sáng tạo(Creating)' và 'phân tích(Analyzing)'
- Điều này tương ứng với các bậc cao trong thang phân loại mục tiêu giáo dục của Bloom, đồng thời làm dấy lên lo ngại rằng việc phụ thuộc vào AI có thể làm suy yếu tư duy phản biện
Cách xác định các kiểu sử dụng AI trong giáo dục
- Anthropic sử dụng công cụ phân tích nội bộ tên là Clio để phân loại các cuộc hội thoại với Claude theo chủ đề, loại bỏ thông tin cá nhân rồi mới tổng hợp
- Trong 1 triệu cuộc hội thoại, 574,740 cuộc được xác định là liên quan trực tiếp đến học tập hoặc nghiên cứu
- Clio tự động phân loại để phân tích theo các khái niệm cấp cao như 'gỡ lỗi mã', 'giải thích khái niệm kinh tế'
Mục đích sinh viên sử dụng Claude
- 39.3% tổng số hội thoại được dùng để tạo và cải thiện nội dung giáo dục (ví dụ: tạo bài tập luyện tập, biên tập bài luận, tóm tắt)
- 33.5% được dùng để giải bài tập và giải thích kỹ thuật (ví dụ: gỡ lỗi mã, triển khai thuật toán, giải toán)
- Các mục đích sử dụng khác:
- Phân tích và trực quan hóa dữ liệu: 11.0%
- Thiết kế nghiên cứu và phát triển công cụ: 6.5%
- Tạo sơ đồ kỹ thuật: 3.2%
- Dịch và hiệu đính ngôn ngữ: 2.4%
So sánh tỷ lệ sử dụng Claude theo lĩnh vực học thuật
- Các ngành sử dụng vượt mức:
- Computer Science: tỷ lệ bằng cấp 5.4% → tỷ lệ hội thoại 38.6%
- Khoa học tự nhiên và toán học: tỷ lệ bằng cấp 9.2% → tỷ lệ hội thoại 15.2%
- Các ngành sử dụng ít hơn:
- Business: 18.6% → 8.9%
- Health Professions: 13.1% → 5.5%
- Humanities: 12.5% → 6.4%
- Sinh viên STEM đang tiếp nhận Claude rất nhanh
Phân tích các kiểu tương tác giữa sinh viên và AI
- Bốn loại tương tác được định nghĩa theo hai trục:
- trực tiếp vs cộng tác (nhận câu trả lời nhanh so với cộng tác dạng đối thoại với AI)
- giải quyết vấn đề vs tạo đầu ra (đưa ra lời giải cho câu hỏi so với tạo ra đầu ra như bài luận)
- Bốn loại này mỗi loại chiếm 23~29% tổng số hội thoại, cho thấy phân bố khá đồng đều
- Các ví dụ học tập tích cực:
- Giải thích khái niệm triết học
- Tạo tài liệu giảng dạy hóa học
- Giải thích khái niệm giải phẫu cơ bắp
Khả năng gian lận bằng AI
- Khoảng 47% hội thoại là tương tác dạng trực tiếp, có khả năng liên quan đến gian lận
- Ví dụ: yêu cầu đáp án bài toán machine learning, yêu cầu lời giải đề thi, viết lại câu để tránh đạo văn
- Ngay cả hội thoại cộng tác cũng có thể đóng góp ít cho việc học
- Ví dụ: yêu cầu giải bài tập thống kê
Mô hình tương tác theo từng chuyên ngành
- Khoa học tự nhiên và toán học: thiên về giải quyết vấn đề (ví dụ: yêu cầu lời giải từng bước)
- Computer Science, kỹ thuật, khoa học tự nhiên: ưa chuộng tương tác cộng tác
- Nhân văn, kinh doanh, khối sức khỏe: cân bằng giữa tương tác trực tiếp và cộng tác
- Ngành giáo dục: có tỷ trọng tạo đầu ra cao nhất (74.4%)
- Bao gồm các trường hợp giáo viên dùng Claude để soạn tài liệu giảng dạy và kế hoạch bài giảng
Phân tích các công việc nhận thức mà sinh viên giao cho AI
- Phân tích các chức năng nhận thức mà Claude thực hiện dựa trên Bloom’s Taxonomy
- Tỷ trọng các công việc nhận thức bậc cao:
- sáng tạo(Creating): 39.8%
- phân tích(Analyzing): 30.2%
- Tỷ trọng các công việc nhận thức bậc thấp:
- vận dụng(Applying): 10.9%
- hiểu(Understanding): 10.0%
- ghi nhớ(Remembering): 1.8%
- Việc AI tạo sinh có thể đảm nhiệm các chức năng tư duy bậc cao là điều có ý nghĩa về mặt giáo dục, nhưng cũng có thể làm suy giảm năng lực của người học
Hạn chế của nghiên cứu
- Dữ liệu có khả năng chủ yếu phản ánh nhóm người dùng sớm
- Chưa phản ánh việc sử dụng nhiều AI khác ngoài Claude
- Một phần dữ liệu có thể là hội thoại của giảng viên hoặc nhân viên
- Chưa phản ánh khác biệt sử dụng theo từng giai đoạn trong học kỳ
- Chưa phân tích liệu đầu ra của AI có thực sự góp phần vào kết quả học tập hay không
- Các trường hợp sử dụng mang tính liên ngành chưa được phân loại
- Có giới hạn khi áp dụng hệ thống phân loại Bloom cho AI
Kết luận và các nhiệm vụ tiếp theo
- AI mang lại nhiều tiềm năng cho việc học, nhưng cũng đặt ra thách thức lớn về tư duy phản biện và đạo đức học tập
- Những câu hỏi cốt lõi:
- Làm thế nào để sinh viên vẫn có được năng lực nhận thức nền tảng trong thời đại AI?
- Cần định nghĩa lại thi cử và tiêu chí đánh giá như thế nào?
- Khi AI có thể viết bài luận và giải cả các vấn đề phức tạp, ý nghĩa của việc học là gì?
- Claude đã được sử dụng như một công cụ học tập có ý nghĩa trong môi trường giáo dục, và Anthropic cũng dự định mở rộng hợp tác với các nhà giáo dục
Cách tiếp cận giáo dục của Anthropic
- Anthropic đang tiếp tục nghiên cứu vai trò giáo dục của AI thông qua hợp tác với các trường đại học
- Công ty đang thử nghiệm 'Learning Mode' tập trung vào hiểu khái niệm thay vì cung cấp đáp án trực tiếp
- Trong tương lai, Anthropic có kế hoạch nghiên cứu sâu hơn về tác động của AI đối với việc học
1 bình luận
Ý kiến Hacker News