可以理解的是，教育中AI的大部分对话都集中在学生如何使用大型语言模型来帮助他们学习和写作上。但是教育工作者也使用AI。在最近的盖洛普（Gallup）调查中，老师报告说，AI工具平均每周为他们节省了5.9小时。在对通常的讨论的反转中，学生已经开始表达对教授在教室中使用AI。
我们以前报告的数据关于学生如何使用AI。我们的新分析介绍了教授：我们分析了过去5月和6月在Claude.ai上的74,000个来自全球高等教育专业人员的匿名对话。1我们还与东北大学合作，直接听取了他们在大学内如何使用AI的方式。我们的发现提供了教育家AI采用的经验快照，特别是在大学环境中。
我们发现：
| 教育工作者在课堂上使用AI 教育工作者的使用范围从制定课程材料和编写赠款建议到学术建议和管理录取和财务计划等行政任务。 |
| 教育工作者不仅使用聊天机器人；他们正在使用AI构建自己的自定义工具 教师正在使用克劳德文物创建互动式教育材料，例如化学模拟，自动分级专栏和数据可视化仪表板。 |
| 教育工作者倾向于自动化苦苦挣扎，而在其他所有事物中都留在循环中 需要重要的背景，创造力或直接学生互动的任务，例如设计课程，为学生提供建议和撰写赠款建议。教育工作者更有可能将AI用作增强功能。相比之下，常规行政工作（例如财务管理和记录保存）更加繁重。 |
| 一些教育者正在自动化评分；其他人深深地反对 在我们的claude.ai数据中，教师使用AI进行评分和评估的频率少于其他用途，但是当他们这样做时，有48.9％的时间以自动化的方式使用它（AI直接执行任务）。尽管有教育者对自动化评估任务的担忧，以及我们的调查教师将其评为他们认为AI最小的领域。 |
确定教育者对克劳德的使用
在这项研究中，我们使用了我们的自动分析研究工具这揭示了Claude使用的广泛模式，同时保护用户隐私。
研究高等教育专业人员对Claude.ai的使用提出了独特的挑战，因为我们目前没有在平台上收集自我报告的职业数据。与经常明确提及课程或作业的学生不同，教育工作者的AI互动包括教学，研究，管理和个人学习，使他们更难识别和分类。
使用我们的隐私工具，我们分析了与高等教育电子邮件地址相关的免费和专业帐户的对话，然后自动过滤针对特定教育任务的对话，例如创建教学大纲，评分分配或开发课程材料。2从5月和6月的一段时间开始，这种过滤大约进行了74,000次对话。我们的分析应被视为探索教育工作者如何将AI用于专业任务的探索，而不是对所有教育工作者AI使用的全面看法。
我们还将每个对话与美国劳工部的职业信息净数据库中的全面教育工作列表中的最合适的任务相匹配。我们将教育工作者的任务确定为与上学后教学或行政职业相关的任务。
我们通过22位东北大学教职员工的调查数据和定性研究对分析进行了补充，他们是AI的早期采用者，以阐明教育者的动机，关注点和使用模式。
教育者的共同用途
我们的Claude.AI分析和我们与东北地区的定性研究所揭示的最突出的AI使用是用于课程开发。我们的Claude.AI分析还浮出水面学术研究，并评估学生的绩效是第二和第三常见用途。
在我们的调查中，东北教师报告说，另一个常见案例是使用AI进行自身学习（平均占其人工智能时间的29％）。但是，鉴于在这些学习实例中的滤波机制和难以区分学生和教育工作者的用法，这并未在我们的claude.ai分析中研究。
我们在Claude.ai数据中发现的其他一些特别有趣的用途包括：
- 为教育模拟创建模拟法律场景；
- 开发职业教育和劳动力培训内容；
- 学术或专业申请的推荐信草案；
- 创建会议议程和相关的行政文件。
为什么教师在这些情况下使用AI
我们与东北教师的定性研究暗示了为什么教育者经常倾向于这些常见的AI使用：
- 繁琐的任务的自动化（这要照顾繁琐的任务；有助于筹款的一部分）；
- 协作思想合作伙伴（AI可以找到有效的方法向我没有想到自己的学生解释概念）；
- 学生的个性化学习经验（AI对于为学生和我个性化的互动学习经验提供了有用，超出了一位讲师提供的内容）。
教育工作者如何使用AI构建自定义工具
最鼓舞人心的发现之一是教育工作者如何使用克劳德文物功能创建互动教育材料。教育工作者不仅要进行对话，还经常建立完整的功能资源，在某些情况下，他们可以立即在教室中部署。
正如一位受过调查的东北教职员工所说的那样：现在可以做到的（时间）过高的（时间）现在变得可能是可能的。自定义仿真，插图，交互式实验。哇。对于学生来说更具吸引力。
教育者建造的关键创造
| 互动教育游戏： 基于网络的游戏，包括逃生室，平台游戏和模拟，这些游戏通过跨各种主题和级别的游戏化来教授概念 |
| 评估和评估工具： 带有自动反馈系统的基于HTML的测验，用于分析学生绩效的CSV数据处理器以及全面的分级专栏 |
| 数据可视化： 交互式显示，以帮助学生可视化从历史时间表到科学概念的所有内容 |
| 特定于主题的学习工具： 诸如化学化学计量游戏，具有自动反馈的遗传测验和计算物理模型等专业资源 |
| 学术日历和调度工具： 可以自动填充，下载为图像的交互式日历，或作为PDF导出，以显示课堂期间，考试时间，专业发展会议和机构活动 |
| 预算计划和分析工具： 具有特定费用类别，成本分配和预算管理工具的教育机构的预算文件 |
| 学术文件： 会议记录，与年级相关的沟通和学术完整性问题的电子邮件，教师奖的推荐信，任期上诉，赠款申请，面试邀请和委员会任命 |
这不仅仅是克劳德。一位教授描述了新的AI一般工具如何使其能够将自己的内容转化为更易于访问 /引人入胜的形式（交互式页面，仿真，播客，视频）。
这些创造代表了从AI作为对话助理到AI的转变，成为创意合作者，使教育工作者能够生产个性化的教育材料，这些材料传统上可能需要大量的技术专业知识或资源。
增强自动化光谱
我们的分析揭示了教育工作者如何平衡AI增强（协作使用）与自动化（完全委派任务）的细微差别，这是基于人类学的先前工作经济指数。
关键模式在Claude.AI数据中跨越不同的教育任务：
更高的任务增强趋势：
- 大学教学和课堂教学，包括创建教育材料和实践问题（增强77.4％）；
- 撰写赠款建议以确保外部研究资金（70.0％增强）；
- 学术咨询和学生组织指导（增强67.5％）；
- 监督学生学术工作（增强量为66.9％）。
相对较高的任务自动化趋势：
- 管理教育机构的财务和筹款（65.0％的自动化）；
- 维持学生记录并评估学业表现（48.9％的自动化）；
- 管理学术入学和入学率（44.7％的自动化）。
这种差异表明，教育者完全委派给AI的可能性取决于任务。与我们的调查结果保持一致，我们看到涉及常规行政和财务管理的任务比接近直接学生互动的任务（例如创建实践材料或就博士级的学术研究提供建议），更有可能被完全委派。这些AI相互作用通常需要重要的背景，从而在AI和教授之间进行协作。例如，正如东北教授所说的那样，在设计课程计划时，AI需要有关我们已经涵盖的物质和背景的指导。”
教育工作者似乎也更有可能以增强的方式使用AI进行需要创造力或复杂决策的工作，例如编写赠款建议。一位调查教授写道，集思广益时
正是与LLM的对话是有价值的，而不是第一回应。这也是我试图教学生的东西。将其用作思想伴侣，而不是思想替代。
也就是说，与评分相关的对话中有48.9％仍然令人担忧。尽管经过调查的教授认为这是AI的一项任务至少在Claude.ai数据中可以看到它。即使这仅占我们研究的Claude.ai对话的7％，它也成为第二大自动化的任务。这包括子任务，例如提供有关学生作业的反馈并使用专栏对工作进行评分。虽然这些AI生成的反应因素在最终成绩和反馈中尚不清楚在多大程度上，但我们的研究表现出的相互作用确实显示了与克劳德的一定程度的委派。
在等级中使用AI仍然是教育工作者中的一个有争议的问题。一位东北教授分享了：“从道德和实践上讲，我非常谨慎使用[AI工具]以任何方式评估或建议学生。其中一部分是准确性问题。我尝试了一些有LLM级论文的实验，但它们对我来说还不够好。从道德上讲，学生没有为LLM的时间支付学费，而是为我的时间支付。做得好（也许是在LLM的帮助下）是我的道德义务。
尽管AI的反馈有多种方式可以支持学生的成长，例如通过提供形成性反馈的自动系统（例如，由教育者在克劳德文物中建造的反馈），但大多数教育工作者似乎都同意，对等级的分级应该与完全自动化的任何位置。
教育者如何重新思考要教什么
许多教育者认识到AI工具正在改变学生学习的方式。反过来，这给教育者带来了压力，要求他们改变他们的教学方式。正如一位经过调查的教授所说：
AI迫使我完全改变自己的教学方式。我正在花费大量精力来弄清楚如何处理认知卸载问题。
这也改变了教授的教学。例如，根据一位教授的说法，基于AI的编码完全彻底改变了分析/学习经验。我们可以花时间谈论围绕分析在业务中应用的概念，而不是调试逗号和分号。
从更广泛的角度来看，评估AI生成的内容的准确性的能力变得越来越重要。一位教授写道，挑战是，随着人工智能一代的增加，人类的验证并保持榜首变得越来越压倒性。”一位教授写道。教授们热衷于帮助他们的学生在学科领域建立足够的专业知识，以获得这种洞察力。
评估也开始看起来不同。尽管学生作弊和认知卸载仍然是一个关注，但一些教育者正在重新考虑他们的评估。
如果克劳德（Claude）或类似的AI工具可以完成作业，我不必担心学生作弊；我很担心我们没有从事教育工作者的工作。
在一个东北教授的一个特定案件中，他们分享说，他们在与太多的学生提交AI所写任务的学生挣扎之后再也不会分配传统的研究论文。相反，他们分享了：我将重新设计分配，以便下次无法使用AI。我有一个学生抱怨说每周的作业很难做，他们很生气，因为Claude和Chatgpt在完成工作时毫无用处。我告诉他们这是一种称赞，我将努力从学生那里听到更多。”
前进的一条途径可能是基于这些新发现的工具来提高任务，并希望学生能够应对更复杂，现实世界中的挑战，即使在AI协助下，这些挑战仍然很困难。但是，鉴于AI的持续改进，这是一个移动的目标，可能会给教育工作者本身带来重大负担。此外，学生仍然需要独立于AI来开发基础技能才能有效评估其产出。
局限性和考虑因素
这项研究带有重要的警告：
- 识别方法：我们的过滤研究与教育工作者相关的Claude对话，仅捕获了高等教育电子邮件对话的约1.5％，将我们限制在与教育工作者（例如创建Syllabi）明确链接的任务（例如创建Syllabi），并可能缺少许多其他教育者AI互动，这些互动与教育者（例如，都可以帮助一个困难的概念）；
- 有限的教育工作范围：分析仅限于具有高等教育电子邮件地址的帐户，不包括K-12教师；
- 早期采用者偏见：我们很可能会吸引已经对AI感到满意的教育者，他们可能不代表更广泛的教育者的技术准备或态度；
- 调查限制：东北大学的教师数据提供了定性的环境，但代表了一个可能不推广的机构的有限样本；
- 平台特异性：该分析侧重于claude.ai用法，可能不会反映其他AI平台上的模式；
- 时间约束：5月和6月的分析窗口并未捕获整个学年的教育AI使用季节性变化。
展望未来
我们的发现揭示了采用教育工作者AI的复杂情况。从构建交互式模拟到管理管理任务的应用程序的多样性表明，AI在学术职能上的扩大存在。
也许最令人鼓舞的是教育工作者如何利用AI来建立切实的教育资源。从AI作为对话工具到AI作为创意合作伙伴的这种转变可以帮助解决教育中长期存在的资源限制。正如一位教授所指出的那样，现在可能在时间上曾经是过高的昂贵的自定义模拟和互动实验，从而为学生创造了更多吸引人的体验。
但是，在AI辅助分级周围仍然存在紧张状态。尽管与评分相关的任务中有将近一半显示了我们的数据中的自动化模式，但对教师的调查将其评为AI的最低有效应用。这种脱节是在尝试的事物和被视为适当的事物之间的联系，突出了正在进行的斗争，以平衡效率的提高与教育质量和道德考虑。
这些发现表明，围绕教育中AI的叙述将继续与技术本身一起发展。教育工作者对适当的AI使用的看法，特别是对于诸如评分等敏感任务，随着工具的改善和最佳实践的出现，可能会发生变化。对于未来的研究，同样重要的是了解学生和教育者AI用法如何相互作用。教育者的采用如何影响学生的学习行为？
我们的研究在积极实验的时刻占领了教育工作者，建立了新的可能性，同时努力解决了有关其在AI-Eaignement教室中的作用的基本问题。前进的道路将需要持续的对话，仔细的政策制定以及继续研究，以确保这些工具增强而不是损害教育经验。
Bibtex
如果您想引用此帖子，则可以使用以下Bibtex密钥：
@Online {Benthand2025Ducation，作者= {Drew Bent和Kunal Handa和Esin Durmus，Alex Tamkin，Miles McCain，Stuart Ritchie以及Ryan Donegan和Jennifer Martinez和Jason Jones]}title = {拟人教育报告：教育工作者如何使用Claude}，日期= {2025-08-26}，年= {2025}，url = {https://www.anththropic.com/news/anththropic-education-eport-report-how-educators-use-claude}，}致谢
Drew Bent*和Kunal Handa*设计并执行了实验，并撰写了博客文章。
Esin Durmus，Alex Tamkin，Miles McCain，Stuart Ritchie，Ryan Donegan和Jason Jones提供了宝贵的反馈和讨论。