Anthropic 教育團隊四位成員——Drew Bent、Zoe Ludwig、Maggie Vo 與 Ephraim Tekle——圍坐討論 AI 對教育帶來的機遇與挑戰。從研究數據顯示 47% 學生與 Claude 的互動屬於直接交易型開始，他們深入探討了個人化學習、互動式教學、AI 素養課程、Learning Mode 產品開發，以及與教育機構合作等議題，最終展望了一個人人都能擁有個人化 AI 家教的未來願景。

---

原影片連結：https://www.youtube.com/watch?v=Uh98_aGhAuY

影片重點

• Anthropic 研究發現 47% 學生與 Claude 的互動是低參與度的直接交易型對話，引發教育團隊的警覺
• Claude 在與學生互動中展現了高層次的認知能力（創造、分析），但學生反而在使用低層次的認知任務
• 一對一家教的研究顯示，獲得個人輔導的平均學生表現優於 98% 未獲輔導的學生，AI 有望讓這種體驗普及化
• Anthropic 推出 AI 素養（AI Fluency）課程，教導使用者進行高效、有效、合乎倫理且安全的 AI 互動
• Learning Mode 功能讓 Claude 轉變為家教角色，引導學生思考而非直接給答案，僅花兩週即開發完成
• 批判思維是 AI 時代最核心的教育目標，從小培養對資訊的質疑與驗證能力至關重要
• AI 正在改變學習內容的優先順序，例如程式教育可能從「寫程式為主」轉向「讀程式為主」
• 教育的「解捆綁」趨勢：AI 擅長知識傳遞，但人際連結、成長陪伴等仍需教育機構和教師承擔

詳細內容

[00:00] 為什麼 Anthropic 要關注教育？

影片由 Anthropic 教育團隊負責人 Drew Bent 主持開場。他曾是高中數學教師，父母也是教育工作者。團隊成員 Zoe Ludwig 負責非技術受眾的教育內容，Maggie Vo 創立並管理教育團隊（內部暱稱「教育部」），Ephraim Tekle 則是產品工程經理，參與教育產品的開發。

Drew 指出，雖然 Anthropic 是一間通用 AI 實驗室，但教育完美體現了 AI 技術的潛力與風險並存。AI 可以預防教師倦怠、民主化高品質學習資源、改變教學方式；但同時也帶來作弊增加、工具是否真正增強而非取代人類思維等深層擔憂。

[04:30] 團隊成員的教育初心

每位成員分享了投入教育工作的動機。Maggie 提到她有兩個孩子，作為家長正面臨如何在 AI 時代培養批判思考者的挑戰。Ephraim 從學術界出身，在 MIT 教過課，他的兩個孩子正在讀大學，每天都在思考孩子在學什麼、怎麼學。Drew 則分享了他深信教育是推動社會變革最重要力量的信念，希望 AI 能加速正向改變。

[07:30] 研究數據揭示的現實

Anthropic 社會影響團隊的研究發現，教育是 Claude 最主要的使用場景之一。這個發現令人驚訝，因為 LLM 最初並非為教育而設計，而是為回答問題和生產力任務而微調的。教育用途是一種「湧現現象」。

最令人警醒的數據是：47% 的學生與 Claude 的互動是非常直接的交易型對話，參與度很低。研究進一步發現，Claude 在這些對話中展現了 Bloom 認知分類法頂層的「創造」與「分析」能力——這本應是學生自己要鍛鍊的能力。Maggie 提出了一個有趣的反思：是否存在一種新的認知分類法，讓 AI 的能力成為基線，在此之上建構前所未有的新能力？

[11:00] AI 改變教學與學習的令人興奮之處

團隊分享了幾個令人期待的 AI 教育應用方向：

互動式學習體驗：Drew 回憶在課堂上讓學生玩病毒模擬器遊戲，學生參與度極高。AI 讓這種互動體驗可以擴展到任何學科，例如與歷史人物對話。

低資源地區的機會平等：Maggie 指出 AI 可以提供個人職涯教練、面試模擬等服務，這在資源匱乏的地區尤其珍貴，因為找到一個真人坐下來指導你是很困難的。

評量方式的轉變：Drew 提到一位教師利用 AI 工具讓所有學生定期進行對話式評量，教師再根據學生與 AI 互動的過程來評估學習成效，這比傳統考試更全面。

個人化學習的潛力：Ephraim 引用研究指出，獲得一對一家教的平均學生表現優於 98% 只有課堂教學的學生。AI 可以提供持續的一對一輔導，且人人都能使用。每個學生都能擁有自己的學習旅程，進度快的可以加速前進，需要幫助的可以獲得個人化支持。

根據學生興趣客製教材：一位教師讓學生分享自己的興趣，然後用 AI 為每位學生生成客製化的講義——相同的數學概念，但融入每個學生關心的主題和故事，學生的參與度因此大幅提升。

[18:30] AI 時代該學什麼？

Ephraim 從產品開發角度指出，目前缺乏專為教育設計的產品層。他女兒的 Python 課程仍然要求學生在紙上寫程式，因為擔心作弊。這種困境源於缺乏有意設計的教育產品——如果有適當的產品支持，許多關於不確定性、恐懼和技術濫用的問題都可以被緩解。

Drew 提出了一個深刻的觀察：程式教育的基本功正在改變。過去他學程式時，90% 的時間在寫程式碼，10% 在讀別人的程式碼。但現在使用 coding agent 和 Claude Code，他 10% 的時間在寫程式碼，90% 在閱讀程式碼。這讓他思考：入門 CS 教育是否應該更重視「閱讀和辨別好壞程式碼」的能力？

[22:30] Anthropic 的教育行動：AI 素養課程

Zoe 介紹了 AI 素養（AI Fluency）課程，這是與 Joseph Feller 和 Rick Dakan 兩位教授合作開發的。課程刻意跳脫現有產品和提示技巧，聚焦於建立一個可以評估 AI 互動品質的框架，追求互動的四個目標：高效（efficient）、有效（effective）、合乎倫理（ethical）、安全（safe）。

Maggie 補充說明了課程的核心精神：他們寧可教導一百萬人「不使用 AI」，也不願看到十億人對這項技術產生依賴。AI 素養的重點是賦予人們自主判斷的工具——知道何時該用、何時不該用 AI，這比任何提示技巧都更重要。

[27:00] Learning Mode：將 Claude 轉變為家教

Ephraim 介紹了 Learning Mode 功能，這是一組將 Claude 定位為家教的功能集合。學生上傳作業後，Claude 不會直接回答問題，而是引導學生理解課堂材料、指導他們如何解題、幫助他們用閃卡準備考試。

這個功能源自草根運動——公司內許多對教育充滿熱情的人自發推動。初版僅花了約兩週就從零開發完成。開發動力來自兩方面：教育工作者不斷詢問「Learning Mode 在哪？」；以及學生自己談到「腦腐」（brain rot）問題——他們意識到短期內可以用 AI 完成作業，但真正要準備考試、內化概念時，他們需要一個不用特別提示就能引導學習的 Claude 版本。

[31:00] 與教育機構的合作

Anthropic 作為科技公司，認識到自己只是更大教育生態系統的一小部分。他們積極與美國教師聯盟（AFT）等機構合作，學習第一線教師在課堂中面臨的真實問題和成功經驗。Zoe 坦言自己的課堂經驗已經「過時」——在 COVID 和 AI 之前——但透過合作可以持續從實際教學現場獲取真知灼見。

Maggie 強調這是一個全人類的集體議題。Anthropic 的產品決策刻意不優化傳統的使用者留存率或使用時長等參與指標，而是鼓勵更深層的增強思維，甚至鼓勵在適當時候不使用 AI。Ephraim 表示這是他加入 Anthropic 後最驚喜的發現——這不是一家以成長為最高優先的公司。

[36:00] 仍在探索的未知領域

團隊坦誠分享了幾個尚未解決的挑戰：

課程內容的變革：AI 正在改變需要教什麼。程式設計課程五年後會大不相同，但這種變革會擴展到更多領域。如何幫助學術界理解哪些技能會被 AI 增強、哪些仍需人類支持？

資料隱私的疑慮：K-12 教育中 AI 工具大量湧現，教師和管理者對資料安全感到不安。需要加強資料隱私教育，或等待市場明確的贏家出現。

制度適應速度的落差：教育機構天生運轉緩慢（且是刻意設計如此），但 AI 技術變化極快。機構面臨巨大壓力要「對 AI 做點什麼」，但在教育領域「快速行動、打破常規」不是選項。

教育的解捆綁：Ephraim 提出了一個重要框架——AI 擅長知識傳遞，但大學提供的不只是知識，還有成長、成熟、學習負責等體驗。AI 可以大幅加速學習（六個月的作業可能兩週就完成），但其他教育價值如何保留？

AI 的自信表達與人類的辨識能力：Maggie 指出，AI 比任何其他智慧體都更容易表現得非常自信。人類辨別真偽的能力是基於辨識其他人類的經驗，但這套方法對 AI 可能不適用。解方不僅是調整 AI 的個性，更重要的是培養人們全新的辨識真相的能力。

[43:00] 五年後的教育願景

每位成員分享了對五年後教育的期望：

Maggie 希望教師有更多時間投入個人關係和學生培育，而非知識傳授，讓每個獨特個體都能被看見和支持。

Ephraim 期望地球上每個人都能隨時擁有一位個人化家教，同時教育機構成功轉型、繼續扮演社會中的關鍵角色。

Zoe 想看到每個人對「在學習中使用 AI 意味著什麼」有共同的語彙和文化理解——更多辨識力、反思和刻意使用 AI 的意識。

Drew 在最後分享了他的樂觀觀點：在智慧變得豐富甚至被商品化的世界裡，智力將不再是人類的定義特徵。這雖然令人不安，但也是一種解放——過去幾百年來人類在工業化中失去了一些人性，而 AI 時代或許能讓教育系統真正聚焦於「什麼使我們成為人」。一位牛津教授的話完美總結了這個願景：「AI 時代將是提出好問題的時代。」

我的想法

這場圓桌討論最打動我的是 Anthropic 團隊的坦誠——他們沒有試圖推銷 AI 是教育的萬靈丹，反而多次強調「知道何時不用 AI」比「會用 AI」更重要。Maggie 那句「寧可教一百萬人不用 AI，也不願看十億人依賴 AI」，對於一間 AI 公司來說是極為難得的立場。

47% 學生使用 Claude 只是做直接交易型互動這個數據特別值得關注。這說明即使有了強大的 AI 工具，沒有適當的教育和產品設計引導，大多數使用者會自然傾向最省力的使用方式。Learning Mode 的開發正是對此的回應，但這也提醒我們：技術本身不會自動帶來好的教育成果。

Drew 關於程式教育從「寫」轉向「讀」的觀察非常有洞見，這不僅適用於 CS，也暗示了許多專業領域的技能結構可能正在經歷類似的翻轉。未來的核心能力可能不是生產內容，而是評估、整合和引導 AI 產出的品質。

最後，Ephraim 提出的「教育解捆綁」概念值得深思。知識傳遞只是教育的一部分，人格養成、社會化、情感發展等面向是 AI 短期內無法替代的。如何在擁抱 AI 效率的同時保留教育的人文維度，可能是未來幾年教育界最核心的設計問題。