Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis

想象一个巨大的数字图书馆，77,543 名学生正分别在他们的客厅、卧室和咖啡馆里学习。在这座图书馆的中心站着一个友好且隐形的机器人，名叫 Syntea。Syntea 不是老师，它是一个超级聪明的学习伙伴，可以回答问题、讨论难题，并帮助你准备考试。

这篇论文就像一份巨大的侦探报告，记录了在 2025 年 2 月 这一个月内，所有人实际上是如何使用 Syntea 的。研究人员并没有询问学生们“认为”自己做了什么（这可能会模糊不清），而是观察了实际的数字足迹——就像查看图书馆的安全日志一样，以确定究竟是谁在何时进入了系统。

重大发现：它已成为日常的一部分

主要发现是，Synsta 不仅仅是一个酷炫的新玩意儿；它已经融入了许多学习者的日常生活。在研究中的 76,485 名学生中，约有 44,035 人在那个月使用了 Syntea。这占据了人群中的极大比例！

然而，报告明确指出，并非所有人都在使用它。一些学生没有使用它，是因为他们所修的特定课程（如项目课程或论文写作）尚未配备 Syntea。另一些人可能只是因为假期或生病而休息。论文暗示，少数学生可能单纯不喜欢 AI 工具，但并未证明这种“不喜欢”是导致未使用率的主要原因。

谁在与机器人对话？（人口统计图谱）

研究人员像侦探在人群中搜寻嫌疑人一样，对用户群体进行了细分，寻找其中的模式。

• 性别： 使用 Syntea 的女性学生（59.05%）比男性学生（54.94%）更多。论文认为，这可能是因为女性学生较多的课程（如社会科学类）将 Syntee 更多地内置到了课程中，从而给了她们更多接触的机会。这并不一定意味着女生更喜欢机器人，而是她们面前开启的门更多。
• 年龄： 年轻群体最为活跃。Z 世代学生（1997–2012 年出生）的使用率最高，达到 63.66%。Y 世代（千禧一代）紧随其后，为 51.39%。年龄较大的婴儿潮一代（1946–1964 年出生）使用率较低（37.88%），但论文提醒我们要谨慎对待这个数据：整个研究中只有 132 名婴儿潮一代，因此这个数字有些不稳定，可能仅仅意味着参与其中的那几位婴儿潮一代本身就非常精通技术。
• 专业领域： 教育学与心理学以及营销与传播学专业的学生使用 Syn steam 最为频繁。建筑与施工以及设计与媒体专业的学生使用最少。论文指出，这并不是因为建筑师讨厌机器人，而是因为目前的 Syntea 在辅助以文字为主的学科方面表现更好，而在依赖大量绘图、建造或视觉软件的课程方面则稍显逊色。
• 学位层次： 本科生的使用率（58.17%）略高于硕士生（54.25%）。论文对此解释得非常严谨：硕士课程通常较短，且往往以论文阶段结束，而这一阶段 Syntea 是无法使用的。因此，较低的使用率可能仅仅是因为硕士生在学位过程中有更多时间处于“无 Syntea 可用”的状态。
• 全日制 vs. 非全日制： 全日制学生的使用率（59.49%）略高于非全日制学生（55.71%）。这可能反映出全日制学生拥有更稳定、更有规律的学习时间，而非全日制学生需要兼顾工作与生活，导致其学习时间更加分散。

他们何时与机器人交谈？（时空旅行的线索）

论文还观察了学生何时登录，描绘出了一种非常可预测的日常节奏。

• 每日周期： Syntea 是一个“白天型”机器人。在 凌晨 2:00 到 5:00 之间，使用量几乎为零。它在 早上 7:00 左右开始“苏醒”，在 8:00 到 10:00 之间大幅飙升，并在 11:00 左右达到绝对高峰。它会保持高位直到下午 4:00 左右，然后缓慢回落。
• 每周周期： 学生将 Syntea 视为一种学习工具，而非周末爱好。周二是最繁忙的一天，周一和周三紧随其后。使用量在周四和周五下降，并在周日降至最低点。
• 非全日制的差异： 虽然全日制学生遵循经典的“朝九晚五”学习模式，但非全日制学生则是“夜猫子”和“周末战士”。他们在周末和深夜使用 Syntea 的频率更高，这很可能是因为他们在处理完白天的职业工作后进行学习。

论文并未说明的内容

了解这份报告没有告诉我们什么非常重要。论文明确指出，这是一项描述性研究。这意味着它描述了“发生了什么”，但它不能证明“为什么发生”，也无法证明使用 Syntea 是否真的让学生取得了更好的成绩。研究人员并没有衡量 Syntea 是否提高了考试分数，也没有测量学生是否变得更快乐；他们仅仅测量了谁在使用它以及何时使用。

此外，论文并未声称 Syntea 是完美的。它指出，该工具目前更擅长文本学习，并且可能需要进化，以更好地辅助设计或建筑等视觉学科。

总结

论文得出结论：AI 学习助手不再是未来的实验品，而是成千上万名学生真实、日常的工具。然而，为了让它们发挥更好的作用，创造者需要倾听数据：将工具扩展到更多类型的课程（如项目课和论文阶段），使其更适合视觉型学习者，并记住不同群体的学生（如兼职工作者或年长学习者）有着不同的生活节奏。

这项研究表明，如果我们想要帮助每个人学习，我们不应仅仅制造一个机器人；我们需要制造一个懂得何时醒来、与谁交谈，并懂得如何融入现实学生那混乱而多样化生活的机器人。