AI使用和数学能力下降导致伯克利CS课程不及格率飙升

根据Berkeleytime的数据，2026年春季学期，加州大学伯克利分校的CS 10（计算机科学导论）和CS 61A（计算机程序的结构与解释）两门课程出现了异常高的不及格率。CS 10有35.3%的学生获得F，CS 61A也有10.6%的学生不及格。两门课程的平均成绩均为C+，对应GPA为2.3，远低于学校对低年级课程设定的2.8-3.3的典型GPA范围。

教授这两门课的Dan Garcia教授认为，高不及格率的主要驱动因素是“学术不诚实行为的急剧增加”，这源于学生大量使用大型语言模型，如Claude、ChatGPT和Google Gemini。Garcia说：“你看到的那些不及格的学生中，有些是因为我们发现了他们作弊并进行了处理，将案件移交给了学生行为中心。但在其他情况下，是学生过度依赖LLM来完成作业，到了考试时实际上没有做好准备。”据Garcia透露，仅CS 10一门课，就有近30名学生在春季学期的开卷考试中作弊被抓。

值得注意的是，这两门课都没有采用曲线评分，而是为每个字母等级设定了固定的分数阈值。这意味着学生成绩不依赖于其他同学的表现。Garcia认为教师“不应该采用曲线评分”，而应该公开每个等级的分数要求，并给学生多次机会去达到这些要求。他非常赞同“不限制给予学生A的数量”这一理念。Garcia说：“我强烈反对哈佛的做法，即只允许一定比例的学生得A。我认为应该明确A的标准，然后提供大量机会让学生达到那个标准，而不是降低标准。所有采用曲线评分的做法都是在掩盖问题，假装一切正常，但事实上肯定有问题。”

除了对AI的过度依赖，Garcia还指出许多学生在数学上准备不足。这一担忧也得到了校园副教学教授Gireeja Ranade的共鸣。Ranade在春季学期教授EECS 127（工程优化模型）时也注意到学生缺乏必要的数学预备知识，她形容本学期的教学“具有不同的挑战性”。该课程的F率高达16.8%，远高于EECS系描述的“典型”高年级课程D和F率5%。Ranade表示，学生入学前应已修过线性代数、向量微积分和数学证明等课程。然而，她在答疑时间发现许多学生在线性代数方面存在困难，更令她震惊的是，一名学生告诉她，他们在伯克利修的线性代数课程在作业和考试中竟然实行“开放互联网、开放AI”的政策。

Garcia和Ranade都已加入超过1300名加州大学教职员工的行列，签署了一份请愿书，要求UC系统在STEM招生中恢复ACT和SAT标准化考试成绩。请愿书及随附的公开信详细阐述了对学生数学准备的类似担忧。

由于选课人数的压力和助教工资高等问题，伯克利EECS系不得不减少本科CS录取人数和本科助教数量。Ranade还改变了课程结构。以前EECS 127包括一个在教授和助教团队指导下的期末项目，但今年由于人手不足，她不得不取消了这个部分，而这是大多数学生能获得高分的内容。

两位教授都注意到课堂学生参与度的下降。Ranade说，以前答疑时间总是“人满为患”，但本学期她和助教发现答疑时间的参与度“非常低”，尽管他们经常鼓励学生参加。Garcia在过去两个学期也发现类似情况。他说：“以前我的答疑时间总是满的，但第一次出现没有人来找我的情况。独自坐在办公室里，感觉非常意外。”

展望未来，两位教授都在重新思考课程。Garcia计划在开学第一天就“宣传”春季学期发生的事情，同时寻找识别需要额外补习支持的学生的方法。Ranade强调，在AI时代，教授应该教学生“更多，而不是更少”，她希望学生掌握批判性思维和分析技能，以便在“竞争激烈的世界”中成为领导者。两位教授都强调学生需要更从容地面对难题。

Ranade说：“我们真的需要确保我们的学生成为坚实、有贡献的公民和领导者——这些是伯克利的学生：不仅是明年或后年，而是在他们未来40年的生活中。我们需要而且想要教他们如何迎接新的挑战。”Garcia则喜欢引用同事的一句话：“困惑是学习的汗水。我太喜欢这句话了。我认为很多学生并没有付出汗水。”