AI使用和數學能力下降導致伯克利CS課程不及格率飆升

根據Berkeleytime的資料，2026年春季學期，加州大學伯克利分校的CS 10（電腦科學導論）和CS 61A（計算機程式的結構與解釋）兩門課程出現了異常高的不及格率。CS 10有35.3%的學生獲得F，CS 61A也有10.6%的學生不及格。兩門課程的平均成績均為C+，對應GPA為2.3，遠低於學校對低年級課程設定的2.8-3.3的典型GPA範圍。

教授這兩門課的Dan Garcia教授認為，高不及格率的主要驅動因素是“學術不誠實行為的急劇增加”，這源於學生大量使用大型語言模型，如Claude、ChatGPT和Google Gemini。Garcia說：“你看到的那些不及格的學生中，有些是因為我們發現了他們作弊並進行了處理，將案件移交給了學生行為中心。但在其他情況下，是學生過度依賴LLM來完成作業，到了考試時實際上沒有做好準備。”據Garcia透露，僅CS 10一門課，就有近30名學生在春季學期的開卷考試中作弊被抓。

值得注意的是，這兩門課都沒有采用曲線評分，而是為每個字母等級設定了固定的分數閾值。這意味著學生成績不依賴於其他同學的表現。Garcia認為教師“不應該採用曲線評分”，而應該公開每個等級的分數要求，並給學生多次機會去達到這些要求。他非常贊同“不限制給予學生A的數量”這一理念。Garcia說：“我強烈反對哈佛的做法，即只允許一定比例的學生得A。我認為應該明確A的標準，然後提供大量機會讓學生達到那個標準，而不是降低標準。所有采用曲線評分的做法都是在掩蓋問題，假裝一切正常，但事實上肯定有問題。”

除了對AI的過度依賴，Garcia還指出許多學生在數學上準備不足。這一擔憂也得到了校園副教學教授Gireeja Ranade的共鳴。Ranade在春季學期教授EECS 127（工程最佳化模型）時也注意到學生缺乏必要的數學預備知識，她形容本學期的教學“具有不同的挑戰性”。該課程的F率高達16.8%，遠高於EECS系描述的“典型”高年級課程D和F率5%。Ranade表示，學生入學前應已修過線性代數、向量微積分和數學證明等課程。然而，她在答疑時間發現許多學生線上性代數方面存在困難，更令她震驚的是，一名學生告訴她，他們在伯克利修的線性代數課程在作業和考試中竟然實行“開放網際網路、開放AI”的政策。

Garcia和Ranade都已加入超過1300名加州大學教職員工的行列，簽署了一份請願書，要求UC系統在STEM招生中恢復ACT和SAT標準化考試成績。請願書及隨附的公開信詳細闡述了對學生數學準備的類似擔憂。

由於選課人數的壓力和助教工資高等問題，伯克利EECS系不得不減少本科CS錄取人數和本科助教數量。Ranade還改變了課程結構。以前EECS 127包括一個在教授和助教團隊指導下的期末專案，但今年由於人手不足，她不得不取消了這個部分，而這是大多數學生能獲得高分的內容。

兩位教授都注意到課堂學生參與度的下降。Ranade說，以前答疑時間總是“人滿為患”，但本學期她和助教發現答疑時間的參與度“非常低”，儘管他們經常鼓勵學生參加。Garcia在過去兩個學期也發現類似情況。他說：“以前我的答疑時間總是滿的，但第一次出現沒有人來找我的情況。獨自坐在辦公室裡，感覺非常意外。”

展望未來，兩位教授都在重新思考課程。Garcia計劃在開學第一天就“宣傳”春季學期發生的事情，同時尋找識別需要額外補習支援的學生的方法。Ranade強調，在AI時代，教授應該教學生“更多，而不是更少”，她希望學生掌握批判性思維和分析技能，以便在“競爭激烈的世界”中成為領導者。兩位教授都強調學生需要更從容地面對難題。

Ranade說：“我們真的需要確保我們的學生成為堅實、有貢獻的公民和領導者——這些是伯克利的學生：不僅是明年或後年，而是在他們未來40年的生活中。我們需要而且想要教他們如何迎接新的挑戰。”Garcia則喜歡引用同事的一句話：“困惑是學習的汗水。我太喜歡這句話了。我認為很多學生並沒有付出汗水。”