加州大学伯克利分校计算机科学不及格率因 AI 使用和数学技能下降而激增

加州大学伯克利分校计算机科学课程的学业表现下降

2026 年春季，多门加州大学伯克利分校计算机科学课程的不及格成绩激增，远远超出系部的评分指南。根据 Berkeleytime 的数据，CS 10（“计算的美与乐”）中有 35.3% 的学生，以及 CS 61A（“计算机程序的结构与解释”）中有 10.6% 的学生 获得了不及格成绩。

这标志着与 2024 年和 2025 年春季相比的急剧上升，当时两门课程的不及格率均低于 10%。这些数据与电气工程与计算机科学系（EECS）的指南相差甚远，指南建议低年级课程中只有 7% 的学生应获得 D 或 F 等级。此外，这些课程的平均绩点下降至 2.3（C+），远低于通常的 2.8 到 3.3 范围。

生成式 AI 与学术不端的作用

授课教授 Dan Garcia 将由 Claude、ChatGPT 和 Google Gemini 等大型语言模型（LLM）驱动的“学术不端大幅增加”视为这些不及格率的主要原因。其影响表现为两种不同的方式：

直接起诉： 大量不及格成绩来源于学生被抓作弊并被送至学生行为中心。在 CS 10 中，单独就有近 30 名学生在开卷考试中被抓作弊。
技能退化： 许多学生过度依赖 LLM 完成作业，导致他们在无法使用 AI 辅助的高风险考试中准备不足。

Garcia 教授反对使用成绩曲线，他认为这会掩盖系统性问题。他主张设定明确、公开的分数阈值对应字母等级，让学生有多次机会达到这些标准，而不是降低门槛。

数学准备能力的下降

除了 AI 使用之外，教师们报告新生在先修数学技能方面存在严重缺乏。副教学教授 Gireeja Ranade 观察到 EECS 127（“工程中的优化模型”）的不及格率为 16.8%，而上层课程的典型不及格率约为 5%。

Ranade 指出，在办公时间里，面对线性代数困难的学生透露，伯克利的一些先修课程已经采用了“开放互联网、开放 AI 政策”进行作业和考试，这可能削弱了对基础概念的掌握。

针对这些趋势，Garcia 和 Ranade 与超过 1,300 名加州大学教师一起签署请愿书，要求恢复 ACT 和 SAT 标准化考试成绩用于 STEM 招生，理由是免考政策未能可靠评估学生的准备程度。

机构挑战与学生参与度

人员短缺和参与度下降进一步使教育环境变得复杂：

支持减少： 由于助教（TA）的时薪较高，EECS 系部削减了本科生招生规模和本科助教人数。这迫使 Ranade 教授从 EECS 127 中删除了期末项目，而该项目通常能为学生带来高分。
参与度下降： Garcia 和 Ranade 都报告了办公时间出勤率的惊人下降。Garcia 说，经过多年满员的办公时间后，他发现自己独自坐在办公室，这表明学生与教学支持之间出现了脱节。

社区观点的综合

技术专业人士和校友之间的讨论表明，伯克利的经历是更广泛认知转变的一部分。

“认知衰退”假设

多位观察者认为 LLM 正在形成一种依赖性，侵蚀深度思考和头脑风暴的能力。一位评论者指出，即使是博士级别的专业人士在没有 LLM 的情况下也难以编码或写作，这表明“认知衰退”正从课堂延伸至职业环境。

招生与教学法的争论

有些人将不及格率归因于 AI，另一些人则认为取消标准化考试是根本原因，声称大学现在录取的学生缺乏初中水平的数学能力。还有人认为问题出在过时的教学法上，认为传统的讲授加考试模式在 AI 时代已不适用。

AI 作为学习工具 vs. 捷径

普遍共识是，如果将 AI 用于苏格拉底式对话或针对性练习，它可以成为强大的教学工具；但若用来规避学习的“挣扎”，则会产生不利影响。正如 Garcia 教授所概括的：“困惑是学习的汗水”，而许多学生现在正在回避这种努力。