AI 在布朗大学的欺诈行为：带回家考试的终结

布朗大学的大规模 AI 欺诈

布朗大学 Harrison S. Kravis 大学经济学教授 Roberto Serrano 报告称，在其高级本科课程 ECON 1170 (Mathematical Economics) 中出现了广泛的学术欺诈行为。证据表明，至少有 50 名学生在 3 月份的中期考试中使用了人工智能进行作弊，这标志着该校最重大的学术诚信丑闻之一。

欺诈证据

Serrano 教授提供的欺诈证据基于带回家的中期考试结果与随后进行的线下闭卷期末考试结果之间的鲜明对比：

• 中期考试结果： 这场带回家、闭卷的中期考试平均分达到了 96/100，其中 40 名学生获得了满分。
• 检测手段： 阅卷人员在学生的答案中发现了异常段落，这些段落与将相同问题输入 ChatGPT 后生成的输出内容相匹配。
• 期末考试对比： 在 Serrano 宣布期末考试将改为线下进行后，平均分骤降至 48/100。此外，在未参加期末考试的 27 名学生中，有 22 名曾在中期考试中获得了满分。

学校的应对措施与学术风险

Serrano 教授对布朗大学管理层的“冷淡反应”表示了沮丧。据 Serrano 所说，大学校长保持沉默，院长直到案件提交至学术准则委员会 (Academic Code Committee) 后才发表评论，该委员会将此次事件描述为一次“警钟”。

Serrano 认为，大学不愿采取行动可能受到其子女就读于该校的富裕捐赠者的财务利益影响。他断言，学术诚信是必须捍卫的核心价值，以维护高等教育的声望和实用性。

评估策略的转变

这一事件凸显了美国精英大学的一个更广泛趋势，即 AI 正在迫使教育回归传统的、受监考的评估方法。

回归线下监考

普林斯顿大学最近结束了延续 133 年的不设监考的考试传统。自 1893 年以来，普林斯顿一直依赖于一种“荣誉准则” (Honor Code)，即教授在考试期间离开教室；然而，AI 驱动的欺诈行为变得如此容易，使得这种模式难以为继。

新的教学方法

根据学术讨论的综合整理，教育工作者正在讨论几种应对 AI 欺诈的策略：

• 对抗性课程设计： 设计课程体系，使获得高分的路径必须满足学习目标，从而使作弊比实际学习材料变得更加困难。
• 口头与一对一面试： 实施口头考试，以确保学生理解他们提交的作品中的逻辑和概念框架。
• 基于过程的评估： 将重点从最终产出转向创作过程，特别是对于创意或基于项目的作品。
• 手写考试： 回归在受控环境下的“蓝皮书”手写考试，以消除数字辅助。

关于 AI 激励结构的观点

围绕布朗大学事件的讨论表明，作弊压力是系统性的。一些观察者认为，在学生按比例评分 (graded on a curve) 的高度竞争性项目中，使用 AI 成为了一种“博弈论上的最优选择”——如果一名学生认为其同龄人在使用 AI 来提高分数，他们会感到被迫也这样做以保持竞争力。

"当你在顶尖大学的一个竞争激烈的项目中，按比例评分，并且你知道你的同学正在使用 AI 作弊时，你别无选择，只能这样做。"

相反，其他批评者认为，AI 的出现并没有创造作弊的诱惑，而只是让作弊变得更容易，并指出在大型语言模型 (LLM) 出现之前，学生们就已经在带回家考试中作弊了。