AI使用致伯克利CS课程不及格率飙升，数学能力下降

2026年春季，加州大学伯克利分校多门计算机科学课程的不及格率显著高于过去学期，这偏离了该系的评分指南。教师指出，学生对人工智能的依赖增加、数学准备不足以及人员短缺是潜在因素。

据Berkeleytime数据，CS 10课程有35.3%的学生、CS 61A课程有10.6%的学生在2026年春季获得了F。而在2025年春季和2024年春季，这两门课程的不及格率均未超过10%。

电气工程与计算机科学系的评分指南规定，包括CS 10和CS 61A在内的低年级课程中，应有7%的学生获得D或F。此外，指南指出“低年级课程的典型GPA应在2.8至3.3之间”。根据Berkeleytime，2026年春季两门课程的平均成绩均为C+，对应GPA为2.3。

加州大学伯克利分校教学教授Dan Garcia在2026年春季教授了CS 10“计算之美与乐趣”和CS 61A“计算机程序的结构与解释”。

Garcia认为，异常高不及格率的“主要驱动因素”是学生使用Claude、ChatGPT和Google Gemini等大型语言模型导致的“学术不诚实行为大幅增加”。

Garcia说：“你看到的不及格学生数字中，有一部分是因为我们抓住了他们（作弊）并进行了处理，将他们的案件提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，到了考试时根本没有准备好。

”据Garcia称，2026年春季CS 10课程有近30名学生在带回家的考试中作弊。Garcia这学期的两门课程都没有按曲线评分；相反，每个字母等级对应一个分数阈值。这意味着学生的成绩不依赖于同学的表现。

Garcia认为教师“不应该采用曲线评分”，而应该公开每个字母等级的阈值，并给学生多次机会达到这些阈值。他补充说，他非常喜欢“不限制”给学生A的数量这一想法。Garcia说：“我强烈反对哈佛的做法，即只有一小部分学生能获得A。

我认为应该对A有明确的标准，然后提供大量机会让学生在不降低标准的情况下达到A。所有采用曲线评分的人都在隐藏这种影响，假装一切正常，但肯定出了问题。”

除了过度依赖AI，Garcia还指出许多学生数学准备不足，这一担忧得到了校园副教学教授Gireeja Ranade的共鸣。Ranade注意到她在2026年春季的EECS 127课程“工程优化模型”中，学生同样缺乏先修数学技能，她称这学期的教学“具有不同的挑战性”。

该课程的不及格率为16.8%，远高于EECS系描述的上层课程“典型”的5%的D和F率。Ranade表示，学生应在修读线性代数、向量微积分和数学证明课程后进入该课程。

然而，她在答疑时间发现许多学生在线性代数方面有困难，更令她震惊的是，一名学生告诉她，他们在伯克利上的线性代数课程在作业和考试中采用了“开放互联网、开放AI政策”。

Garcia和Ranade都加入了超过1300名加州大学教师的行列，签署了一份请愿书，呼吁恢复加州大学系统STEM招生中的ACT和SAT标准化考试成绩。请愿书及其附带的公开信详细阐述了对学生数学准备的类似担忧。

Ranade今年还改变了课程结构。此前，EECS 127包括一个在教授和助教团队指导下完成的最终项目。

由于缺乏教职员工，Ranade不得不取消这部分课程，她表示大多数学生在这部分能获得高分。根据EECS系主任Jelani Nelson在X上的一篇文章，由于EECS助教时薪较高，学校不得不减少本科CS招生人数和本科助教数量。

Ranade和Garcia都注意到学生课堂参与度下降。Ranade说，答疑时间曾经“人满为患”，但本学期她和助教注意到答疑时间“参与度很低”，尽管他们经常鼓励学生参加。Garcia在过去两个学期也发现自己的答疑时间出勤率低。

Garcia说：“我以前答疑时间总是满的，但第一次没有人来我的答疑时间。独自坐在办公室里，这太令人惊讶了。”展望未来，两位教授都在重新思考他们的课程。Garcia计划在第一天就向他未来的班级“宣传”2026年春季发生的事情，同时尝试找到识别需要额外补救支持的学生的方法。

Ranade强调，在AI时代，教授应该“更多而不是更少”地教学生，并补充说，她希望学生获得成为“竞争激烈的世界”领导者所需的批判性思维和分析性思维技能。两位教授都强调学生需要更从容地面对难题。

Ranade说：“我们确实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：不仅为明年或后年，而是为他们未来40年的生活做准备。我们需要——而且我们想要——教他们如何迎接新挑战。

”Garcia说：“我喜欢我同事用的这句话：‘困惑是学习的汗水。’我非常喜欢。我认为很多学生没有付出汗水。”