▲美國柏克萊大學（UC Berkeley）。（圖／達志影像／美聯社）
記者吳立言／綜合報導
當 AI 成為學生寫作業的日常工具，考試成績也開始反映它帶來的影響。加州大學柏克萊分校 2026 年春季多門電腦科學課程不及格率大幅攀升，教授指出，過度依賴 ChatGPT 等大型語言模型，正讓部分學生在真正需要獨立解題時暴露能力落差。
根據校內成績統計平台 Berkeleytime 與校園媒體報導，2026 年春季學期，多門基礎電腦科學課程的不及格率明顯攀升，部分教授認為，學生過度依賴 AI、數學基礎能力不足，以及教學資源縮減，都是背後的重要原因。
不及格率遠高於往年
數據顯示，電腦科學入門課程 CS 10 本學期有 35.3% 學生拿到 F，另一門核心課程 CS 61A 則有 10.6% 學生不及格。相較於 2024 與 2025 年春季學期，兩門課的不及格率都未超過 10%，今年的變化格外明顯。
依據電機工程與電腦科學（EECS）系的評分指引，低年級課程的 D、F 比例通常約為 7%，而平均 GPA 應落在 2.8 至 3.3 之間。但今年兩門課平均成績僅為 C+，約相當於 2.3 GPA。
教授：AI 過度使用讓學生考試時「原形畢露」
負責教授 CS 10 與 CS 61A 的教學教授 Dan Garcia 表示，異常偏高的不及格率，主要原因之一是學生大量依賴大型語言模型完成作業。他指出，一部分不及格學生是因為作弊遭查獲並移送學生紀律單位處理；另一部分則是在平時過度依賴 AI 完成作業，等到考試無法使用工具時，才發現自己並未真正掌握課程內容。
Garcia 表示，僅在 CS 10 這門課，本學期就有近 30 名學生因居家考試作弊遭到查處，而涉及的工具包含 Claude、ChatGPT 與 Google Gemini 等生成式 AI 系統。
不採成績曲線 讓問題直接浮現
值得注意的是，Garcia 本學期並未採用常見的「曲線調分」（grading curve），而是採固定門檻制度，只要達到標準就能取得對應成績，學生彼此之間不互相競爭。他認為，若使用曲線調分，可能會掩蓋學生整體能力下滑的現象。Garcia 表示，課程應該明確定義 A、B、C 各自代表的能力標準，並提供學生足夠機會達成，而不是限制只有固定比例的人能拿高分。
數學基礎能力下滑也成隱憂
除了 AI 使用習慣外，教授們也發現學生的數學能力出現明顯落差。教授 Gireeja Ranade 負責的 EECS 127「工程最佳化模型」課程，本學期 F 比例達 16.8%，同樣遠高於系上高年級課程約 5% 的正常水準。Ranade 表示，這門課要求學生具備線性代數、向量微積分與數學證明等先備知識，但她在辦公時間輔導學生時發現，不少人連基本線性代數都不熟悉。更令她意外的是，有學生透露自己修習的線性代數課程，作業與考試都允許「開放網路、開放 AI」。
兩位教授目前也都已加入超過 1,300 名加州大學教師連署，支持恢復 STEM 科系招生採計 ACT 與 SAT 標準化考試成績，希望改善學生的數學基礎能力。
助教減少、學生互動意願下降
除了學習方式改變，教學資源縮減也加重了挑戰。由於經費壓力，柏克萊近年持續縮減大學部電腦科學招生名額及助教人力。Ranade 表示，她原本安排由教授與助教共同指導的期末專題，今年因人力不足而被迫取消。兩位教授也都提到，學生參與度明顯下降。過去經常擠滿學生的 Office Hour，如今常常空無一人。
Garcia 坦言，過去辦公時間總是坐滿學生，但最近兩個學期，竟然第一次出現「整段時間沒有人來」的情況，讓他相當意外。
AI 時代更需要培養獨立思考能力
面對 AI 已成為學習工具的新環境，兩位教授都認為，大學教育不應因此降低要求，而是應該更加重視批判思考與分析能力。Ranade 強調，未來世界競爭只會更加激烈，教育的目標是培養學生面對未知挑戰的能力，而不是讓 AI 代替他們思考。Garcia 則引用同事的一句話作為總結：「困惑，是學習流下的汗水（Confusion is the sweat of learning）。」他認為，許多學生現在最大的問題，或許正是沒有願意投入這份學習所需的努力。
