分数涨了，但学生真的学到东西了吗？
加州大学伯克利分校本周发布的一份工作报告给出了一个令人不安的答案。研究人员分析了德克萨斯州一所大型大学从2018年到2025年间、横跨84个院系、超过50万名学生的课程数据，发现自ChatGPT上线以来，"涉及AI的课程"中获得A级成绩的学生比例上升了30%。
成绩膨胀本身不是新鲜事，但这一次背后的机制格外值得警惕。
数字背后的真相
这份报告的作者、加州大学伯克利分校高级研究员伊戈尔·奇里科夫注意到，成绩的提升并非均匀分布在所有课程中。它高度集中在那些写作和编程作业权重较大、课后完成的课程里，而在监考考试、课堂讨论和口头报告等难以借助AI作弊的环节，成绩并没有出现类似的异常跳跃。
这个模式指向一个清晰的结论：学生正在用AI完成本该自己动手的作业，而非把AI当作辅助学习的工具。
研究者将AI的使用方式分为三类。第一类是"增强"，AI帮助查资料、整理思路，学生仍然完成核心工作；第二类是"恢复"，学生完成AI时代出现的新型任务；第三类是"替代"，AI直接代劳，学生的工作被完全外包出去。三种方式都能提高成绩，但只有前两种能真正促进技能积累。大量证据显示，正在快速蔓延的是第三种。
对学生来说，这个选择有其现实逻辑。GPA决定研究生院录取资格，决定早期职业机会，而就业市场本身又在被AI快速重塑。在这种压力下，通过AI刷高分数，是许多人在不确定的未来面前寻找的一块踏板。
理解这种行为，不等于认可它。问题在于，这块踏板可能踩空。
一个自我强化的危险循环
奇里科夫在报告中描述了一个令人忧虑的反馈机制：如果AI在学习阶段系统性地替代了技能培养的过程，学生毕业时在那些AI最擅长的领域反而会能力最弱。这将迫使职场进一步依赖AI来填补人力的空缺，而这恰恰会加速自动化，压缩人类劳动者的空间。
换句话说，一个纵容AI替代学习的教育体系，最终培养出来的是一批更容易被AI取代的劳动力。这个循环一旦启动，就很难从内部打破。
雇主的处境同样棘手。当成绩不再可靠地反映能力，筛选应届毕业生就变得更加困难，企业将不得不投入更多资源进行入职评估，或者索性把招聘标准转向其他维度。
面对这种局面，部分名校已经开始行动，但效果存疑。普林斯顿大学近期的一项内部调查显示，约30%的大四学生承认曾经作弊，其中相当大比例涉及AI。本周，该校教职工投票废除了一项执行了133年的荣誉守则，这项守则曾允许学生在没有监考的情况下进行线下考试，如今这种信任基础已经难以为继。
哈佛大学的教职员工则在讨论另一种方案：将A级成绩的比例硬性限制在班级人数的20%以内，试图用行政手段压制分数膨胀。这个思路不无道理，但它只是在控制结果，并没有触及学生为何不再真正学习这个更深层的问题。
真正的挑战，是重新设计一套在AI时代仍然能够评估真实能力的教学和考核体系。监考考试、口头答辩、过程性评估，这些方式不是没有，但需要更多资源投入，也需要整个学术体系在激励机制上做出改变。
成绩单上的A，和真正学会了一件事，本来不应该是两回事。
盈禾配资提示：文章来自网络，不代表本站观点。
