UC Berkeley電腦基礎課不及格率飆升至 35%：AI時代下，學生的基礎能力正在流失？

 

前陣子，《加利福尼亞人日報》的一則報導在學術圈引發熱議：UC Berkeley Department of Electrical Engineering and Computer Sciences下的多門電腦基礎課的被當率在 2026 年春季學期突然飆升，其中一門課甚至高達 35.3%。在全球頂尖 CS 學府裡，這樣的數字極為罕見。更令人擔憂的是，教授們給出的原因指向了同一個核心問題 —— 學生對生成式 AI 的過度依賴，正在侵蝕他們的數學與計算思維能力。

 

被當率為何突然暴漲？

 

根據報導，UC Berkeley EECS 系兩門電腦入門課的被當率分別達到：

> The Beauty and Joy of Computing 35.3%（歷史罕見）

> The Structure and Interpretation of Computer Programs 10.6%（也顯著高於往年）

 

而在過去兩年，這些課程的不及格率從未超過 10%。

 

另一門Optimization Models in Engineering 的不及格率也達到 16.8%，是正常水準的三倍。

 

教授們普遍認為：AI 工具讓學生輕鬆完成作業，卻無法讓他們真正掌握知識，學生考試時原形畢露。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，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。

 

AI 不是“外掛”，反而成了認知萎縮器？

報導中提到，許多學生在平時作業中大量使用 ChatGPT、Claude、Gemini 等工具：

> 作業代碼寫得很漂亮

> 證明題邏輯嚴密

> 數學推導也能自動生成

 

但一到閉卷考試或獨立解題場景，問題就暴露出來：

> 學生無法獨立完成最基本的推理、計算與代碼構建。

 

換句話說，AI 讓他們看起來很強，但真正的能力並沒有建立起來。

這不是 AI 的問題，而是學習方式的錯位。

 

數學基礎的缺失，被 AI 放大了

UC Berkeley教授們還指出另一個關鍵因素：線性代數、向量微積分、證明能力等數學基礎正在全面下滑。這些能力本來就是電腦科學的底層邏輯，而 AI 的出現讓學生更容易跳過痛苦但必要的學習過程。於是出現了一個惡性循環：

> 數學基礎弱

> 依賴 AI 完成作業

> 缺乏真實練習

> 考試無法獨立思考

> 不及格率上升

 

AI 並沒有讓學生變強，反而讓基礎更薄弱。

 

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，大學教育應該更加重視批判思考與分析能力。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。

TOP 回上頁