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年春季多門計算機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，多門基礎計算機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，計算機科學入門課程 CS10本學期有35.3%學生拿到 F，另一門核心課程 CS61A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。
依據電機工程與計算機科學（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 CS10與 CS61A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 CS10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），而是采固定門檻制度，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EECS127「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%的正常水平。 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「開放網絡、開放 AI」。
兩位教授目前也都已加入超過1,300名加州大學教師聯署，支持恢復STEM科系招生采計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計算機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。