Brown 大学考试上的大规模 AI 作弊遭教授抨击

考试设计与 AI 作弊

• 许多人认为，真正的问题根本就在于出“带回家、闭卷”考试；这种形式默认一种已经不复存在的诚信文化。
• AI 被视为降低了作弊门槛并扩大了作弊规模：速度快、易获取、难以检测，而且能直接完成整份作业。
• 也有人指出，在 AI 出现之前，带回家作业上的作弊就已经很普遍；AI 改变的是规模和便利性，而不是这种行为本身。
• AI 检测工具被广泛认为不可靠且危险（误判率高、方法不透明）。

学生动机与文化

• 对很多人来说，大学是文凭和人脉工具，主要不是为了学习。尤其在精英学校，学位就是一张“饭票”。
• 评分曲线和竞争性项目会形成囚徒困境式压力：如果同学作弊，诚实学生就可能面临更差的相对排名和更糟的职业机会。
• 后疫情时代加上成本上升，一些评论者认为作弊已被常态化，污名也在减弱；学生会对任何指标“奖励黑客”式地找漏洞。

伦理、诚信与曲线评分

• 一方坚持认为作弊永远是个人选择；社会上普遍存在的不诚实并不能为之辩护。
• 另一方则认为，要求学生保持高诚信本身就是天真之举，因为机构和精英阶层的行为也同样功利而冷酷。
• 曲线评分受到严厉批评，因为它把学习变成零和竞争，在结构上会激励作弊。

机构应对与提案

• 强烈支持线下监考考试：纸笔考试，或在锁定的机构电脑上考试；有些人支持手写作答，另一些人则认为在受控设备上打字就足够。
• 建议的工具包括：配备沙盒化电脑的考试中心、口试、针对提交作业的一对一面谈、频繁但低风险的小测验、项目制与课堂内作业。
• 一些教师已经把课程设计成“对抗式”的，确保拿高分的最容易路径仍然需要真正理解。
• 有人认为管理层不愿正面处理作弊，因为招生、经费和声誉上都有顾虑。

关于评分与大学目的的争论

• 不少人质疑成绩是否真的能预测工作表现；许多人表示，雇主除了“有学位”之外很少在意别的。
• 一些教授甚至怀疑评分本身的价值，认为在普遍的分数膨胀下，评分实际上是在为雇主做无偿筛选。
• 也有人为成绩辩护，认为它们是必要的反馈、进阶课程的先修条件，也是文凭的核心组成部分，必须保持其意义。

国际与历史视角

• 评论者将不同体系进行对比：欧洲部分地区用于筛选的纸笔期末考试、匈牙利/意大利的口试、以及美国一些学校基于荣誉制度的带回家考试。
• 许多人怀疑，在当前环境下，如果没有重大的文化和结构性改变，旧式荣誉制度模式能否继续存在。

关于 AI 在教育中的角色的看法

• 一派希望在考核中严格禁止 AI，并认为 AI 作弊会掏空专业能力、贬低学位价值。
• 另一派则认为在工作中使用 AI 是不可避免的；教育应当教学生如何更好地使用 AI，通过面谈、展示或以过程为中心的任务来评估理解，并将“无 AI”的基础能力与“AI 辅助”的现实技能区分开来。