据《商业内幕》报道,在加州理工学院任教17年的数学教授倪忆已调整其作业评分标准,不再依据学生答案的对错打分,转而只检查作业是否完成。倪忆表示,这一变化的直接原因是学生普遍使用AI完成数学作业,而教师层面缺乏有效手段判断作业是否由AI生成。
倪忆指出,AI生成的文本通常具有较明显的语言特征,例如短句密集、破折号频繁以及自问自答的句式结构,相对容易辨认。但数学作业的内容以数字和公式为主,恰好处于AI能力覆盖的核心区间,导致人工甄别难度显著上升。他由此判断,大学数学作业几乎都可以由AI完成,教学过程本身已出现问题。
学生群体对此亦有观察。数学专业大二学生萨特维克·雷德鲁图表示,自己在去年修读该课程时未使用AI,原因是出于对课程本身的兴趣。他认为,若平时依赖AI代做作业,在面对必须亲自参加的线下考试时将处于不利位置。雷德鲁图还提到,今年他修读的部分课程已明确注明允许使用AI。
目前,加州理工学院尚未就数学教师如何应对AI使用制定统一规定,各课程的处理方式存在差异。这一案例反映出生成式AI在高等教育场景中带来的评估难题:当作业内容可被AI高效生成,传统以答案正确性为核心的评分机制面临失效风险,教学机构需要在课程设计与考核方式上作出相应调整。
从行业视角看,AI对教育评估环节的渗透正在倒逼教学工具与评价体系更新。如何在保留作业训练价值的同时建立可信的学术诚信机制,已成为高校和EdTech服务商共同面对的课题。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。