加州大学伯克利分校计算机科学课程2026年春季挂科率激增，远超往年10%的水平（CS10达35.3%，CS61A达10.6%）。教授归因于：学生过度依赖AI工具、数学基础薄弱及师资不足。实际平均绩点2.3（C+）也低于学院规定的2.8-3.3标准。

加州大学伯克利分校计算机科学课程挂科率飙升：AI滥用与数学能力下降成主因

核心问题
2026年春季学期，加州大学伯克利分校多门计算机科学课程的挂科率（F级成绩）显著高于往年，严重偏离院系规定的"低阶课程D/F率应控制在7%"的标准。例如：
- CS 10课程挂科率达35.3%
- CS 61A课程挂科率为10.6%
而2024-2025学年同期，这两门课的挂科率均未超过10%。

三大关键原因
1. AI工具滥用
- 教授Dan Garcia指出，学生过度依赖ChatGPT、Claude等大语言模型完成作业，导致"学术不端行为激增"。仅CS 10课程就有近30名学生因在家考作弊被查。
- 部分学生因长期依赖AI，在考试时暴露真实水平："他们用AI代劳，到考试时就彻底露馅了。"

2. 数学基础薄弱

   • 教师Gireeja Ranade发现，选修"工程优化模型"课程的学生普遍缺乏线性代数等先修知识。该课程挂科率达16.8%，远超院系5%的典型标准。
   • 有学生透露，其伯克利线性代数课程竟允许"作业和考试使用互联网和AI"。

3. 教学资源短缺

   • 由于助教人力不足，Ranade被迫取消原本能帮助学生提分的期末项目环节。
   • 计算机科学系主任Jelani Nelson公开表示，因助教时薪成本过高，学校已缩减本科生招生规模及助教名额。

教学改革动向
- 评分标准透明化：Garcia主张取消曲线评分，明确公布各等级分数门槛，允许无限量学生获得A级。
- 强化基础训练：两位教授联合1300多名教职工联署，呼吁UC系统恢复STEM专业招生的ACT/SAT标准化考试要求。
- 对抗AI依赖：Ranade强调需加强批判性思维训练："我们要培养的是未来40年的领导者，而非AI操作员。"

学生参与度危机
- 线下办公室答疑时间 attendance 锐减，Garcia称其答疑时段"首次出现零学生到场"；
- Ranade形容本学期学生互动"极其低迷"，与往年"人满为患"形成鲜明对比。

教授警示
Garcia计划在新学期首日公开2026年春季的挂科数据，Ranade则引用同事名言提醒学生："困惑是学习的汗水——但现在很多学生根本不愿流汗。"

（注：原文中广告链接及部分技术参数等无关内容已剔除，保留核心教育议题的完整叙事链。）

评论总结：

1. 关于AI在教育中的角色：

• 反对观点：认为AI会阻碍真实学习，导致学生依赖工具而丧失独立思考能力（评论2、9）。关键引用："LLM帮助下的成年人认知能力下降明显"；"AI在教育中没有立足之地"
• 支持观点：AI可以作为辅助学习工具（评论13）。关键引用："像耐心的教授一样逐步确认解题过程，是最好的数学学习体验"

2. 关于学术标准：

• 支持严格评分（评论5、17）。关键引用："应该保持明确的A标准而不降低要求"；"很高兴看到学校抵制分数通胀"
• 质疑入学标准（评论11）。关键引用："取消标准化考试是失败的实验，考试成绩仍是学业表现的最佳预测指标"

3. 教学方式批评：

• 指出教授教学能力不足（评论8）。关键引用："教授只是照本宣科，精英主义态度明显"；"99%的毕业生只是做着基础的数据处理工作"
• 认为课程设计需要改进（评论8、14）。关键引用："需要创造有趣实用的学习环境"；"学校应该教思考方法而非死记硬背"

4. 作弊问题：

• 认为AI加剧作弊现象（评论4、12）。关键引用："30名学生在家考试中被抓作弊"；"AI暴露了那些只想混文凭的学生"
• 也有同情声音（评论9）。关键引用："如果学生时代有LLM，自己可能也会用它做作业"

5. 其他观点：

• 建议限制未成年人使用生成式AI（评论6）
• 指出标题误导性（评论1）
• 关注学生基础能力下降（评论10、15）

评分说明：多数高赞评论（如评论2、8、9、11）倾向于批评AI对教育的负面影响，并强调维持学术标准的重要性。支持AI辅助学习的观点（评论13）获得较少共鸣。