趋势解读:AI is inflating student grades,and the effect,解读最新研究结论
加州大学伯克利分校研究发现,ChatGPT推出后,以写作和编码为主的课程成绩大幅上升,且该效应主要出现在家庭作业中,表明AI正在替代学生完成作业,而非提升学习能力。
原贴
查看原文原文
中文翻译
加州大学伯克利分校对超过 500,000 名学生的成绩进行的一项研究发现,在 ChatGPT 推出后,以写作和编码为主的课程成绩出现了跃升。这种效应主要体现在家庭作业上,这表明人工智能正在取代学生的作业,而不是改善学习。人工智能可能正在侵蚀大学成绩实际告诉我们的信息。加州大学伯克利分校的一项新研究分析了德克萨斯州一所“大型选择性公立研究型大学”的 500,000 多个成绩。这种模式很难被忽视。自 ChatGPT 于 2022 年 11 月推出以来,在写作和编码作业比例较高的课程中,成绩大幅攀升。A 级成绩的比例跃升了 13 个百分点,比 2022 年基准高出约 30%。平均GPA上升0.12分,成绩分布收窄。 A-和B-+的成绩正在提升至全A。该研究跟踪了 8 个秋季学期(2018 年至 2025 年)84 个院系 319 门课程的成绩趋势。每门课程的人工智能暴露程度都是通过 ChatGPT 存在之前的 2022 年秋季教学大纲中的作业组合来衡量的。最重要的是写作和编码任务的份额,这是人工智能表现最好的领域。研究问题是,更高的成绩是否反映了实际的学习成果,或者只是人工智能在完成工作。为了找到答案,作者伊戈尔·奇里科夫还研究了家庭作业对期末成绩的影响。如果人工智能确实改善了学习,那么无论课程是依靠家庭作业还是监考考试,成绩都会有所提高。但如果人工智能只是取代学生在无人监督的作业中的作业,那么其影响应该集中在家庭作业更重要的课程上。数据显示的是这样的:在家庭作业占成绩的比重高于中位数的课程中,与人工智能暴露程度低于中位数的课程相比,A 的成绩额外上升了 16 个百分点。在那些作业量较低的课程中,效果很小,而且在统计上并不显着。奇里科夫写道,其结果“很难与广泛的学习收益或排序效果相协调”。安慰剂测试支持了这一点。对于口头演示作业,人工智能的用处要小得多,成绩也没有变化。在美国大学,成绩膨胀并不是什么新鲜事。研究指出,在哈佛大学,A 级成绩的比例从 2005 年的 24% 上升到 2025 年的 60.2%。早期的研究指出,教学评估会奖励宽大处理、大学之间的竞争以及机构评分政策。但奇里科夫认为,人工智能的工作方式有所不同。在学生上交作业后,每个早期的司机都会在评分阶段开始工作。在教师看到作品之前,人工智能就改变了作品本身的制作方式。研究警告说,如果以写作和编码为主的课程的成绩越来越多地反映人工智能生成的输出而不是真正的技能,那么雇主和研究生项目可能会做出更糟糕的选择决定。奇里科夫还指出了一个反馈循环:如果人工智能在大学期间接管技能培养任务,那么毕业生最终可能会在人工智能最强的领域变得更弱。这可能会加速自动化并扩大就业市场的技能差距。
核心信息
加州大学伯克利分校研究发现,ChatGPT推出后,以写作和编码为主的课程成绩大幅上升,且该效应主要出现在家庭作业中,表明AI正在替代学生完成作业,而非提升学习能力。
- 伯克利研究50万份成绩,发现ChatGPT后文科成绩飙升。
- A等比例跃升13%,平均GPA上升0.12。
- 效应集中在高作业权重的课程,表明AI替代作业。
- 口头演讲无变化,安慰剂测试验证结论。
- 长期可能削弱毕业生真实技能,加剧技能差距。
详细解读
这是什么信号
这项来自加州大学伯克利分校的研究,通过分析超50万份成绩,揭示了ChatGPT推出后写作和编码课程成绩的显著通胀。信号的核心是:AI并非提升学习,而是替代学生完成作业,导致成绩失真。这与传统成绩通胀(如教师评分宽松)不同,AI从内容生产阶段就改变了作业的实质。
为什么重要
成绩是教育评估、就业筛选和研究生录取的关键指标。如果AI持续侵蚀其真实性,雇主和招生机构将无法准确判断学生能力,可能导致人才错配。同时,学生依赖AI完成技能型作业,长期会削弱自身能力,反噬职业竞争力。研究还指出,这一效应可能加速AI对白领岗位的自动化替代。
对谁有价值
对教育管理者:需重新设计评估体系,增加监考或实操测试,减少对家庭作业的依赖。对雇主和招聘人员:应调整筛选方式,加入技能实操考核。对内容创作者和工具开发者:可开发防AI作弊的评估工具或学习辅助产品。对个体学生:需警惕过度依赖AI,保持核心技能锻炼。
可以怎么行动
1. 教育机构:引入AI检测工具,调整作业形式(如课堂限时写作)。2. 招聘方:采用项目制评估或面试考核,替代成绩单筛选。3. 工具开发者:构建AI辅助学习的透明度机制,记录学生独立完成部分。4. 个体:主动使用AI作为学习辅助而非替代,定期自测能力。
风险或限制
研究仅基于一所大学的数据,结论推广需谨慎。AI对学习的影响也可能因学科、学校政策而异。此外,完全杜绝学生使用AI不现实,关键在于引导合理使用。长期看,成绩通胀可能倒逼教育体系变革,但短期调整可能增加学生和教师负担。
信息差价值
信息差价值:多数人仅关注AI对学习的正面影响,而这项研究揭示了AI对教育评估体系的隐性冲击——成绩通胀并非因学得更好,而是作业被替代。这一发现对理解AI如何改变人才培养和社会筛选机制具有前瞻意义。
业务启发:教育科技公司可开发防AI作弊的评估系统,或推出侧重过程追踪的学习平台;企业招聘方应考虑引入技能实操考核,减少对成绩单的依赖;内容创作领域可围绕“AI与学习能力”产出深度分析,满足职场人和家长的信息需求。
可沉淀动作:将研究结论纳入行业报告,作为评估AI教育影响的参考;策划系列内容(如“AI时代的评估变革”),持续跟踪教育机构应对措施;针对不同受众(学生、教师、HR)制定行动建议清单,形成可复用的知识资产。