AI迫使计算机教育者重塑考核方式
The Decoder··作者 Tomislav Bezmalinović
关键信息
最常见的教学变化是从“从零编写代码”转向代码理解、调试和问题解决；一些教师还开始把 AI 使用和提示词工程纳入教学。在考核方面，教育者更多采用线下监考考试、口试、代码答辩、纸笔测试和项目制作业，但近一半的人表示仍缺乏可验证的最佳实践案例来整合 AI。
资讯摘要
一份来自 ACM“生成式 AI 与编程评估”任务组的报告显示，计算机科学教育者正在因为 AI 而快速调整教学和考核方式。该任务组在 2025 年 5 月到 10 月期间调查了来自 49 个国家的 763 名教育者，最终分析了约 500 份几乎完整的问卷。报告指出，69% 的受访者认为 AI 已经改变了软件开发所需的技能。教育者最担心的是学生对技术的依赖，比例高达 87%，其次是作弊和抄袭，比例为 72%。有 64% 的人表示他们已经改变了教学方式，开放式回答显示，教学重点正在从“从零写代码”转向代码理解、调试和问题解决。
还有一些教师开始明确教授 AI 使用和提示词工程，也有人在课堂上演示 AI 工具，以说明它们的能力和局限。考核变化更为明显：68% 的受访者已经调整了测试方法，更多采用线下监考考试、口试、代码答辩、纸笔测试和项目制评估。一些学校还要求学生披露自己使用 AI 的情况，并提交与 AI 工具交互的日志。报告指出，各机构的政策仍然很不统一，从全面禁止到允许并鼓励使用但要求记录不等。最大的障碍是缺乏经过验证的最佳实践，许多受访者也表示希望获得教学方法和评估重设计方面的培训。
资讯正文
随着教育者争相重新思考如何测试真实技能，AI 编程导师悖论愈发明显
一项由 ACM 工作组开展、覆盖 49 个国家 700 多名计算机科学教育者的调查发现，69% 的受访者认为，AI 已经改变了软件开发所需的技能。
64% 的受访者已经调整教学重点，从从零编写代码转向代码理解、调试和问题解决。
评估方式变化得更快：68% 的受访者已经调整了测试学生的方式，更常采用有监考的线下考试、口试、代码答辩和基于项目的作业。
一项对全球 700 多名教育者的调查发现，大多数人已经因为 AI 而改变了教学和评估方法。口试、代码理解和基于项目的作业正在获得更多重视。但近半数受访者表示，他们缺乏将 AI 融入课程的成熟范例。
ChatGPT 和 GitHub Copilot 等 AI 编程工具可以解决入门课程中的典型编程作业，往往能达到普通学生的成绩水平。如今一项新研究全面展现了全球计算机科学教育者如何作出回应。这项研究由“ACM 生成式 AI 与编程评估工作组”开展，该专家组由国际计算机学会 ACM 的教育委员会设立。
该工作组在 2025 年 5 月至 10 月期间调查了来自 49 个国家的 763 名教育者。研究分析了其中约 500 份接近完整的问卷。结果显示，69% 的人认为 AI 已经改变了软件开发所需的技能。教育者最担心的是学生对技术的依赖日益加深（87%），其次是作弊和抄袭（72%）。
教学重点从编写代码转向理解代码
64% 的受访者已经改变了他们的教学方式。对开放式回答的主题分析指向一个方向：从从零编写代码转向代码理解、调试和问题解决。另有 39 份回答提到，将 AI 使用和提示词工程作为明确的教学内容。还有一些人会在课堂上演示 AI 工具，让学生同时看到它们的能力与局限。
“我们知道，学生进入职场后，很可能会使用 AI 工具进行开发，”俄亥俄州立大学教授、该报告主笔作者 Steven Gordon 说，“关键是培养出既精通编程、又理解 AI 能力与局限性的毕业生。”
口试和基于项目的评估正在兴起
评估方面的变化更为显著。68% 的受访者已经调整了测试方法。最常见的变化包括增加有监考的线下考试（56 次提及）、降低作业权重（38 次）、口试和代码答辩（36 次），以及纸笔测试（35 次）。基于项目的评估（34 次）也在增加。一些教育者现在要求学生披露自己对 AI 的使用情况，并提交与 AI 工具互动的日志。
机构层面的政策仍然是拼凑而成的。45%的受访者表示，他们所在机构有关于使用 AI 的指导方针，而 39% 的受访者表示没有。相关政策从全面禁止到明确允许甚至鼓励不等，但前提是使用情况必须被记录下来。
近半数教育者缺乏 AI 整合的最佳实践示例
受访者提到的最大障碍是缺乏经过验证的最佳实践，占 48%。28%的人表示自己对 AI 的专业知识不足，20%的人则认为根本没有必要将其整合进教学。在专业发展方面，74%的人希望接受有效教学方法方面的培训，66%的人希望获得重新设计评估方式的帮助。
这些结果也有一些注意事项。参与者主要通过 ACM 和 SIGCSE 邮件列表以及精选的国家级教育者名录招募而来。受访者地域分布明显偏向北美（227 人）和欧洲（106 人），而亚洲（57 人）、南美洲（10 人）、大洋洲（9 人）和非洲（3 人）的代表性要弱得多。在那些填写了机构类型的人中，77%在大学工作，K-12 学校和职业教育项目几乎没有被代表。研究结果同样基于自我报告数据。
这项 ACM 研究可在网上免费获取。该工作组还建立了一个网站，收集面向教育者的实用示例和资源。
研究显示，AI 使用能提高成绩，但会损害实际学习
近来的几项研究印证了受访者提出的担忧。Anthropic 的一项研究发现，在 AI 协助下学习新的 Python 库的软件开发者，在后续知识测试中的得分比无法使用 AI 的对照组低 17%。其中一小部分把编码完全交给 AI 的人完成任务最快，但知识测试平均只得到了 39%。
类似的模式不仅出现在计算机科学领域。一项中国纵向研究跟踪了超过 26,000 名学生，发现 AI 使用使家庭作业成绩提高了 18%，并将完成时间缩短了 30%。但在 6 个月后的闭卷考试中，分数下降了 20%。在之后的入学考试中，下降幅度则分别为 18%和 24%，具体取决于考试类型。
加州大学伯克利分校的一项分析覆盖了超过 500,000 个成绩，发现 ChatGPT 发布后，高分显著增加，尤其是在写作和编程作业占比较高的课程中。这一激增在那些未受监考的家庭作业对最终成绩占比很高的课程中最为明显。根据 ACM 的报告，这正是许多教育者如今正减少权重的那类评估方式。
AI 新闻，无需炒作——由人类精选
订阅 THE DECODER，享受无广告阅读、每周 AI 通讯、我们每年 6 次发布的独家“AI Radar”前沿报告、完整历史档案访问权限，以及评论区访问权限。
来源与参考
收录于 2026-07-27