AI 模糊學習證據之際，Richard Borcherds 改變功課評分方式

據報，Richard Borcherds 已停止按答案是否正確為功課評分，因為 AI 令辨識學生是否獨立完成作業變得困難。Richard Borcherds 的功課評分改動保留練習作業，但將理解程度的證據轉向受監考試。這個區別很重要：據報的退讓針對的是功課分數能證明甚麼，而非學生是否應該練習數學。

根據 Tom’s Hardware 10 月 27 日的報道，這名 UC Berkeley 教授現時主要透過不准使用電子裝置的現場考試評核學生。其他報道則指，功課分數按完成情況計算。綜合而言，這些報道描述了練習一項技能與證明學生本人具備該技能之間的分隔。

Berkeley 內部已有不同做法。該校 2026 年秋季統計運算課程大綱容許 AI 協助，同時配合現場理解程度檢查。因此，Borcherds 據報的決定為教育工作者及 AI 使用者提出一個具體問題：當軟件能產出答案時，甚麼才算是某人理解內容的證據？

Richard Borcherds 的功課評分改動實際代表甚麼

據報的改動取消以正確性作為功課評分依據；這並不表示 Borcherds 已取消功課。

Tom’s Hardware 指出，Borcherds 的決定源於他的憂慮：措辭完整的提交作業已無法可靠地區分獨立完成的工作與 AI 協助。該報道對其功課評核改動的描述，亦提到他偏好受監考試。據報，他看到網上成績提高，卻無法辨識哪些學生使用了 AI。

按完成情況給予分數的細節見於其他報道，包括連結至 New York Post 的一則摘要。該報道描述按完成情況計算的功課分數，收窄了讀者從「停止評分功課」標題中應作出的理解。即使正確答案不再獲得差異化評分，提交作業仍然可能重要。

Borcherds 的學術地位有助解釋事件為何受到關注。Berkeley 的檔案記錄了他於 1998 年獲得的菲爾茲獎，表彰其數學研究工作，包括證明 Monstrous Moonshine conjecture。這項榮譽確立其研究資歷，但不會獨立驗證其評核政策，也不會衡量其課堂中的作弊情況。

幾項界線仍然重要。本文審閱的報道並未證實全校都撤回按分數評核的功課；也未提供已核實的實施日期、完整的評分公式，或其學生的實測作弊率。

因此，眼前的事態是，一名教師據報對他所稱無法再透過檢視答案解決的問題作出的回應。把此回應視為 Berkeley 全校政策，會誇大現有證據；把它視為每份高質素作業皆涉及作弊的證明，則更屬誇大。

這個區別亦改變了政策討論。取消練習作業會移除一個學習機會；取消按正確性計算的分數，則會改變附於該機會的誘因，同時仍未解決學生如何獲得有用回饋。

從學生角度看，差異很清楚。在按正確性評分下，未解決的題目會威脅作業分數；在按完成情況給分下，只要課程仍提供足夠回饋，同一未解決的題目可以揭示考試前需要處理的地方。

這是潛在好處，而非已從 Borcherds 課堂中確立的結果。學生或會較少壓力去提交自己無法解釋的完美答案；但若完成便已足夠，他們亦可能減少練習所投入的努力。

因此，Richard Borcherds 功課評分的故事，關乎一個帶來相互競爭後果的評核問題。課程可以令外判功課的吸引力下降，同時亦削弱學生認真完成功課的即時回報。這種平衡是否改善學習，仍需要公告以外的證據。

正確答案正失去作為證據的價值

一份正確的提交作業能說明該作業本身，但愈來愈無法確定學生是否具備獨立完成的能力。

功課可以有多種作用：讓學生練習、協助教師辨識困惑之處、建立截止期限，以及為課程成績提供證據。這些目的互有重疊，但未必總是需要同一種評核方法。

AI 令這種分隔更難以忽視。學生可以擁有準確的解答，卻未必曾選擇其方法、理解其假設，或辨識其可能失效之處。單憑最終答案無法釐清這些差異。

這不代表每種使用協助的方式都妨礙學習。提示可以協助某人恢復有成效的工作；解釋可以揭露誤解；完整解答亦可能取代原本作業旨在培養的推理過程。

從完成的提交作業來看，這些途徑可以相當相似。這令必須根據在其觀察以外完成的作業給予個別分數的教師承受壓力；亦令遵守限制的學生感到壓力，因為他們相信其他人透過違規協助取得分數。

Borcherds 據報的回應正面處理這種誘因。若正確性帶來較少功課分數，從軟件取得完美答案，對該項分數的作用便會減少。然而，完成分數仍然獎勵交功課，所以誘因不會完全消失。

更深層的改變關乎練習與認證之間的關係。練習可以包括協助、失敗嘗試、討論和修訂；認證則需要有可辯護的基礎，說明個人在指定條件下能做到甚麼。

一份假設性的數學作業說明了這個差異。學生提交有效的證明，卻無法解釋為何其核心假設不可或缺。該證明仍然有效，但提交作業只提供薄弱證據，顯示學生理解其邏輯。

改變該假設的考官可以問一個不同問題：學生是否知道哪些地方會失效？相比再檢視一次原有文件，這種交流更直接檢驗理解；但它亦需要時間及合適的問題。

同一區別在大學以外也很重要。生成的程式可能成功運行，而其使用者卻無法診斷故障；修飾完善的分析可能聽來具說服力，但作者卻無法為建議背後的證據辯護。

這些是實際影響，而非對 Borcherds 學生的發現。它們說明知識工作者為何應關心這場評核爭議。更快的產出，增加了判斷哪些人類判斷仍需核實的重要性。

對教育工作者而言，艱難的選擇關乎每份作業應證明甚麼。若其主要目的是練習，協助可能符合學習目標；若它用以認證獨立能力，能否取得協助便會改變所得分數的意義。

問題因此不止於在提交後捉拿違規行為。即使無人違規，評核仍可能變得較少資訊，尤其當規則容許大量協助時。明確允許並不會自動令分數成為個人理解程度的有效衡量。

受監考試恢復觀察，但仍有局限

受監考試能加強誰完成工作的證據，卻同時收窄學生展示技能的條件。

不准使用電子裝置的現場考試，處理了一項具體不確定性。教師可以觀察學生在無法接觸考試規則排除的工具下嘗試解題。相比無人監督的提交作業，這更容易確立作者身分。

但這不會自動證明課程所重視的一切。限時考試量度的是學生在特定限制下的表現；延伸研究、修訂、協作及有效使用參考資料，可能需要不同的機會。

研究為無人監督評核的憂慮提供了一項有用的歷史參考。University of Reading 於 2024 年 6 月公開的一項實驗，把 AI 生成答案放入本科心理學評核中。其盲評測試發現，94% 的答案未被察覺，而且 AI 提交的答案平均獲得較高分數。

這項結果支持一個有限結論：資深評卷者在既有評核制度內，可能難以辨識生成內容。它不會量度 Berkeley 的作弊情況、不會確立數學科特定的偵測率，亦不會證明受監考試能帶來更佳學習。

這個界線很重要，因為偵測和教育是不同結果。一項評核可以令未經授權的協助難以進行，卻未必為學生提供有效準備；另一項則可能支持學習，卻產生無法有把握地認證獨立表現的分數。

Borcherds 據報的偏好，較直接解決觀察問題，而非學習問題。它改變教師收集證據的地方。學生是否成為更好的數學家，取決於評核前後發生的事情。

定期加入受監檢查，與將大部分分數集中於期末考試之間，亦有差異。前者可在學生仍有時間回應時揭示困惑；後者則可能只在後果重大時才讓誤解浮現。

兩種安排都不會從「現場考試」這個說法自動推導出來。讀者需要實際的評核時間表、比重、回饋流程及調適安排，才能評估課程設計。報道並未為 Borcherds 提供所有這些細節。

受監測試也可能問錯問題。若它獎勵背誦熟悉程序，便可能證明學生能在沒有協助下憶述，卻沒有測試學生是否理解該程序何時適用。親身在場加強的是歸屬判定，而非保證問題具意義。

因此，更有資訊價值的對比，是可觀察的理解與未經核實的產出。紙筆是建立這種觀察的其中一種方式；口頭解釋、受監程式除錯練習，或後續題目，也可以追求相同目標。

這些替代方案各有負擔，包括一致性及人手配置。它們亦顯示，宣稱受監考試是唯一解決方案超出了現有證據。較可辯護的說法更狹窄：受控評核能直接處理課外協助所帶來的不確定性。

對於 Richard Borcherds 的功課評分爭議而言，這是一項影響深遠的區別。據報道，這項政策是為回應證據不可靠的問題。它應被視為一項有代價的評核選擇，而非對所有科目應如何教學的普遍判決。

AI 偵測帶來另一個判斷難題

偵測軟件無法取代一套能公平區分懷疑與證據的程序。

AI 偵測器嘗試判斷文本是否由軟件生成，或曾獲軟件協助。假陽性是指系統錯誤標記人類創作的作品；假陰性則是指生成內容未被標記而成功通過偵測。

兩種錯誤在教育中都很重要。未能發現未獲授權的協助，可能損害評核公平；錯誤指控學生，則可能破壞信任，並令遵守規則的人承受後果。

Berkeley 已發布的 AI 偵測指引指出，校方在試行並考慮外部研究後，決定不採用 Turnitin 的 AI 寫作偵測器。指引亦討論了涉及多語言寫作者，以及混合人類寫作與 AI 協助作品的分類問題。

這項機構立場為尋找其他評核方法提供了背景。它並不證明每個偵測器總是失效，而是表明 Berkeley 已識別出足夠疑慮，因此避免將該特定偵測功能供全校普遍採用。

辨識協助與確立違規行為之間的差別，又增加了一層複雜性。課程可能容許文法修正，卻禁止由 AI 生成推理內容。單憑一個分類分數，並不能證明學生是否越過該課程特定的界線。

分數也未必能說明學生的完成過程。就答案進行討論可以揭示困惑，但困惑本身並不能證明作弊。學生可能忘記、感到焦慮，或誤解自己獨立完成的作品。

這些限制令最有力的回應落在程序上。教師需要清晰期望，以及可辯護的方式來評估疑慮。否則，作者身分的不確定性可能演變成指控是否合理的不確定性。

據報 Richard Borcherds 對功課評分的改動，透過減少依賴這項受爭議的作品，避開了部分衝突。教師不再嘗試確立一份帶回家完成的答案如何產生，而是在受控條件下收集獨立證據。

這種做法有明顯吸引力。它可以減少每份可疑作業都必須證明違規行為的重要性。不過，它亦留下了一個未解問題：那些不再獲按正確性評分的作品，學生如何取得詳細回饋？

取消分數不代表必須取消回饋，但回饋仍然需要投入心力。學生需要知道證明是否不完整、某項假設是否缺乏支持，或某個方法是否只適用於更狹窄的條件。

一份不評分的解答紙或許有幫助，但比較前提是學生有足夠理解去識別有意義的差異。正在掙扎的學生可能察覺答案不同，卻不明白原因。這正是教學支援仍然重要之處。

因此，針對完成度評分的質疑理由值得關注。這項政策可以令評核更誠實地反映其所知，卻可能令學生較少獲得有關自己誤解之處的指引。它的價值部分取決於課程如何填補這個缺口。

目前沒有已發表的成效證據，證明 Borcherds 的方法能改善學習、減少違規行為，或公平分配負擔。這些仍有待評估。他據報提出的憂慮解釋了決定，卻未能定論其效果。

Berkeley 已提供一種對照做法

容許使用 AI 的練習與受監督檢核可以並存，成為不受限制的帶回家評分及全面禁止之間的替代方案。

一個具體比較可見於 Berkeley 由 Chris Paciorek 教授的 2026 年秋季 Statistics 243 課程大綱。其 統計運算評核容許 AI 協助，同時透過面授小測檢查學生對習題的理解。

已發布的評分架構中，習題完成度佔 20%、相關小測佔 35%、小型考試佔 35%、參與佔 10%。課程大綱亦說明口頭補考程序，並要求學生為透過 AI 協助取得的想法作出註明。

這個例子並未證明其成效更佳，但它展示了一種既有的課程設計，將獲支援的準備工作與個人展示分開。這項比較尤其有用，因為它來自同一所大學，而非抽象建議。

這項政策亦改變了「容許」的含義。容許在練習時使用工具，並不保證其輸出會符合之後的評核要求。學生仍需要有足夠理解，去解釋及應用他們提交的內容。

這比起「容許 AI」與「禁止 AI」的二分法，形成更精確的區別。是否容許取決於活動類型。學生可能在解題時使用協助，然後在隨後的檢核中，於沒有該協助下展示理解。

對運算而言，這種安排有實際理據。程式可以產生預期結果，卻包含使用者無法解釋的選擇。後續提問可以測試學生是否理解程式碼與其行為之間的關係。

這是評核架構的說明性應用，而非該課程中已報道的事件。它的重要性在於作業與驗證之間的連結。後續評核會問：在使用協助後，學習成果是否仍然存在？

這項比較亦揭示，將所有 AI 使用視為同一種行為的弱點。要求語法提示，與要求完整解答並不相同。兩者都涉及軟件協助，但可令學生承擔截然不同的責任及擁有不同程度的理解。

對 AI 產品開發者而言，這是一個設計問題。優先提供完整答案的工具，或能支持即時完成任務；教育場景同時需要讓學習者持續為推理、核對和解釋負責的方法。

因此，關於學習效益的說法需要超越生成輸出品質的證據。一份具說服力的答案展示了系統表現，卻不能證明使用者可以重現推理、將之遷移至其他情境，或辨識合理錯誤。

學生在整理學習材料時也面對類似區別。可搜尋的正確答案收藏可以節省檢索時間，卻不代表理解已受測試。關於 個人知識管理的資源討論組織方法，但單靠檢索無法證明已掌握內容。

對兩種評核模式而言，相關問題都是接受協助後會如何：學生能否捍衛結果、把結果套用到變化後的問題，並認識其限制？Borcherds 據報的方法及統計課程大綱，都將焦點指向這個問題。

兩者並存也限制了對 Berkeley 作出籠統結論的空間。大學內有不同課程設計，以回應不同教學需要。這個故事關乎教師在這種差異中的一項決定，而非機構對 AI 的單一答案。

評分改動後值得觀察的事

下一項有用證據應關乎評核規則、學生理解及教學支援，而非又一輪看似完美的 AI 答案。

未來數月，首個訊號將是其他教師是否發布類似的評分改動。有參考價值的文件會具體說明功課可獲甚麼分數、如何檢查理解，以及哪些形式的協助仍獲容許。

若更多課程明確將完成度學分與受監督展示分開，支持更廣泛評核轉變的理據便會加強。若相關政策仍屬孤立個案，或轉向其他做法，聲稱普遍撤出功課評分的說法便會減弱。

措辭與公告同樣重要。「功課不評分」可以指選擇性練習、必須提交，或獲得回饋但不計入最終分數的作業。這些安排產生不同誘因，不應混為一談。

更有力的後續報道亦應確立時間。10 月的報道告訴讀者該決定何時成為新聞，卻未必說明每項課堂做法何時改變。若沒有這項區別，較早的調整可能看似是對近期模型發布的即時回應。

第二個訊號是關於獨立展示理解的證據。相關比較應檢視學生在明確描述的條件下能解釋或解答甚麼。單是較高的帶回家作業分數，無法解決促成此政策的憂慮。

若學生在練習期間使用 AI，同時保留或改善其受監督表現，將協助與認證分開的理由便會加強。若表現下跌，教育工作者便需要檢視學生是否失去了練習、有用回饋，或兩者皆失去。

這些結果仍需要審慎解讀。不同題目、學生群體、教學方式及評核條件都會影響分數。功課與考試表現之間的落差是值得調查的理由，而非作弊的獨立衡量標準。

第三個訊號是正確性評分改變後，教學支援會如何發展。應檢視課程保留了哪些回饋、學生有何機會解決錯誤，以及受監督評核是否容易取得。

若學生獲得有用解釋，並有重複展示進步的機會，完成度學分作為更廣泛設計的一部分便顯得較可信。若評分消失而困惑無人回應，質疑理由便會更有力。

這些訊號亦與考慮類似改動的僱主及專業培訓機構有關。求職者完成的練習與他們對其作出的解釋，回答的是相關但不同的問題。驗證方式應配合機構實際需要評估的能力。

Richard Borcherds 的功課評分故事，歸根究底是關於成績所附帶的證據。根據報道，他不再相信無監督作業的正確性具有同樣意義。這項判斷值得審視，但不應假定功課已變得毫無用處，或考試能解決所有困難。

對關注此事的學生與教育工作者，應先了解實際課程規則及其旨在產生的證據。問問練習是否仍有用、回饋是否送達有困難的學習者，以及評核是否衡量課程承諾的技能。教育以外的 AI 使用者亦應以同樣標準檢視自己的工作：一份完成的答案可能掩蓋尚未解決的理解缺口。保留支持你決定的來源和解釋，然後測試當提示改變時，你能否捍衛這些決定。隨著 Borcherds 方法的更多細節浮現，應按學生能夠獨立解釋及應用甚麼來判斷。甚麼證據會令你相信，評分改變後學習有所改善？