Evaluation in the Age of AI: Output as Evidence of Learning

一个多世纪以来，大学一直基于一个简单且默契的协议运行：学生提交的作品就是其所学知识的证明。无论是论文、数学证明还是计算机程序，最终产物都被视为创造它所需的脑力劳动的直接反映。这一系统之所以奏效，是因为它具有实用性；它允许学校根据输出质量来认证技能并评定成就。其背后的基本信念是，如果一名学生产出了高质量的作品，那么他们必然经历了实现该作品所必需的思考过程。这种最终产物与内在学习过程之间的联系，一直是高等教育衡量成功的基础。

这种联系已经断裂了。强大的人工智能系统的兴起，特别是那些能够生成类人文本和代码的系统，在夜之间改变了局面。这些工具现在可以在几秒钟内生成复杂的学术成果，而这在过去需要数小时的人类思考与挣扎。新手与专家之间的界限已实际上消失了，这意味着一名学生可以在不进行自身脑力劳动的情况下，生成一篇具有说服力的文章或一段复杂的计算机脚本。这为教育带来了危机：如果最终产物不再能证明学生理解了材料，那么学校该如何评估学习？传统的“输出”评分法已不再是衡量“输入”学习过程可靠的证据。

弗吉尼亚理工大学的研究人员调查了这一颠覆性变化，他们超越了简单的学术诚信问题，转而探讨一个更深层的问题：在自动化时代，教育应当如何运作。他们认为，问题不仅在于学生不诚实地使用这些工具，而在于整个评估系统与它本应衡量的目标发生了错位。当学校依赖最终产物作为学习的唯一证明时，他们最终衡量的其实是学生隐藏使用AI的能力，或是学生获取昂贵技术的能力，而非其实际的理解、推理或判断力。研究人员指出，目前专注于抓捕作弊者的做法是一个死胡同，学校必须将重心转向学习过程本身。

为了了解现状，研究人员对来自北美和孟加拉国的二十位高等教育从业者及学生进行了调查。他们希望了解实际从事教学的人员对这些新工具以及旨在阻止这些工具使用的政策有何看法。结果显示，学校的做法与教师认为有效的方法之间存在深刻的脱节。尽管大多数机构都强制要求使用软件来检测AI生成的作品，但教师们本身对这些工具几乎毫无信心。在调查中，二十名受访者中有十五名表示其所属机构严重依赖检测软件，但只有四名受访者对这些工具的准确性或公平性表示认可。这一差距表明，学校只是在机械地履行合规义务，而并不真正相信这一过程的完整性。

研究发现，在计算机科学等领域，问题尤为严重，因为代码的“正确性”往往是二元的。在这些领域，人工智能在编写完美代码方面表现得异常出色，使得传统的通过检查正确答案来进行评分的方法，在衡量学生理解力方面变得毫无意义。研究人员还发现了一种令人不安的新型不平等。能够负担得起这些AI工具高级版本的学生，其产出的作品比使用免费版本的学生更清晰、更具逻辑性。这意味着，目前的评估在无意中是在根据学生支付更好技术的能力进行评分，而非其内在的学术能力。此外，依赖免费工具的低收入背景学生面临着双重惩罚：他们获得的是较低质量的辅助，同时还面临着被校准为识别粗糙AI输出的检测工具所怀疑的风险。

这种以监控为导向的方法所带来的心理成本也是巨大的。研究人员发现，许多教育工作者感到精疲力竭，描述自己从导师的角色转变为了“数字检察官”。教师们不再把时间花在设计课程或帮助学生上，而是被迫花费大量时间去构建针对学生的案件，试图根据不可靠的检测软件标记来证明其使用了AI。这营造了一种怀疑的气氛，破坏了师生之间的关系。被抓获的恐惧导致了“披露陷阱”，即学生即使在允许使用AI的情况下也会不敢承认，因为他们担心无论如何都会受到惩罚。这种恐惧促使这些工具转入地下，使学习过程变得缺乏透明度且不再诚实。

研究人员认为，解决之道不在于与更好的检测软件进行徒劳的斗争，而在于改变评估的对象。他们建议将评估重点从评价最终产物转向评价学习历程。这意味着要设计能够让思考过程可见的评估方式，例如要求学生在课堂上解释其推理过程、提交带有注释的草稿，或参加必须辩护其观点的口试。这些方法被研究人员称为“必要的困难”（desirable difficulties），它们确保了认知劳动发生在教师面前。通过关注学生如何得出答案，而非仅仅关注答案本身，学校可以更好地衡量真实的理解力和批判性判断力。

论文总结道，将最终产物作为学习唯一证据的时代正在终结。那些继续依赖旧方法的机构将陷入无止尽的监控循环，投入更多资源去监管一个正变得无法监测的边界。研究人员指出，这种颠覆不仅是一种威胁，也是构建一个更公平、更有意义之系统的契机。通过优先考虑学习过程并远离怀疑文化，大学可以创造一个学生与教师共同展示真实理解的环境。前行的道路需要愿意投资于新的教学与评估方式，从而确保教育始终聚焦于人类的思考能力，而非产出精致人工制品的水平。