一篇 3,000 字的大学计算机作业，被塞进了 15 项交付物。2026 年 11 月 3 日，一名拿奖学金就读计算机科学与 AI 专业的英国本科生在个人博客发文，控诉所在大学因 AI 陷入生存危机，正在毁掉她的学位。教授用 Claude 生成臃肿的作业简报且几乎不审阅，工作量暴增至原来的 3 倍；校方一度全盘用 AI 批改打分、生成课件和发送关怀邮件，仅 3 个月后又仓促撤回。这场乱象揭开了高教界最尴尬的现实：当大语言模型击穿传统课后代码评估机制，大学不仅没能重构教学，反而滑向了教授用 AI 敷衍出题、学生被迫走马观花、管理层妄图靠自动化省钱的空心化循环。
Claude 膨胀出题与 41% 高校的政策真空
这位英国学生的遭遇并非孤例，而是传统编程评估失效后的应激反应。过去计算机教育依赖课后编程项目检验能力，如今大语言模型让这套机制瞬间失灵。在缺乏审阅的情况下，教授直接让 Claude 生成评估简报，但模型并不清楚人类初学者消化新知识的时间成本，随手列出的要求直接将作业量拉高到原来的 3 倍，且错误百出，往往到截止日前一两周才发勘误。更荒诞的是课程模块间的规则撕裂，前一个模块强制学生用 AI 写作业，下一个模块碰一下大语言模型就会被扣分。
个体体感的混乱，折射出整个英国高教界在合规与教学之间的精神分裂。高等教育政策研究所（HEPI）与 Kortext 在 2026 年 3 月发布的报告（调查 1,054 名英国全日制本科生）显示，高达 95% 的学生已在使用 AI，其中 94% 用生成式 AI 辅助完成评估作业，65% 表示评估方式因 AI 发生了重大变化。然而，当学生全面拥抱工具时，校方的治理却处于半盲状态。
尽管在 HEPI 2025 年 2 月的调查中，曾有 80% 的学生以为学校有清晰的 AI 政策，但 HEPI 于 2026 年 5 月发布的政策审计研究撕下了这层窗户纸。在对 163 所英国学位授予机构的检索中，仅 96 所有公开可查的 AI 政策，41% 的高校连一份公开政策都找不到；对其中 19 份文件的细读更表明，校方表面上的教育性措辞，实质上只是在强调合规与纪律处分。管理层既想展示拥抱技术的姿态，又害怕学术不端失控，最终演变成一线课堂上的朝令夕改。
自动批改3个月烂尾：算错账的规模化降本
为什么大学明知 AI 批改和写邮件体验极差，还要强推自动化？答案藏在高校财务部门最爱听的规模化（Scale）里。面对财务紧缩与扩招压力，高校管理层试图把 AI 当作不增加教职员工就能无限扩招的摇钱树。但一线教学试点证明，靠 AI 自动批改来节省人力成本，纯属算错了账。
英国高等教育数字化机构 Jisc 在 2024/25 学年的调查（覆盖 22 个机构的 1,765 名受访者）显示，仅有 37% 的教师将 AI 融入教学；在 Jisc 另一份与 462 名教职工交流的报告中，一线教师普遍受困于指导不一致、缺乏开发时间以及评估改革缓慢。Jisc 于 2025 年 5 月 22 日发布的学生认知报告（含 173 名学生的讨论组及 7 项院校调查共 1,274 份回复）也指出，学生希望获得一致且针对具体课程的 AI 指导，并希望保留教师的个性化反馈；学生也会在提交作业前用 AI 解读评分标准（rubrics）并获取反馈。教授用 Claude 敷衍出题，很大程度上也是被管理层强加的超负荷工作逼出来的权宜之计。
更关键的证据来自批改环节的实测。Bloomsbury Learning Exchange 与 Birkbeck 大学在 2025–26 年度开展的 TeacherMatic 试点报告指出，虽然 AI 在起草反馈和开发评分标准上有潜力，但根本无法作为可靠的独立评分者。教师为了准备背景材料、微调提示词指令以及逐一核查 AI 的幻觉输出，花费的时间并未减少，工作量只是被重新分配了。Jisc 在 2026 年 5 月发布的 AI 批改试点报告（Formative First）同样证实，AI 打分存在分数波动、准确性不足和公平性隐患，只能优先用于平时的形成性反馈，终结性打分必须保留人工监督。
当教职工被行政指标和调教 AI 榨干精力，师生之间的真实互动便彻底异化。正如那位英国学生所言，如今她只有在长期未登录在线门户、被后台数据仪表盘自动标记为高风险（at risk）时，才会收到导师发来的例行消息。
被迫速通的初学者与萎缩 19% 的初级岗位
这场教学乱象里最脆弱的承受者，是那些跨专业或零基础的普通学生。发文控诉的英国女孩依靠奖学金才圆了儿时的计算机梦，她 16 岁参加英国普通中等教育证书（GCSE）考试时数学只拿了 B，入学前唯一的编程经验是在 OpenProcessing 网站上做过太空射击、学猫叫和发声把鱼吓跑的小游戏。她原本渴望扎实啃下统计学和编程硬骨头，却在翻了 3 倍的膨胀作业面前，被迫通过速通（speed run）来应付 15 项交付物，连知识表面都来不及划破。
教授用 AI 注水出题，逼着初学者交出思考权去速通作业。
将基础薄弱的学生逼向速通和外包式学习，会直接摧毁他们的底层能力。斯坦福大学 2024 年对 146 个国家 5,831 名在线入门编程学习者的随机对照试验《The GPT Surprise》发现，向学生提供集成 GPT-4 的聊天界面后，可选考试的参与率反而从约 48.4% 降至 44.1%。Anthropic 在 2026 年 1 月发布的《How AI Impacts Skill Formation》研究则给出了更直接的警告：在学习陌生 Python 库的实验中，使用 AI 辅助的开发者在随后的掌握度测试中得分显著更低，且时间节省在统计上并不显著；只有用 AI 寻求解释和建立理解的人保留了知识，直接把任务委托给 AI 应付交付物的人，技能形成遭到了实质性破坏。
这位英国学生在文末无奈地问，难道一个女孩就不能为了好玩学点统计学吗？但象牙塔外的就业市场已经容不下这种浪漫。斯坦福大学学者 Erik Brynjolfsson 等人于 2026 年 8 月修订的研究《Canaries in the Coal Mine?》（基于 ADP 真实薪资记录）揭示，在暴露于 AI 的职业中，22 至 25 岁年轻从业者的就业率，比与低暴露同行保持同步所隐含的水平低了 19%，主要原因正是企业缩减了初级岗位招聘。
接下来最值得盯紧的变量有两个：一是英国及全球高校能否守住 Jisc 划出的底线，将 AI 严格限制在日常形成性反馈，彻底叫停无人监督的自动打分；二是计算机院系能否砍掉注水的课后长篇交付物，回归线下答辩或过程性考核。如果大学继续默许教授用 Claude 糊弄教案，觉得课程太水而逃回 OpenProcessing 做小游戏的学生，绝不会只有她一个。