学校给全A生“放水”：AI时代的教育信任危机

近期，Hacker News上一条标题为《School has given straight-a grades to the student, who can't do masic math》的帖子引发了讨论。帖子指向一个令人不安的现象：一名学生成绩单上全是A，但实际连基础数学都做不出来。这并非孤例，而是折射出当下教育评价体系与真实能力之间正在扩大的裂缝。

全A成绩单的背后，发生了什么？

据Hacker News上的讨论，这名学生被学校给予了全A评级，然而在基础数学能力上却存在明显短板。原文将“basic”误写为“masic”，但核心信息清晰：成绩单与真实能力严重脱节。

这种“放水”现象通常来源于几方面压力。教师面临行政指标与家长投诉的双重压力，给低分需要承担沟通成本甚至职业风险。学校排名与升学数据又倒逼评分宽松化。当分数变成一种“服务体验”而非能力凭证，全A就失去了筛选和反馈的功能。

数学能力为何成为“重灾区”

在众多学科中，数学恰恰是最难被模糊评价的。文科论述可以靠字数、格式和态度给分，但数学题对就是对、错就是错。一个连基础运算都无法完成的学生拿到A，说明评分标准已经偏离了学科本质。

更深层的问题在于，AI工具的普及让“表面完成度”变得更易伪造。学生可以用AI生成解题过程、润色作业表述，教师如果只检查最终呈现而缺少过程性验证，就很难分辨真实掌握程度。数学作为逻辑链条最长的学科，恰恰最需要过程性评估，而这恰恰是当前评价体系最薄弱的一环。

过程性评估（Formative Assessment） 与结果性评估（Summative Assessment） 是教育评价中的一组基础区分。结果性评估关注最终产出，如期末考试成绩、作业成品；过程性评估则关注学习过程中的思维轨迹、步骤推导和阶段性反馈。数学学科的特殊性在于其知识结构高度依赖逻辑链条的连续性——后一阶段的能力建立在前一阶段掌握程度之上，一旦基础环节出现空洞，后续学习会迅速崩塌。因此数学尤其依赖过程性评估来定位学生的真实掌握状态。口头答辩、步骤审查、限时无工具解题等方式，正是为了在无法借助外部工具的条件下观察学生的推理过程，从而弥补仅看最终答案的评估盲区。

分数通胀伤害的是谁

短期看，全A成绩单让学生和家长“皆大欢喜”。但代价会在更长的链条上显现。进入更高阶段的学习或职场后，基础能力缺口无法被掩盖，学生本人要承受补课的痛苦和自信的崩塌。

对教师群体而言，评分宽松化是一种集体困境：单个教师坚持严格标准，反而可能被视为“难搞”，在评教和行政考核中吃亏。对雇主和招生官来说，当所有候选人的成绩单都长一个样，分数作为信号的价值就趋近于零，筛选成本被迫转嫁给笔试和面试环节。

分数通胀（Grade Inflation） 是一个在教育研究中被长期跟踪的概念，指在生源质量或考核标准未发生实质变化的情况下，成绩分布整体向高分端漂移的现象。它最早在20世纪60年代的美国高校被系统记录，此后在高中阶段也日益普遍。分数通胀的核心危害在于破坏了成绩的信号功能：当A成为常态而非例外，分数就不再能区分学生的真实能力水平，招生官和雇主不得不转向标准化考试、笔试面试等替代性筛选手段，而这又会进一步加剧应试压力。经济学上常用“信号衰减”来描述这一过程——当所有参与者都发出同样的高分信号时，信号的甄别价值便趋近于零，形成一种类似“公地悲剧”的集体困境。

AI时代，教育评价需要重建什么

Hacker News的这条讨论虽然简短，但指向一个正在被AI放大的结构性问题。当生成式AI可以轻松产出“看起来正确”的作业和答案，单纯依赖结果性评分已经不足以反映能力。

可行的方向包括：增加过程性评估和口头答辩环节，让学生在无法借助工具的场景下展示真实水平；建立更细粒度的能力画像，而非一个笼统的字母等级；学校层面减少对分数分布的行政干预，让教师重新拥有评分自主权。

技术本身不是问题，问题在于评价体系是否跟上了技术带来的变化。如果学校继续用旧标准给新环境下的学生打分，全A成绩单只会越来越像一张缺乏信息量的装饰品。