Failing grades soar with AI usage, dwindling math skills in Berkeley CS classes

개요

UC 버클리 컴퓨터 과학(CS) 수업에서 2026년 봄 학기에 기록적으로 높은 F 학점 비율이 보고되었으며, 이는 AI 사용 증가, 수학 준비 부족, 인력 부족 등 복합적인 요인으로 분석됩니다.

주요 내용

* 2026년 봄 학기 UC 버클리 CS 10 수업의 35.3%, CS 61A 수업의 10.6% 학생이 F 학점을 받았으며, 이는 이전 학기 10% 미만 비율에서 크게 벗어난 수치입니다.
* 학과 grading guidelines는 하위 학년 과목에서 D와 F 학점을 받는 학생 비율을 7%로 권장하나, 2026년 봄 학기 두 수업 모두 평균 GPA가 2.3 (C+ 수준)에 그쳐 가이드라인을 하회했습니다.
* CS 10과 CS 61A를 강의한 Dan Garcia 교수는 LLM(Claude, ChatGPT, Google Gemini 등)을 활용한 학업 부정행위 증가가 높은 F 학점 비율의 주된 원인이라고 지적했습니다.
* Garcia 교수의 수업에서는 개별 학생의 성과와 상관없이 명확한 점수 임계값으로 학점을 부여하며, 커브드를 통한 성적 조정에 반대하고 있습니다.
* Gireeja Ranade 교수도 2026년 봄 학기 EECS 127 수업에서 16.8%의 F 학점 비율을 기록했으며, 학생들의 선형 대수 등 기초 수학 능력 부족을 지적했습니다.
* 일부 학생들의 선형 대수 수업이 "open-internet, open-AI policy"로 진행된 경험이 알려졌습니다.
* Garcia 교수와 Ranade 교수를 포함한 1,300명 이상의 UC 교수가 STEM 학과 입학 시 ACT 및 SAT 표준화 시험 점수 복원을 요구하는 청원에 서명했습니다.
* EECS TA의 높은 시간당 임금으로 인해 학부 CS 등록 및 TA 수가 감소했으며, 이는 수업 운영 및 학생 지원에 영향을 미쳤습니다.
* 두 교수 모두 학생들의 수업 참여 및 사무실 시간 방문률 감소를 관찰했습니다.
* 교수들은 AI 시대에 학생들이 비판적 사고 및 분석적 사고 능력을 함양하도록 교육의 방향을 재고하고 있습니다.

시사점

AI 기술의 발달 속에서 교육 기관은 학업 부정행위 방지 및 학생들의 근본적인 학습 능력 향상을 위한 새로운 접근 방식 모색이 시급하며, 학생들에게는 AI 도구에 대한 의존도를 줄이고 스스로 문제를 해결하는 능력을 키우는 것이 중요합니다.