Tỷ lệ rớt môn tăng vọt tại UC Berkeley: Lạm dụng AI và sự suy giảm kỹ năng toán học

Tỷ lệ rớt môn tăng vọt tại UC Berkeley: Lạm dụng AI và sự suy giảm kỹ năng toán học

Các lớp học Khoa học máy tính (CS) danh giá tại UC Berkeley đang đối mặt với một cuộc khủng hoảng giáo dục nghiêm trọng. Theo số liệu mới nhất từ Berkeleytime, tỷ lệ sinh viên nhận điểm F (rớt môn) trong mùa xuân năm 2026 đã tăng đột biến, đánh dấu một sự đảo ngược đáng lo ngại so với các kỳ trước và vi phạm nghiêm trọng các hướng dẫn chấm điểm của khoa.

Sinh viên UC Berkeley

Cụ thể, tới 35,3% sinh viên lớp CS 10 và 10,6% sinh viên lớp CS 61A đã nhận điểm F. Trong hai năm trước đó (2024 và 2025), tỷ lệ này chưa từng vượt quá 10% ở cả hai lớp học. Điểm trung bình (GPA) của cả hai lớp đã tụt xuống mức C+ (tương đương 2.3), thấp hơn nhiều so với phạm vi tiêu chuẩn từ 2.8 – 3.3 mà khoa điện toán và kỹ thuật điện (EECS) đề ra.

"Tay sai" của AI và nạn gian lận học thuật

Giáo sư Dan Garcia, người giảng dạy cả hai lớp CS 10 ("The Beauty and Joy of Computing") và CS 61A ("Structure and Interpretation of Computer Programs"), nhận định rằng "người lái xe chính" dẫn đến tỷ lệ rớt môn cao bất thường này là sự gia tăng mạnh mẽ gian lận học thuật do sử dụng các mô hình ngôn ngữ lớn (LLM).

Ông Garcia cho biết sinh viên đang quá phụ thuộc vào các công cụ như Claude, ChatGPT và Google Gemini để làm bài tập và thậm chí là các bài kiểm tra mang về nhà.

"Một số con số về số lượng sinh viên bị điểm F là vì chúng tôi bắt được họ gian lận, xử lý và chuyển hồ sơ đến trung tâm kỷ luật sinh viên," ông Garcia chia sẻ. "Nhưng trong các trường hợp khác, sinh viên dựa dẫm quá nhiều vào LLM để làm bài thay họ, và đến lúc thi thật thì họ hoàn toàn không sẵn sàng."

Theo giáo sư Garcia, gần 30 sinh viên trong lớp CS 10 đã bị bắt quả tang gian lận trong các bài kiểm tra mang về nhà vào mùa xuân 2026.

Lỗ hổng kiến thức Toán học

Bên cạnh vấn đề lạm dụng AI, sự thiếu hụt kiến thức toán học nền tảng cũng là một nguyên nhân then chốt. Giáo sư Gireeja Ranade, người giảng dạy lớp EECS 127 ("Optimization Models in Engineering"), nhận thấy lớp học này trở nên "thách thức theo một cách khác" khi tỷ lệ rớt môn lên tới 16,8%, cao hơn nhiều so với mức 5% thông thường.

Sinh viên được kỳ vọng phải có kiến thức nền tảng về đại số tuyến tính, giải tích vectơ và chứng minh toán học trước khi vào học. Tuy nhiên, trong các giờ giải đáp (office hours), bà Ranade phát hiện nhiều sinh viên gặp khó khăn lớn với đại số tuyến tính. Đáng lo ngại hơn, một sinh viên từng tiết lộ rằng lớp đại số tuyến tính họ đã học trước đó tại UC Berkeley lại áp dụng chính sách "mở Internet, mở AI" cho bài tập về nhà và thi cử.

Thống kê điểm số

Cả hai giáo sư Garcia và Ranade đều đã ký vào đơn kiến nghị cùng hơn 1.300 giảng viên khác của UC kêu gọi khôi phục việc sử dụng điểm thi chuẩn hóa ACT và SAT trong tuyển sinh STEM, phản ánh mối lo ngại sâu sắc về sự chuẩn bị về mặt toán học của sinh viên hiện nay.

Sự suy giảm tham gia và thiếu hụt nhân sự

Một vấn đề khác được các giảng viên chỉ ra là sự sụt giảm nghiêm trọng trong việc tham gia giờ giải đáp của sinh viên. Trước đây, giờ làm việc của giáo sư luôn đông kín sinh viên, nhưng gần đây, ông Garcia thường xuyên phải ngồi một mình trong văn phòng.

Ngoài ra, sự thiếu hụt nhân sự giảng dạy cũng ảnh hưởng đến chất lượng đào tạo. Do thiếu trợ giảng (TA), giáo sư Ranade đã buộc phải cắt bỏ phần dự án cuối kỳ – một phần mà theo bà, phần lớn sinh viên thường đạt điểm cao ở đây. Jelani Nelson, chủ nhiệm khoa EECS, cho biết trường đã phải giảm cả số lượng tuyển sinh đại học ngành CS và số lượng TA đại học do mức lương giờ cao của các trợ giảng EECS.

Tầm nhìn tương lai: "Sự bối rối là mồ hôi của việc học"

Để đối phó với tình hình này, các giáo sư đang phải suy nghĩ lại về phương pháp giảng dạy. Ông Garcia dự định sẽ công bố rộng rãi những gì đã xảy ra trong mùa xuân 2026 cho các lớp học tương lai, đồng thời tìm cách xác định sớm những sinh viên cần hỗ trợ bổ trợ.

Bà Ranade nhấn mạnh rằng trong kỷ nguyên AI, giảng viên cần dạy "nhiều hơn, không phải ít hơn", trang bị cho sinh viên tư duy phản biện và phân tích để trở thành những nhà lãnh đạo trong một thế giới cạnh tranh.

"Tôi rất thích câu nói mà đồng nghiệp của tôi dùng: 'Sự bối rối là mồ hôi của việc học'," ông Garcia nói. "Tôi nghĩ nhiều sinh viên hiện nay không muốn đổ mồ hôi."

Câu chuyện tại UC Berkeley là một hồi chuông cảnh tỉnh cho ngành giáo dục kỹ thuật số toàn cầu, đặt ra câu hỏi về cách cân bằng giữa việc sử dụng công cụ AI hỗ trợ và việc đảm bảo sinh viên thực sự nắm vững kiến thức nền tảng.