“AI毁了我的计算机学位”
内容提要
一名计算机专业女生撰文批评AI扰乱大学教学：学校AI政策反复无常，同一课程前后要求矛盾；教授用大模型生成大纲和作业，任务量翻倍且频出错，却严禁学生使用AI。她认为根源是校方借AI削减教学成本、压榨讲师。文章引发热议，资深从业者视之为技术阵痛，应届生则担忧就业。她最终选择回归编程最初的乐趣。
延伸解读
政策反复背后的教学管理失序
文章揭示的并非单纯的AI工具争议，而是校方在缺乏稳定教学框架时对AI的仓促采纳与撤回。同一课程前后要求矛盾，学生被迫自费订阅工具却面临学术不端指控，反映出政策制定者未厘清AI在教学中的角色边界。这种反复消耗了学生信任，也让教师陷入执行混乱，最终损害的是课程本身的严肃性。
教授用AI生成材料，学生承担代价
Katie指出，教授用大模型批量生成大纲和作业，导致任务量翻倍且频出错，学生直到截止前才收到勘误。这暴露了AI辅助教学的一个现实风险：生成内容看似高效，却把校验和纠错成本转嫁给了学生。当教师连文档都未打开就发布任务，教学责任被稀释，学生面对的是浮于表面的速通压力，而非系统学习。
成本削减逻辑下的教学关系异化
文章将矛头指向管理层：借AI实现“规模化学习”，以减少助教和讲师编制，压缩教学支出。导师与学生的联系退化为自动触发的警报邮件，关怀变成脚本。这种逻辑下，AI不是提升教学的工具，而是削减人力的借口。讲师工作量被推到人力难以完成的程度，学生获得的指导自然稀薄，学费换来的教育体验随之缩水。
从业者与应届生的割裂视角
评论区呈现两极：资深从业者视混乱为技术阵痛，认为AI是趁手工具，善用者学习更快；应届生则面对初级岗位收缩的现实，有研究显示易受AI影响行业的22至25岁员工就业水平低19%。招聘者坦言，培养应届生不如给资深工程师配Coding Agent。同一技术变革，在不同职业阶段的人身上投射出截然不同的得失。
Q&A
Katie为什么说AI毁了她的计算机学位？
Katie认为AI扰乱了大学教学：学校AI政策反复无常，同一课程前后要求矛盾；教授用大模型生成大纲和作业，任务量翻倍且频出错，却严禁学生使用AI；根源是校方借AI削减教学成本、压榨讲师。
学校在AI使用政策上具体有哪些矛盾做法？
学校最初全面拥抱AI，用大模型打分、生成大纲、发邮件，但不到三个月因幻觉和垃圾内容撤回。之后政策反复：同一门课上一个模块强制要求用AI，下一个模块却将使用LLM视为学术不端扣分。
教授使用AI生成教学材料对学生造成了哪些实际影响？
教授用Claude一键生成教学资料，作业说明充斥大模型废话，3000字说明要求提交15份材料，作业量翻三倍；学生被迫速通知识点，且因大纲错误在DDL前一周才收到勘误邮件，白烧Token。
Katie认为校方推行AI教学的真正动机是什么？
Katie认为罪魁祸首是管理层，资方喜欢“规模化学习、自动化”，借此在不支付额外员工费用的情况下从学费中榨取利润；技术成了校方削减教学支出、压榨讲师的借口。
计算机社区对Katie的控诉有哪些不同看法？
社区割裂为两极：资深从业者认为混乱是技术范式演进的短暂阵痛，AI是工具，善用可提升学习；应届生则感到窒息，担忧就业，引用斯坦福研究称AI高影响行业22-25岁员工就业水平低19%。
经历这一切后，Katie对学习计算机的态度发生了什么变化？
Katie最终选择回归编程最初的乐趣，表示“我可以继续，但我不会了”，打算回到OpenProcessing做简单小游戏，强调学习计算机应是为了探索和乐趣，而非功利化规训。
