马来西亚博特拉大学教授 Nurfadhlina Mohd Sharef 将编程考试改为学生与 Gemini 的口头对话，评估学生在使用生成式 AI 时的判断、验证和解释能力，而非单纯考查代码书写。谷歌案例展示了这一教学实践与工具应用，并讨论了对评估设计、教师工作量与长期学习效果的未解问题。
当生成式人工智能可以在几秒钟内写出一段能够运行的代码，大学里的编程考试究竟还应该考什么？马来西亚博特拉大学（Universiti Putra Malaysia，UPM）计算机科学与信息技术学院的教授 Nurfadhlina Mohd Sharef 给出的答案是：不再只看学生能否独立敲出代码，而是让学生解释自己如何与人工智能一起解决问题。
在谷歌 2026 年 10 月 5 日发布的一篇教育案例中，Sharef 表示，她已经用与学生的真实对话，取代了传统的编程测试。学生在 Google Colab 中使用 Gemini 作为“个人导师”，让模型提出代码和替代方案；但最终需要由学生决定采用什么、质疑模型建议，并为数据挖掘模型的最终选择辩护。
谷歌原始案例：Replacing coding tests with Gemini AI interviews
从“写出代码”转向“解释判断”
Sharef 对谷歌表示，人工智能作为协作式思考伙伴后，她评估数据挖掘学生的方式发生了变化。学生不必把大量时间花在记忆和调试语法上，而可以把更多精力放在建模决策本身：为什么选择一种方法，模型给出的结果是否可信，还有哪些替代方案没有被采用。
她随后通过口头面谈检查学生是否真正理解自己的工作。学生需要说明自己向 Gemini 提出了什么问题，哪些建议被采纳或拒绝，模型在哪些地方可能出错，以及他们如何排查问题。谷歌案例称，Gemini Canvas 和 Gemini Notebook 还被用于帮助教师在更大规模上审阅这些学习过程。
这并不是把评估完全交给人工智能。相反，人工智能负责生成候选代码和思路，学生则必须承担筛选、验证和解释的责任。考核对象由“能否在限定时间内写出正确语法”，转向“能否在工具帮助下作出可说明、可检验的技术判断”。
Google 的 Gemini for Education 官方页面也把这类功能放在更广泛的教学辅助框架中，包括课程规划、个性化学习、测验和评分标准生成，以及写作和编程支持。不过，官方产品页面描述的是工具能力，并没有证明使用这些工具必然改善学生的长期学习结果。
编程教育面对的不是一道简单的“禁用或放开”选择题
传统编程测试的价值，在于它能够较直接地观察学生是否掌握基本语法、算法和调试能力。但当学生可以随时调用代码生成工具时，单独查看最后提交的程序，越来越难以判断其中有多少是学生理解后的成果，又有多少只是模型生成的结果。
这也是评估改革面临的核心问题：如果人工智能能够降低“写出一个看起来完整的答案”的门槛，教师就需要设计能够暴露思考过程的任务。要求学生解释选择、比较方案、展示修改轨迹，或在口试中即时回应追问，可能比单纯寻找“像不像人工智能生成”更有信息量。
AIFlux此前报道的一项博科尼大学与 OpenAI 随机实验，提供了一个相关参照。该实验涉及 1,000 多名一年级本科生，结果显示，ChatGPT 能让作业更完整、更接近专家答案；而批判性和因果推理训练，则更能提升想法的多样性与原创性。两者的效果并不相同，提示学校应先明确要衡量的是表达质量、问题解决能力，还是提出和检验假设的能力，再决定评估方式。相关报道：ChatGPT 让学生答案更好，但批判性思维训练让想法更宽
这里需要注意，Sharef 的案例并不是一项公布了样本量、对照组和长期效果的学术实验。谷歌文章呈现的是一名教师的教学实践和观点，而不是对“Gemini 面谈”效果的独立验证。因此，它可以说明评估改革的一种方向，却不能据此断言口试一定比传统编程考试更可靠。
教师的角色从判卷人变成学习过程的设计者
在这种模式下，教师需要评估的内容不再只有最终程序，还包括学生如何提出问题、如何识别模型幻觉、如何验证数据和结果，以及能否把技术选择与现实问题联系起来。对数据挖掘课程来说，这些能力往往比记住某个函数的具体写法更接近未来工作中的实际要求。
但这也会提高教师的工作复杂度。口头面谈需要更多时间，学生之间的回答也更难用单一标准自动比较。教师还需要明确哪些环节允许使用 Gemini，哪些基础能力必须独立完成，并建立对代码、数据和模型输出的复核机制。Google 的 Gemini in Colab 文档显示，工具可以解释笔记本代码、讨论潜在解决方案并帮助完成任务；这些能力越强，学校就越需要把“会不会调用工具”和“能不能验证工具”区分开来。
这条路径也与联合国教科文组织关于生成式人工智能教育应用的指导相呼应。UNESCO 强调，教育机构需要维护人的能动性、包容性和公平性，并重新思考知识、学习成果和评估方式，而不能把问题简化为部署一个检测器。UNESCO：生成式人工智能在教育和研究中的指导
“会使用人工智能”不等于“把学习交给人工智能”
Sharef 在谷歌案例中总结说，目标不是用人工智能替代学习，而是有意识地重新设计学习，使学生形成持久的人类能力，而不是依赖技术。
这一区分可能决定了人工智能进入大学课堂后的实际方向。若学校只允许或禁止工具，争论很容易停留在合规层面；若学校把重点放在学生能否解释、质疑和验证模型输出，人工智能就可能从“代写答案的工具”变成一种需要被管理的协作环境。
不过，最终效果仍取决于课程设计和执行细节：学生是否有足够的基础知识发现模型错误，教师是否有时间进行面谈，学校如何保护学生数据，以及这些判断能力能否在没有 Gemini 的情况下保留下来。谷歌发布的这则案例提出了一个值得关注的实验方向，但它距离证明一种普遍适用的教育评估模式，仍然还有距离。