AI监考远程考试翻车：墨西哥国立自治大学5.8万考生被迫重考
文 / Mr.Xu
发布时间： · 8 次阅读
摘要：墨西哥国立自治大学（UNAM）今年夏季首次采用AI监考的远程入学考试，结果出现严重异常：高分比例从往年的3.5%飙升至16.3%，引发对考试公平性和AI监考可靠性的质疑。最终，约5.8万名考生被迫重考。本文解析事件经过、技术隐患及对AI在教育领域应用的警示。
事件概述
今年初夏，墨西哥国立自治大学（UNAM）近16万名考生参加了远程入学考试。这是该校首次完全采用远程监考模式，使用“锁定”浏览器和AI驱动的网络摄像头监考软件，考试从5月底持续至6月初。然而，考试结果却引发了一场灾难。
异常数据：高分比例激增5倍
与往年相比，今年考试成绩出现显著异常。2021年至2025年间，在120道题的UNAM考试中，得分100分及以上的考生比例约为3.5%。而今年，这一比例飙升至16.3%，是往年的近5倍。这种异常分布表明，考试过程可能存在严重问题，导致成绩失真。
后果：5.8万考生被迫重考
由于成绩异常，UNAM决定让约5.8万名考生重新参加考试。这一决定不仅给考生带来巨大压力，也引发了公众对远程监考和AI监考技术的信任危机。
技术隐患与反思
AI监考软件旨在通过摄像头监控考生行为，防止作弊。然而，此次事件暴露出多个潜在问题：
- 算法误判：AI可能误将正常行为（如视线移动、环境噪音）识别为作弊，导致成绩异常。
- 技术故障：远程考试依赖网络和硬件设备，任何技术问题都可能影响考试公平性。
- 缺乏人工复核：过度依赖AI而缺乏有效的人工监督，使得异常结果未能及时被发现和纠正。
行业影响与建议
此次事件为AI在教育领域的应用敲响了警钟。尽管AI监考可以提高效率，但其可靠性仍需严格验证。教育机构在采用此类技术时，应：
- 进行小规模试点，评估AI监考的准确性和公平性。
- 建立人工复核机制，对AI判定结果进行抽查。
- 制定应急预案，应对技术故障和异常情况。
对于开发者而言，AI监考系统的设计应更加透明，提供可解释的决策依据，并允许考生申诉。
结语
UNAM的这次AI监考事故，不仅是一次技术失败，更是对AI伦理和可靠性的深刻反思。在AI快速渗透各行各业的今天，确保技术的公平性和可靠性，是每个开发者和使用者的责任。
本文基于 Ars Technica 报道编译，原文链接：https://arstechnica.com/culture/2026/08/an-ai-supervised-remote-exam-went-so-badly-that-58000-students-must-retake-it/
—— 完 ——社区整体评论区