复旦课程把“出题考倒AI”设为考试：AI（人工智能）教育评价从答题转向提问
新华社报道，复旦大学“数据挖掘技术”课程期末不再由学生答题，而是让每名学生设计10道题去考3个AI（人工智能）大模型，答错越多、被难倒的模型越强则得分越高，50名学生至少让AI答错一题。
课程教授肖仰华称传统标准题考试在AI时代部分失效。 报道同时汇集中国教育科学研究院、教育科技公司研发人员与学生观点，讨论“会提问”是否应成为AI时代核心素养。
分析推断原始来源可核对
事实与证据边界
报道列举：在上学期期末的复旦大学“数据挖掘技术”课程中，学生不坐考场答题，而是每人设计10道题去“考倒”3个AI（人工智能）大模型，AI答错题目越多、被难倒的模型越强，出题学生得分越高； 结果显示50名学生至少让AI答错过一题，4名学生让部分大模型“得了0分”。
复旦大学计算与智能创新学院教授肖仰华表示，传统考试在AI时代已经部分失效，因此让学生反过来出题考AI，并要求学生自己会解题、会推导、知道标准答案。 中国教育科学研究院数字教育研究所所长、研究员曹培杰主张课堂应成为“问题的孵化器”而非“答案的生产线”。
教育科技公司AI学习业务负责人程飞称，产品迭代会关注学生是否理解、能否独立解决类似问题、能否逐步减少对AI的依赖。
分析判断
这条报道的价值不在于某款产品，而在于给出一种可观察的评价设计变化：当AI（人工智能）能快速产出标准答案，纸面“答题”作为能力测量的区分度被削弱，部分教学者尝试用“设计问题、判断答案可靠性”来反向测量理解程度。 需要注意，复旦的课堂结果是一次课程内实践，50名学生让AI答错的统计只反映该课堂场景，不能推广为对学生提问能力或AI教学效果的验证；
受访研发人员的“三个关注结果”是产品设计口径，报道未给出相应测评数据。
后续观察信号
- 复旦该课程是否公布完整的出题与评分规则
- 受访教育科技公司是否会发布对应的学习效果评估数据
- 国内是否有关于AI（人工智能）使用与独立思考关系的实证研究