In the scramble to AI-proof assessment, fluency isn’t compet

高等教育正快速调整评估方式，以应对生成式人工智能带来的抄袭与代写问题，现场口试、viva、课堂实时提问和现场陈述因此变成院校常用的“可信评估”手段。文章指出，这一转向的逻辑虽然可理解，但若仅以口语表现的流利度来判断学生的学术能力，就会把因生理或神经差异导致的言语不流畅误读为知识或准备不足，从而对约 1% 有口吃的成年人以及其他言语障碍和神经多元学生造成不公平的扣分。 作者分析了常见做法的局限性，例如给现场陈述延长 25% 时间并不能消除长时间的沉默或言语阻滞，完全免除口头评估又剥夺了学生发展沟通技能的机会。核心问题在于评分量表将“自信的表达”“流畅陈述”“及时简洁回应”等与学术掌握度直接挂钩，评估设计没有将言语表现与思维质量逐项分离。 基于对 STAMMA（Speech and Stammering Charity）及相关研究的梳理，文章提出多项可操作建议：高校应正式采用并在对学生和教职员工的信息中明确标示 STAMMA 的高等教育资源；审查并修订评分量表，除非课程明确把公众演讲作为职业资质要求，否则评分应聚焦推理、证据和批判性分析，删除“润色表达”“不犹豫回应”等条款；推广技术辅助和多样化评估形式，例如允许预录视频陈述并配合书面或异步问答，以保留对学生实时答疑的验证优势，同时降低现场压力带来的不公平。 文章最后强调，可行的做法并非在学术诚信与公平之间二选一，而是通过可见的政策、明确的评分标准和多样化的评估设计，实现既能抵御 AI 带来的代笔风险，又能维护有言语障碍学生的平等机会。