# 学习历程 vs AI 生成履历：能力证明的信任不对称 > 素养本位成绩单运动正在制度化：822 所大专院校（截至 2026 年 7 月）收过 Mastery Transcript 申请者，含哈佛、斯坦福、MIT。同一时间，AI 让履历与作品集可以被批量生成，越抛光越可疑。这篇谈能力证明的信任不对称，以及一条十年学习记录示范的解法：时间戳与过程密度。 - Author: Paul Kuo（郭曜郎） - Date: 2026-07-08 - Pillar: 沉思与记忆 / Reflections & Memory - Tags: 学习历程, 能力证据, AI 生成履历, 特殊选才, 素养本位成绩单, 信任不对称 - Canonical: https://paulkuo.tw/zh-cn/articles/learning-portfolio-vs-ai-resume/ - Language: Simplified Chinese (简体中文) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/learning-portfolio-vs-ai-resume.md - Site index for LLMs: https://paulkuo.tw/llms.txt --- > **TL;DR** — 素养本位成绩单正逐渐被主流大学接受，目前已有 822 所大专院校采认，其中包括哈佛与 MIT。但同一时间，AI 也让一份漂亮的能力叙事可以被快速、大量生成。文字越完整、包装越精致，反而越难判断真假。因此，能力证明的信任基础正在改变：人们看的不再只是最后的成品，也开始重视时间戳、过程与累积的密度。一份持续十年、保留失败与修正痕迹的学习记录，才是难以在事后补造的证据。
▶ 听摘要
AI 合成语音・作者本人声线克隆
今年，任何一个高中生都可以用 AI，在一个下午生出一份完整的学习历程：自传、学习反思、作品说明，语气诚恳、结构完整。 这已经是事实。于是一个问题落到每一个审查者头上：当每一份都可以这么漂亮，你还信哪一份？ 我在〈[当作业可以被生成，真实任务为什么更重要](/zh-cn/articles/real-tasks-when-work-can-be-generated/)〉里谈过作业的信任崩塌。这篇往下走一层：作业之后，是履历。学习历程、备审资料、作品集，这些「能力证明」的文件正在经历同一场信任危机，而且赌注更大，因为它们是升学与求职的门票。 ## 成绩单之外，大学已经开始收什么？ 先讲运动的那一半。传统成绩单的局限，招生端比谁都清楚：分数膨胀让成绩越来越难比较，一排数字也看不出一个学生真的能做什么。所以过去几年，美国有一场「素养本位成绩单」运动：用能力证据搭配作品集，呈现学生的真实表现。 这场运动的制度化程度可能超过你的想象。推动它的 [Mastery Transcript Consortium](https://mastery.org/)（MTC，已成为 ETS 旗下组织）公布的官方名单显示：截至 2026 年 7 月，已有 [822 所大专院校](https://mastery.org/college-acceptances/)收过用素养成绩单或学习记录申请的学生，哈佛、斯坦福、MIT 都在其中。台湾读者对这个方向并不陌生：108 课纲的学习历程档案，就是同一场全球转向的台湾版本。 方向是对的。问题出在时机：能力证据系统起飞的同一时间，AI 让「证据」本身变得可以生成。 ## 为什么越漂亮的学习历程，越可疑？ 这就是信任不对称：生成一份能力叙事的成本崩跌到接近零，验证它的成本却一毛都没降。 审查者没有工具分辨一份反思心得是十七岁的深夜写出来的，还是模型在三秒内生成的。他唯一理性的反应，是把所有抛光过的东西一律打折。于是吊诡出现了：你把作品集修得越完美，它作为能力证明的效力越低。漂亮，从加分项变成了嫌疑。 我在〈[AI 抓得到平均，抓不到你](/zh-cn/articles/ai-cannot-fake-you/)〉里写过类似的事。放到能力证明上，它有一个更硬的版本：AI 生得出成品，生不出过程。 ## 时间戳与过程密度：AI 伪造不了的两个东西 那审查者还能信什么？我的答案来自一个很朴实的地方：一份 2015 年的涂鸦式记录，配上 2020 年的成果报告，比任何一份 2026 年抛光过的作品集都更难造假。 第一个东西是时间戳。AI 可以在今天生成任何内容，但它没办法把内容放回十年前。一条横跨多年、留在第三方平台上的记录，每一笔都有当时的日期，事后补不出来。想造假，你得从孩子六岁那年就开始布局，那已经不叫造假，叫教育。 第二个东西是过程密度。真实的学习记录长得并不体面：有错字，有做到一半放弃的计划，有前后矛盾的想法，有当时老师的反馈和孩子别扭的回应。这些不漂亮的细节，正是可信度的来源。生成一份漂亮的成品很容易；生成十年份的失败、修正、绕路，还要彼此对得上、跟真实世界的事件对得上，难度完全在另一个量级。 ## 十年 Seesaw 记录 这条路，我们家实际走过。 当年 BTS 的学生，把学习记录放在 Seesaw 上：日常的作品、口头报告的视频、老师当时的反馈，一路存了十年。存的当下没有人想过「这以后会是证据」，它就是教育过程的一部分。直到整理十年文件写〈[从翻转到翻越](/zh-cn/articles/flip-to-climb-education/)〉时我更清楚：那两千三百多个文件，本身就是一座学习数据库。也因为这些记录一直被保存下来，到了 2026 年，我仍然能重新调用、整理，并从中看见这十年累积出的脉络。 后来孩子走特殊选才，备审资料的准备过程跟多数人想象的相反：申请前做的是整理，从记录里往回挑，把非典型的学习翻译成制度看得懂的语言。审查委员在那份备审里看到的，不是「他说自己会什么」，而是「他哪一年开始做什么、卡在哪里、后来怎么变」。时间戳与过程密度都在那里，不需要说服，摊开就是了。 ## 那，现在该怎么开始记录？ 给还来得及的家长三句话。 第一，从今天开始记，用有时间戳的平台，别回头补写。补写的东西在审查者眼里，跟 AI 生成的没有分别。 第二，记真实的，含失败与绕路。过程密度来自不完美；抛光留给申请前的最后一里就好。 第三，别为了证据而教育。那座证据库之所以可信，正因为它是教育的副产品，倒过来就假了。 AI 时代最贵的证据，是无法事后生成的东西。孩子今天留下的那页涂鸦，十年后比任何一份抛光的自传都有分量。你保存下来，他都会是日后重要的记忆资产。