目錄
2026年，墨西哥國立自治大學（UNAM）首次把學士班入學考全面搬到線上，並使用AI監考、安全瀏覽器與人工審查，希望讓外地考生不必為了一場考試長途移動。考試結果公布後，答對100題以上的考生比例卻從過去五年的3.5%，升到16.3%。校方最後決定讓約5萬8千名考生參加實體控制考試，重新確認入學資格。
這次風波不能簡化成「AI監考沒有抓到作弊」。系統在考試期間確實產生警示，UNAM也取消了約2%考生的入學程序，但監控紀錄與整體成績分布之間，仍出現無法忽略的落差。第二台裝置、鏡頭死角、外部協助與疑似販售代考服務，都不是多開一支鏡頭就能處理。對正在考慮導入AI監考、線上測驗或遠端評鑑的學校與企業來說，UNAM事件提供了一次很實際的制度壓力測試。
本文資訊以2026年8月為準。UNAM的技術委員會仍在調查事件成因與責任歸屬，控制考試的完整執行細節也可能繼續調整。
UNAM線上入學考發生什麼事？從首次遠端應試到5.8萬人重考
UNAM原本要求多數學士班入學考生前往指定考場應試。2026年首次將考試全面改為線上，考試時間從5月23日持續至6月10日，考生必須使用符合規格的電腦、鏡頭、麥克風與安全瀏覽器，在指定時段登入系統作答。
共有191,306人報名，實際參加考試者為158,712人。校方表示，線上形式可以降低外地與海外考生的交通、住宿與移動負擔，也能增加實際應試率。UNAM在考試初期曾公布，第一個週末共有55,840人應試，平台運作穩定，498人因違反規定而被中止或移出系統。
到了7月16日，UNAM在成績公布前一天表示，約2%考生因違反招生簡章與校方規定，被取消入學程序。當時校方仍準備按照原定計畫，公布錄取名單並進行後續註冊。
UNAM入學考高分比例為何從3.5%升到16.3%？
真正讓整起事件失控的，不是少數考試被系統中止，而是7月17日公布成績後出現的整體分布。
UNAM學士班入學考共有120題。2021至2025年間，答對100題以上的考生平均約占3.5%；2026年卻升到16.3%。異常高分也集中在醫學、法律等競爭激烈的科系，讓部分教師、考生與統計研究者開始質疑考試結果是否仍能代表考生的真實程度。
柏林自由大學人工智慧研究者Raúl Rojas比較2021至2026年的成績分布後，將2026年的考生成績拆分成兩種統計群體。一部分仍接近過去五年的分布，另一部分則大量集中在高分區間。他認為這種偏差很難只用考題突然變簡單或整體程度提高解釋，與大量考生取得外部協助的假設較為一致。
不過，統計異常不能直接證明某一名考生作弊。它只能說明整體分布與過往差異過大，需要進一步檢查應試紀錄、平台資料與題目安全。這也是UNAM後來沒有直接取消所有高分成績，而是安排實體控制考試的原因。
Territorium Life怎麼監考？AI警示、安全瀏覽器與人工覆核
UNAM採用的線上考試平台由Territorium Life提供。考試系統包含身分驗證、臉部與聲音辨識、鏡頭及麥克風紀錄、螢幕活動監控、安全瀏覽器與異常行為警示等功能。安全機制也要求阻止同一帳號同時從多台裝置登入，限制切換其他應用程式、複製貼上、螢幕截圖與外接顯示器。
AI並不會自行決定考生是否作弊。UNAM表示，系統只負責偵測可能的異常行為並產生警示，最後仍由校方人員檢查影像、聲音與操作紀錄，再決定是否中止或取消考試。
Territorium Life在爭議發生後表示，平台在其負責的技術範圍內運作符合預期，並曾在單一場次同時服務超過一萬名考生。公司也主張，一場高風險考試能否維持完整性，不能只靠技術監控，還牽涉題庫安全、考試設計與校方管理。
這項說法沒有消除爭議。平台可以確保考生沒有在同一台電腦切換網頁，卻很難確認房間另一側是否放著手機、平板或另一台電腦。系統能記錄畫面裡發生的事情，鏡頭以外的空間仍然存在盲區。
AI監考為什麼擋不住作弊？遠端考試的結構性漏洞
AI監考比較接近一套異常紀錄與風險篩選工具，不是能夠證明考試絕對公平的封閉考場。UNAM事件顯示，即使平台正常錄影、封鎖瀏覽器並產生警示，整體考試仍可能受到系統看不到的外部條件影響。
安全瀏覽器能封鎖本機，為什麼管不到另一台裝置？
安全瀏覽器可以限制正在作答的電腦，例如禁止開啟搜尋引擎、切換視窗、複製題目或使用特定快捷鍵。但這類限制通常只作用在已安裝軟體的裝置上。考生若在鏡頭以外放置手機、平板或第二台電腦，主要作答裝置仍可能維持正常狀態。畫面沒有切換，安全瀏覽器沒有被關閉，系統自然不一定會發出警示。遠端監考相關研究也指出，這類工具對臨時起意、操作明顯的違規行為可能具有嚇阻效果，卻不一定能發現事先規劃的作弊方式，例如使用第二台裝置、把資料藏在鏡頭外，或由其他人在遠處提供協助。
AI警示只能指出異常，不能自行判定作弊
考生低頭、視線移開、背景出現聲音或臉部短暫離開鏡頭，都可能觸發警示。但這些行為也可能來自網路中斷、家人經過、設備問題或身體狀況。UNAM在考試期間特別說明，環境聲音本身不會直接造成考試取消。AI產生的警示必須經過人工檢查，校方人員需要查看前後影像與其他紀錄，不能只靠單一訊號判定違規。這種設計可以降低誤判，卻也增加審查負擔。當應試人數超過15萬，每名考生又有長時間的影音與操作紀錄，人工團隊很難逐一完整檢查。實際流程通常只能先依賴系統挑出高風險片段，再集中審查被標記的案例。
沒有被標記，不代表完全沒有問題。被標記，也不代表一定作弊。
題目流通與外部協助不一定會留下畫面證據
UNAM已確認，考試期間有人或企業向考生與家庭販售涉嫌違規的應試服務，校方並於7月3日提出刑事告發，要求主管機關調查相關行為。現階段仍不能把所有異常高分都歸因於同一種手法，也不能確定每一組題目是否曾經外流。但只要考試跨越多個日期與場次，題目重複率、版本數量與題庫管理方式就會直接影響風險。鏡頭監控處理的是考生當下的行為。題目是否提前流通、答案是否在場次之間傳遞、第三方是否提供遠端協助，屬於另一套安全問題。兩者不能只用同一套監考軟體處理。
成績分布異常為什麼在放榜後才引爆爭議？
UNAM在考試進行期間，主要關注平台穩定性、違規警示與個別考生的行為紀錄。整體問題真正浮上檯面，卻是在成績公布後，有人把2026年與前五年的分數分布放在一起比較。這表示校方雖然建立了考試中的行為監控，放榜前的統計驗證卻沒有及時攔下異常結果。對大型考試來說，監控考生與檢查成績合理性是兩件不同的事。前者處理個別行為，後者檢查整體分布是否突然改變。只做其中一項，都可能漏掉另一邊的問題。
從取消2%到5.8萬人複驗：UNAM決策為何引發反彈
成績公布後，UNAM先成立技術委員會，檢查線上考試程序、平台資料與整體結果。7月24日，校方暫停原定從7月27日開始的文件繳交與新生註冊程序，等待委員會提出建議。技術委員會最後建議舉辦實體控制考試。需要參加的人包括兩類：第一類是2026年已經收到錄取通知的考生；第二類是2026年原始考試成績達到該科系、校區與就讀模式在2021至2026年間最低錄取門檻的人。
這項規則不是要求過去五年的考生重新回來考試。過去五年的最低錄取分數只是用來劃定2026年考生的參加範圍。估計約有5萬8千人會被邀請參加控制考試，競爭原本透過考試分發的約2.2萬個入學名額。控制考試將在實體場地、人工監督下進行，並準備足夠數量的不同試卷版本。最終錄取結果將依控制考試成績重新分配，而不是直接沿用第一次線上考試的結果。UNAM也宣布將在墨西哥城以外增設考場，降低外地考生再次移動的負擔。2026學年度新生預計延至8月31日開始上課，原本已在校就讀的學生則預計於8月17日恢復課程。
這項安排讓兩邊都不滿意。已獲得錄取通知的考生認為，校方沒有區分誠實應試者與疑似作弊者，讓所有達標者共同承擔制度失敗的成本。原本落榜的考生則認為，異常分數可能推高錄取門檻，擠掉本來有機會入學的人。UNAM前秘書長Patricia Dávila於8月1日離任，Javier de la Fuente隨後接任。離任時間與考試風波重疊，媒體將其視為事件發生後的重要人事變動；不過，校方沒有公開說明這場爭議是否為她離職的唯一原因。
AI監考怎麼用才安全？題庫、統計審查與申訴流程
UNAM事件沒有證明所有線上考試都不可信，也不代表AI監考完全沒有用途。問題在於，高風險考試若把AI監考當成唯一防線，只要出現系統看不到的作弊方式，整場結果就可能失去可信度。
不要把AI監考當成唯一防線
鏡頭、麥克風與安全瀏覽器適合記錄可見行為，也能阻止部分臨時違規操作。它們無法取代題庫安全、試卷版本管理與考後統計分析。大型考試可以增加試題隨機抽取、調整題目順序、建立多套等值試卷，並控制不同場次之間的題目重複率。考試時間跨越數天時，也需要評估題目是否可能在社群平台或付費群組中流通。遠端監考研究普遍認為，監控工具較適合當成多層防線中的一環。面對有計畫的外部協助或第二台裝置，單靠軟體很難完全阻止。
成績公布前先做歷史分布檢查
放榜前應先比較歷年平均分數、高分比例、各題答對率與不同科系的成績分布。某一年度若突然出現大量高分，不能等到社群討論後才開始檢查。統計審查也不能只看整體平均。高分是否集中在特定場次、試卷版本、應試地區或設備環境，都可能提供不同線索。考試主辦方可以事先訂出停止放榜的條件。例如，高分比例超過歷史區間一定幅度，或部分試題出現不合理的一致答案時，先進行人工覆核，再決定是否公布結果。
保留完整紀錄，也要提供可理解的申訴程序
AI監考產生的警示不能只有內部代碼。考生被取消資格時，應該知道涉及哪一段影像、哪一項規定，以及是否可以要求人工複查。UNAM在爭議發生後開放部分考生查看取消考試的證據，也處理未錄取者提出的成績複查要求。這些機制若能在考試前就寫進規則，考生會比較清楚何時能申訴、由誰審查，以及多久能收到結果。申訴流程也能減少AI誤判造成的傷害。異常警示只是調查起點，不能直接等同作弊證據。
考試前先決定制度失效時怎麼處理
高風險考試不應等到成績出現問題，才臨時討論要不要重考。主辦方可以提前定義不同程度的處理方式。例如，個別考生紀錄有明確證據時，進行個案取消；特定場次的題目安全受到影響時，只重考該場次；整體分布失去可信度時，再啟動較大範圍的控制考試。重考範圍、交通補助、特殊需求安排、申訴期限與新成績計算方式，都應該在考試前寫進備援方案。制度一旦出問題，才不會只剩下「全部承認」或「全部重來」兩個選項。
UNAM這次不是證明AI監考完全沒用。系統確實產生即時警示、保存考試紀錄，也取消了部分被判定違規的應試資格。問題在於，這些功能仍不足以證明整體成績可信。
第二台裝置、外部協助、題目流通與異常分數分布，都不是多裝一支鏡頭就能處理。高風險考試若要保留遠端形式，需要把監考軟體、題庫管理、統計審查、人工覆核與申訴制度放在同一套流程裡。任何一段沒有準備好，最後承擔重考與延誤成本的，仍然是考生。
常見FAQ
Ｑ：UNAM 2026年入學考發生了什麼事？
UNAM首次把學士班入學考全面改為線上進行，成績公布後卻出現異常高分分布。校方成立技術委員會調查，最後決定讓約5萬8千名達到指定成績條件的2026年考生參加實體控制考試。
Ｑ：UNAM為什麼懷疑線上入學考存在作弊？
2021至2025年間，答對100題以上的考生平均約占3.5%，2026年卻升到16.3%。統計分析顯示，高分區間出現與過去明顯不同的群體，但統計異常本身不能證明個別考生作弊。
Ｑ：UNAM的AI監考系統有自行判定考生作弊嗎？
沒有。AI主要負責記錄畫面、聲音與螢幕活動，並針對疑似異常行為產生警示，最後由UNAM人員檢查證據並作出決定。
Ｑ：所有參加入學考的15萬多人都需要重考嗎？
不需要。控制考試對象是已收到2026年錄取通知的人，以及2026年原始成績達到該科系、校區與模式在2021至2026年間最低錄取門檻的人，估計約5萬8千人。
Ｑ：AI監考能完全阻止第二台裝置或外部協助嗎？
不能。安全瀏覽器可以限制主要作答電腦，鏡頭與麥克風也能記錄部分環境，但另一台手機、鏡頭死角與事先安排的外部協助仍可能避開監控。技術研究也發現，多款遠端監考工具的防作弊措施可能遭到繞過，因此不適合被當成唯一的考試安全機制。