COVID - 19 大流行后高中平均分和 ACT 综合得分预测有效性的变化

2024 年 9 月 Conclusions 本研究考察了高中平均分和 ACT 的预测效度®2020年新冠肺炎疫情暴发前后第一学年大学平均学分绩点的综合评分。研究发现，高中平均学分绩点的预测能力在2020年后发生了显著变化，表明受疫情影响后入学的学生可能因为较低的预期第一学年平均学分绩点而准备不足。相比之下，ACT综合评分相对稳定，因此继续成为预测学生早期大学成功的一个可靠指标。该研究强调了同时使用高中平均学分绩点和ACT综合评分的补偿性质，强调了获得准确预测时考虑多种衡量标准的重要性。 那又怎样 ？ 因为这些研究揭示了预测大学一年级成绩的能力，因此对于学生和高校都具有重要意义：对于学生而言，了解高中平均 GPA 和 ACT 综合分数如何预测大学一年级的平均 GPA 可以帮助他们有效准备，并在需要时寻求适当的支持，从而确保更顺利地过渡到大学。对于高校而言，这些发现表明，在没有其他衡量成就的替代指标的情况下仅使用高中平均 GPA 可能会导致他们无法识别可能需要额外支持的学生。高中平均 GPA 和 ACT 综合分数的预测有效性变化表明，同时使用这两种指标将提供评估学生在大学一年级课程中成功机会所需的重要信息。 现在呢? 这些发现为设计针对学生需求的支持系统提供了宝贵的指导，从而提高学生的留存率和整体成果。此外，研究对招生政策的影响使学院能够做出更加明智的决策，确保录取的学生能够应对高等教育的要求，最终促进一个积极且成功的学习环境。这些发现表明，学院应该鼓励学生提交他们的ACT成绩，以便学院能够更好地评估学生在第一年的潜在成功，并为需要帮助的学生提供必要的支持。 关于作者 Acknowledgements 埃德加 · 桑切斯博士 作者要感谢 Ty Cruce ， Jeff Schiel 和 Xin Li 对本报告先前草案的评论。 桑切斯博士是ACT公司的首席研究科学家，他的研究领域包括高等教育入学、国家测试项目、考试准备效果以及干预措施的有效性。在他的职业生涯中，桑切斯博士一直专注于高中与大学之间的过渡研究，并支持高校管理人员、学生及其家庭的决策能力。他的研究成果在学术文献和媒体中得到了广泛引用，包括华尔街日报,华盛顿邮报,今日美国， 以及教育贸易出版社。 Introduction 研究人员预测，美国在未来十年将需要一个更加受过高等教育的劳动力。根据美国劳工统计局（U.S. Bureau of Labor Statistics，2023）的数据，在入门级工人中，通常需要高中文凭的工作数量预计将在2022年至2032年间仅增加0.9%。相比之下，需要学士学位的工作数量预计将增加6.7%，而需要硕士学位的工作数量预计将增加11.3%，需要博士学位或专业学位的工作数量预计将增加7.0%。尽管这些统计数据突显了高中学生进入大学并完成其学位项目的重要性，但大学入学人数显著下降。从2017年到2021年，大学入学人数减少了9.0%，从1990万降至1820万（National Student Clearinghouse Research Center，2023）。在此期间，适龄大学生（即18至24岁）的人口数量实际上增加了2.2%，从3050万增加到3120万（Kids Count Data Center，2023）。 大学早期的成功，通过新生第一学年平均 GPA（FYGPA）等指标来衡量，等同于成功且及时地完成学位（Demeter et al., 2022；Gershenfeld et al., 2016）。预测新生第一学年平均 GPA 的能力对于帮助识别可能面临学术困难的学生至关重要，从而使学院能够为他们提供更多学术支持。高中 GPA（HSGPA）和标准化考试（如ACT）的成绩也起到类似的作用。®或者SAT成绩被发现能够预测大一学年平均成绩（FYGPA）（Marini等人，2019；Beard & Marini，2018；Curabay，2016；Westrick等人，2015；Warren & Goins，2019）。研究还发现，将考试成绩与高中平均成绩（HSGPA）结合起来考虑，比单独使用其中任何一项指标更能准确预测FYGPA（Sanchez，2013）。 尽管研究表明在预测学年平均成绩（FYGPA）的模型中同时包含高中累积平均成绩（HSGPA）和考试分数是有价值的，但高中成绩膨胀可能会影响HSGPA与FYGPA之间的关系，从而影响FYGPA的预测。Sanchez和Moore（2022）以及Sanchez（2023）的研究表明，高中成绩膨胀是一个持久且系统性的问题，普遍存在于各个教室、学区和州。这两项研究还指出，在2020年新冠疫情爆发后，高中成绩膨胀现象尤为明显，显示了在疫情后的几年里，高中成绩膨胀的程度超过了过去十年。由于成绩旨在反映学生的学术知识和技能，并且通常也反映了学生为大学和职业生涯所做的准备情况，因此确保成绩准确至关重要。学生们努力争取获得尽可能高的成绩，以便他们的HSGPA——一个综合衡量学生所知和所能的累计指标——使他们有资格进入下一门课程并最终获得高中毕业证书。成绩膨胀威胁到HSGPA的可靠性。 此外，随着许多学院和大学将标准化考试成绩列为可选项目，高中平均成绩（HSGPA）在支持高校录取决策中的作用变得更加重要。总体而言，四年制学院要求最低的HSGPA以确保学生能够入学，而社区学院则利用HSGPA进行课程安置。除了用于录取和课程安置之外，高中成绩还可能帮助机构确定学生是否符合某些奖学金的申请资格。高中成绩膨胀引发了我们如何解读成绩来衡量学术成就或预测高等教育成绩的有效性的质疑。 鉴于疫情前存在高中年级成绩膨胀的证据，以及疫情后这一现象加速的证据，值得重新审视高中学分平均成绩（HSGPA）和ACT综合分数对大学第一年学分平均成绩（FYGPA）预测有效性的影响。本研究旨在记录在疫情前后，HSGPA和ACT综合分数与FYGPA之间的关系如何变化。本研究重点关注以下研究问题： 在2020年新冠疫情爆发前后，FYGPA与HSGPA之间的关系、FYGPA与ACT综合分数之间的关系，以及所有这三个指标的结合关系是否发生了变化？ Methods 分析样品 本研究的分析样本包括与ACT签订合同，在该州测试所有公立高中11年级学生的ACT考试学生。在这种如全州采用合同的情况下，几乎所有的公立高中毕业生都参加了ACT考试。本研究仅限于2017年至2021年期间参加ACT考试并在高中毕业后当年秋季入学该州公立四年制学院的高中毕业生。此后，这些群体按其大学第一学年秋季对应的日历年进行引用（即2017年至2021年）。分析样本包括来自10个机构的40,194名学生。这些学生代表了该州在这几年内所有参加ACT考试的毕业生的24%，参加高中毕业后当年秋季入学学院的ACT考试毕业生的47%，以及参加任何四年制学院秋季入学的ACT考试毕业生的67%。 措施 ACT 复合材料 在分析中，官方ACT综合分数是从该州毕业生记录中获得的。这个ACT综合分数可能是通过全省测试或国家测试管理期间获得的。对于研究中多次参加ACT考试的学生，使用他们高中毕业前的最高分数。 累积高中 GPA 自报告的英语、数学、社会研究和自然科学课程成绩平均值被用于计算每位学生的累计HSGPA。桑切斯和布丁（2016）的研究表明，学生自报告的HSGPA与成绩单上的GPA高度相关，而其他研究表明使用自报告数据进行研究是合适的（卡马拉等，2003；克恩塞尔等，2005；肖和马特恩，2009）。 大学一年级 GPA学生在校期间的官方FYGP数据来自学生高中毕业后立即入学的院校的学生成绩单。 数据分析 在本研究中，学生嵌套在后继高等教育机构中。研究数据的校内相关系数（ICC）为0.042。尽管这一ICC表明FYGPA的变异性中很少有部分是由于不同机构之间的差异所致，但仍然使用分层线性模型（HLMs）来分别和共同作为FYGPA连续测量值来检验HSGPA和ACT综合分数的预测有效性。这种方法是因为它可以正确建模数据结构并考虑潜在独立性假设的违反。估计了三个单独的HLMs模型。在这三个模型中，FYGPA都是研究关注的结果，而预测因子分别是年级、HSGPA或ACT综合分数，或者同时包括HSGPA和ACT综合分数。在这些模型中，并未考虑学院级别的特征。为了评估模型拟合度，使用了赤池信息准则（AIC）和贝叶斯信息准则（BIC）。1进行了考察。此外，残差方差的减少（即校内方差）被用于评估模型拟合度。在当前分析中，首先拟合了一个空模型以评估由高等教育机构嵌套无法解释的残差方差量。这代表了未被机构嵌套解释的FYGPA差异。在后续模型中，评估了这一残差方差减少的百分比，这可以解释为HSGPA、ACT综合分数以及结合模型解释的残差方差百分比。 层级模型包括随机截距项。在考虑是否允许模型中存在随机斜率时，发现当检查ACT综合分数时，包含随机斜率和截距的模型比仅包含随机截距的模型拟合效果更好，但当检查HSGPA时并非如此。因此，并且考虑到低的intraclass correlation（ICC），决定不包含随机斜率项，以便在所有检查的模型中提供一个更为简洁的模型。 Results 描述性统计 如所示表 1研究样本中的年级平均ACT复合分数从2020级入校生略微下降到2021级入校生，而平均高中绩点（HSGPA）则从2017级入校生略微上升到2021级入校生。从2017年至2019年，入学年级的平均学年绩点（FYGPA）稳步上升，但在2019年至2020年间大幅下降，随后在2020年至2021年间有所回升。此外，在2017级和2021级之间，研究中的10所院校的学生人数减少了近17%。图 1展示了历年数据中，高中绩点平均分（HSGPA ）高度集中在较高分数段，超过60%的学生获得了3.5或更高的HSGPA。图 2显示 ， 在不同的年份中 ， ACT 综合得分在 21 分左右大致呈正态分布。图 3表明 ， 多年来 ， FYGPA 高度偏向其规模的上端 ， 平均值约为 2.8 。 研究问题 在2020年疫情爆发前后，FYGPA与HSGPA之间的关系、FYGPA与ACT综合分数之间的关系，以及这三种衡量标准的组合关系是否发生了变化？ HSGPA 图 4显示了每个学群的HSGPA与FYGPA之间的关系：正斜率的线条表明HSGPA与预测的FYGPA之间存在正相关关系，无论哪个学群（见表 A1 在附录中列出了标准化模型系数。此外，预测的FYGPA值从未直接对应于HSGPA值；相反，学生的预测FYGPA总是低于其HSGPA。尽管各年级之间存在这些共同点，但在疫情爆发前后，HSGPA与FYGPA之间的关系显示出明显的突变。如图4所示，2017、2018和2019届学生的预测FYGPA在各年级间保持一致。而对于2020年和2021年的新生群体，虽然HSGPA与FYGPA之间的关系强度有所增加（表现为斜率更陡峭的线条），但这种关系在整个HSGPA量表上呈现出下降趋势，使得这些年级的学生预测的FYGPA低于前几届学生。例如，在2019届新生及之前各届，HSGPA为2.5的学生平均预测FYGPA为1.87；而在2020年和2021届新生中，相同HSGPA为2.5的学生平均预测FYGPA为1.54。另一个例子是，2020年及之前各届HSGPA为3.0的学生平均预测FYGPA为2.39，而2020年和2021届新生中HSGPA为3.0的学生平均预测FYGPA为2.15。这种HSGPA与FYGPA之间关系的下降趋势表明，疫情爆发后的各届（即2020年和2021届）的HSGPA可能反映了高中阶段一定程度的分数膨胀，这可能是由于K-12评分政策的变化以及其他应对疫情变化的调整所致。此外，该模型的AIC和BIC值分别为90,111.56和90,112.16，而零模型的AIC和BIC值分别为113,283.30和113,283.90。该模型导致了AIC和BIC