新的統計模型提高了標準化考試成績的預測能力

出色的論文，高分平均成績和出色的標準化考試成績有時不足以讓大學入學。

正在進行的大學入學丑聞凸顯了標準化考試成績的影響力。考試管理者現在正在與其他付費調查其父母的孩子考試成績的父母合作。

大學錄取決定使用標準化的考試成績作為申請人在大學中的表現的預測指標。但是，如果有更好的預測學習的方式而不依賴單個高風險測試該怎么辦?

亞利桑那州立大學和丹佛大學的研究人員設計了一種預測學術表現的方法，該方法的預測性比單個標準化評估高出三倍。研究小組開發并驗證了一個統計模型，該模型使用隨時可用的考試成績來預測未來的學業成績。該研究將發表在多元行為研究中。

“每個人都在某個時候受到測試的影響-測試被用來做出關于入學乃至職業安置的高風險決策-我們開發的模型可以捕獲數據中發生的事情，并比現有方法更好地預測未來的表現”，ASU心理學助理教授，論文的第一作者Daniel McNeish說。

當前的能力并不總是能預測未來的學習

許多標準化測試的既定目的是一次性評估，而不是為了告知長期性能。丹佛大學的助理教授，論文的第二作者丹尼斯·杜馬斯(Denis Dumas)表示，有時將這些測試用于預測參加該測試的任何人的未來表現，但實際上很少有測試能做到這一點。單項測試無法充分衡量學生未來學習潛力的想法并不是一個新想法：社會學家，歷史學家和民權活動家WEB DuBois大約在一個世紀前提出了這一想法。

Dumas補充說：“從單個時間點獲得的測試成績可以很好地反映出某人在測試時所知道的東西，但是它們通常無法提供有關學習潛力的信息。” “考試分數通常用來表明一個人可能從未來的教育中受益，例如上大學，但是這個概念與應試者現在所知道的完全不同。”

為了開發該模型，研究團隊從一位名叫魯汶·富爾斯坦(Reuven Feuerstein)的以色列心理學家的工作中汲取了靈感，他對大屠殺的兒童幸存者進行了學校和年級水平的測試。基于一個測驗分數的年級水平分配通常太低，因此Feuerstein開發了一種稱為動態評估的測驗系統，該系統使用了一段時間內收集的多個測驗分數來衡量兒童的學習能力，而不是其當前的知識水平。動態評估是勞動密集型的，并且難以大規模實施。研究團隊通過利用數學模型和計算能力的先進性來解決該問題，從而創建了一種稱為動態測量模型的新方法。