2020年新冠肺炎疫情抑制了面对面教育，限制了考试。在世界上许多国家，在学年结束时举行的高风险考试决定着大学的录取。本文研究了使用学校历史数据和高风险考试结果来训练模型的影响，该模型可以在春季给定可用数据的情况下预测高风险考试。以高中GPA为主要预测因子的线性回归模型是最透明、最准确的模型。对这些预测的进一步分析反映了高风险考试与不同人群高中GPA之间的关系。预测分数略高于女性和低社会经济地位个体，她们在高风险考试中的表现相对较差。在高风险考试中，我们的首选模型约占样本外变异的50%。平均而言，使用预测分数得出的学生排名与实际排名相差近17个百分点。这表明，要么高风险考试捕捉的是高中成绩无法衡量的个人技能，要么高风险考试是对同一技能的嘈杂衡量。