2020年新冠肺炎疫情的爆发抑制了面对面教育，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情况。本文研究了使用学校和高风险考试成绩的历史数据来训练一个模型来预测春季高风险考试的影响。最透明和最准确的模型是一个以高中GPA为主要预测指标的线性回归模型。对预测的进一步分析反映了高危考试与人口中不同亚群体的高中GPA之间的关系。预测分数略高于女性和低SES个体，他们在高风险考试中的表现比在高中时相对较差。在高风险考试中，我们首选的模型约占样本外变异的50%。平均而言，使用预测分数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了高中成绩无法衡量的个人技能，要么高风险考试是衡量同一技能的嘈杂指标。