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，学年结束时举行的高风险考试决定大学录取。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预测高风险考试的模型的影响，并给出了春季的可用数据。最透明、最准确的模型是以高中GPA为主要预测因子的线性回归模型。对预测的进一步分析反映了高风险考试对不同人群的高中GPA的影响。预测分数略高于女性和社会经济地位较低的个体，他们在高风险考试中的表现相对较差。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的是无法用高中成绩衡量的个人技能，要么高风险考试是对同一技能的一种嘈杂的衡量。