2021年6月

IZA DP No. 14500:使用预测分析来跟踪学生:来自七所大学实验的证据

彼得·伯格曼,伊丽莎白·科普科,胡里奥·罗德里格斯

跟踪在美国教育中很普遍。仅在高等教育方面,至少71%的大学使用考试来跟踪学生。然而,也有人担心,最常用的大学入学考试缺乏有效性和可靠性,不必要地将学生从代表性不足的群体安排到补习班。虽然最近的研究表明,跟踪对学生的学习有积极影响,但不准确的安排也会产生后果:学生面临的课程安排不一致,必须支付补习课程的学费,而这些补习课程在毕业时不计入学分。我们开发了一个替代系统来安置学生,该系统使用预测分析将多种措施结合到一个安置工具中。与大学相比;现有的定位测试,算法更能预测未来的表现。然后,我们在七所大学进行了一项实验,以评估该算法对学生的影响。大学水平课程的安排率大幅提高,通过率却没有降低。根据多重测试进行调整后,算法排位通常(尽管并非总是如此)缩小了不同人口群体在大学排位率和补习课程上的差距。 A detailed cost analysis shows that the algorithmic placement system is socially efficient: it saves costs for students while increasing college credits earned, which more than offsets increased costs for colleges. Costs could be reduced with improved data digitization as opposed to entering data by hand.

关键字

凝胶代码