来自威斯康星州公立学校的社会预测艰难教训
计算机与社会
2023-09-19 v2 机器学习
综合经济学
经济学
应用统计
摘要
早期预警系统(EWS)是美国各地公立学校近期提高毕业率努力的核心预测工具。这些系统通过预测哪些学生有辍学风险，来协助针对个体学生实施干预。尽管在其广泛采用上投入巨大，我们对EWS效能及统计风险分数在教育中作用的理解仍存在巨大空白。在本工作中，我们利用威斯康星州全州使用的一套系统近十年的数据，首次对EWS对毕业结果的长期影响进行大规模评估。我们提出的经验证据表明，该预测系统能按辍学风险准确对学生排序。我们还发现其可能使毕业率出现个位数百分比的增长，尽管我们的经验分析无法可靠排除其无任何正向处理效应的可能。在超越对DEWS的回顾性评估之外，我们提请注意EWS使用中的一个核心问题：个体风险分数对于有效定向干预是否必要？我们提出一种仅利用学生环境信息(如学校与学区)的简单机制，并论证该机制可像基于个体风险分数的机制一样高效地定向干预。即便个体预测高度准确且存在有效干预，我们的论点依然成立。除论证此简单定向机制外，我们的工作为教育研究者中“辍学由结构决定”这一稳健定性认识提供了新的经验支撑。综合来看，我们的洞见对在高不平等驱动结果场景下个体预测的边际价值提出了质疑。
引用
@article{arxiv.2304.06205,
title = {Difficult Lessons on Social Prediction from Wisconsin Public Schools},
author = {Juan C. Perdomo and Tolani Britton and Moritz Hardt and Rediet Abebe},
journal= {arXiv preprint arXiv:2304.06205},
year = {2023}
}