评估一种学习型录取预测模型作为标准化考试在大学招生中替代方案的可行性
计算机与社会
2023-05-24 v3
摘要
美国大学申请数量的逐年增长给大学招生带来了年度挑战。招生办公室历来依赖标准化考试成绩将庞大的申请者群体划分为可供审阅的可行子集。然而，在近期转向可选考试招生的趋势下，这种方法可能存在考试成绩偏差和参加考试的选择偏差。我们探索了一种基于机器学习的方法，以替代标准化考试在子集生成中的作用，同时考虑从学生申请中提取的广泛因素，以支持更全面的审阅。我们在一所美国选拔性院校的本科招生办公室数据（13,248份申请）上对该方法进行了评估。我们发现，基于过往录取数据训练的预测模型优于基于SAT的启发式方法，并且与上一届录取班级的人口统计构成相匹配。我们讨论了此类学习型模型如何被用于支持大学招生中人类决策的风险与机遇。
引用
@article{arxiv.2302.03610,
title = {Evaluating a Learned Admission-Prediction Model as a Replacement for Standardized Tests in College Admissions},
author = {Hansol Lee and René F. Kizilcec and Thorsten Joachims},
journal= {arXiv preprint arXiv:2302.03610},
year = {2023}
}
备注
In Proceedings of the ACM Conference on Learning at Scale (L@S) 2023