量化全面评估：基于多模态方法的大学录取预测
机器学习
2025-09-08 v2 计算机与社会
摘要
本文介绍了综合申请人档案得分（Comprehensive Applicant Profile Score, CAPS），这是一个新型的多模态框架，旨在定量建模和解释大学全面录取评估。CAPS 将申请人档案分解为三个可解释的组成部分：学术表现（标准化学术得分, SAS）、作文质量（作文质量指数, EQI）和课外活动参与度（课外活动影响得分, EIS）。利用基于转换器的语义嵌入、LLM 评分和 XGBoost 回归，CAPS 提供了透明且可解释的评估，与人类判断一致。在合成但真实的数据集上进行实验，显示出色的性能，EQI 预测 R^2 为 0.80，分类准确率超过 75%，宏平均 F1 分数为 0.69，加权 F1 分数为 0.74。CAPS 解决了传统全面审查中的关键局限性——特别是对申请人而言的不透明性、不一致性和焦虑问题，从而为更公平且数据驱动的录取做法铺平了道路。
引用
@article{arxiv.2507.15862,
title = {Quantifying Holistic Review: A Multi-Modal Approach to College Admissions Prediction},
author = {Jun-Wei Zeng and Jerry Shen},
journal= {arXiv preprint arXiv:2507.15862},
year = {2025}
}