减少公立学校招生中的过滤效应：面向定向干预的偏差感知分析
计算机与社会
2024-07-17 v4 机器学习
摘要
问题定义：传统上，纽约市排名前 8 的公立学校仅依据学生在专门高中入学考试（SHSAT）中的分数选拔候选人。这些分数已知受学生社会经济地位及初中所接受考试准备的影响，导致教育管道中严重的过滤效应。为学生分配学校的经典机制并不能自然解决学校隔离与阶级多样性等问题，而这些问题多年来已恶化。包括政策制定者在内的科学界已通过引入群体特定配额与比例约束作出反应，但结果参差不齐。寻找有效且公平的方法来拓宽顶尖教育机会的问题仍未解决。方法/结果：我们采用与多数既有文献不同的运筹学方法来处理该问题，目标是增加高经济需求学生的机会。利用纽约市教育部（DOE）的数据，我们展示被 DOE 归类为“弱势”（依据主要基于经济因素的标准）的学生所得分数分布存在偏移。我们将此偏移建模为源于对弱势学生真实潜力低估的“偏差”。我们分析了该偏差在分类匹配市场中的影响。我们表明，当定向干预针对平均水平的弱势学生群体时，中央计划的干预（如奖学金或培训）可显著减少偏差的影响。
引用
@article{arxiv.2004.10846,
title = {Reducing the Filtering Effect in Public School Admissions: A Bias-aware Analysis for Targeted Interventions},
author = {Yuri Faenza and Swati Gupta and Aapeli Vuorinen and Xuan Zhang},
journal= {arXiv preprint arXiv:2004.10846},
year = {2024}
}