新的统计模型提高了标准化考试成绩的预测能力

出色的论文，高分平均成绩和出色的标准化考试成绩有时不足以让大学入学。

正在进行的大学入学丑闻凸显了标准化考试成绩的影响力。考试管理者现在正在与其他付费调查其父母的孩子考试成绩的父母合作。

大学录取决定使用标准化的考试成绩作为申请人在大学中的表现的预测指标。但是，如果有更好的预测学习的方式而不依赖单个高风险测试该怎么办?

亚利桑那州立大学和丹佛大学的研究人员设计了一种预测学术表现的方法，该方法的预测性比单个标准化评估高出三倍。研究小组开发并验证了一个统计模型，该模型使用随时可用的考试成绩来预测未来的学业成绩。该研究将发表在多元行为研究中。

“每个人都在某个时候受到测试的影响-测试被用来做出关于入学乃至职业安置的高风险决策-我们开发的模型可以捕获数据中发生的事情，并比现有方法更好地预测未来的表现”，ASU心理学助理教授，论文的第一作者Daniel McNeish说。

当前的能力并不总是能预测未来的学习

许多标准化测试的既定目的是一次性评估，而不是为了告知长期性能。丹佛大学的助理教授，论文的第二作者丹尼斯·杜马斯(Denis Dumas)表示，有时将这些测试用于预测参加该测试的任何人的未来表现，但实际上很少有测试能做到这一点。单项测试无法充分衡量学生未来学习潜力的想法并不是一个新想法：社会学家，历史学家和民权活动家WEB DuBois大约在一个世纪前提出了这一想法。

Dumas补充说：“从单个时间点获得的测试成绩可以很好地反映出某人在测试时所知道的东西，但是它们通常无法提供有关学习潜力的信息。” “考试分数通常用来表明一个人可能从未来的教育中受益，例如上大学，但是这个概念与应试者现在所知道的完全不同。”

为了开发该模型，研究团队从一位名叫鲁汶·富尔斯坦(Reuven Feuerstein)的以色列心理学家的工作中汲取了灵感，他对大屠杀的儿童幸存者进行了学校和年级水平的测试。基于一个测验分数的年级水平分配通常太低，因此Feuerstein开发了一种称为动态评估的测验系统，该系统使用了一段时间内收集的多个测验分数来衡量儿童的学习能力，而不是其当前的知识水平。动态评估是劳动密集型的，并且难以大规模实施。研究团队通过利用数学模型和计算能力的先进性来解决该问题，从而创建了一种称为动态测量模型的新方法。