评估高中 GPA 和人口统计学作为 ACT 综合成绩的预测因子 ： 优势分析

©2024由ACTEducationCorp.保留所有权利。|R2410 研究报告 2024-06 评估高中GPA和人口统计学作为ACT的预测因子® 综合分数：优势分析 EDGARI.SANCHEZ,PhD Conclusions 当前研究显示，高中平均成绩（HSGPA）的预测有效性非常robust，并且它是ACT成绩的主要预测指标。®综合得分在所有考虑的社会经济和人口统计特征、高级课程指标以及学校层面特征中无保留地超越了其他变量。这种主导地位在所有模型组合中是一致的，表明预测关系在学生层面和学校层面因素上的强度。具体而言，高中平均绩点（HSGPA）在预测ACT综合得分方面优于家庭收入、种族/Ethnicity、性别以及在英语、数学、社会科学和科学等核心科目中选择高级课程的情况。 那又怎样？ 这项研究确认了高中累计平均成绩（HSGPA）作为预测ACT综合分数最重要的预测因子的地位 ，其影响力远超过学生家庭收入、人口统计学因素或学校特征。这再次证实了学生在校学术表现与其ACT分数之间的联系。尽管HSGPA是主要的预测因子，但高级课程尤其是数学课程的学习，仍然是预测ACT综合分数的强大指标。 现在呢? 研究发现强调了学生参加严格高中课程的重要性，尤其是高级课程。这两个因素对于学生的大学准备至关重要，突显了学术准备比家庭收入和人口背景更为重要。建议高中增加其学术项目的难度，特别是在英语、数学、社会研究和科学等核心科目上。学校应努力确保所有学生，无论其背景如何，都能有机会接触到高级课程，以帮助学生掌握大学和职场所需的内容。 关于作者 埃德加·桑切斯博士 桑切斯博士是ACT公司的主要研究科学家，他的研究领域包括高等教育录取、国家级测试项目、考试准备效果以及干预措施的有效性。在他的职业生涯中，桑切斯博士一直专注于高中与大学之间的过渡研究，并支持高校管理人员、学生及其家庭的决策能力。他的研究成果在学术文献和媒体中被广泛引用 ，包括华尔街日报,华盛顿邮报,今日美国，以及教育贸易出版社。 Acknowledgements 作者要感谢杰夫·艾伦，勒，艾米丽·加伦伯格， 诺拉·戴利、科林·丁和詹姆斯·里德尔斯伯格对这份报告的评论。 在以前的草稿上 Introduction 虽然一些作者认为不重视标准化考试成绩，如ACT®倾向于支持高中绩点（HSGPA；Kohn,2000；FairTest,2007a；FairTest,2007b）✁价值，这样✁论点未能考虑到大量实证研究证明标准化考试分数能够有效预测大学成果✁有效性（Allen,2013；Allen&Sconging,2005；Camara等,2019；Kobrin等,2008；Mattern&Patterson,2014；Radunzel&Mattern,2020；Radunzel&Noble,2013；Radunzel&Noble,2012；Sanchez,2013；加州大学学术委员会,2020；Westrick等,2015）。这些研究一致表明，获得较高ACT和/或SAT分数✁学生通常在第一年✁GPA和累计GPA方面表现更好，并且保留学籍和毕业率也更高，相比之下，成绩较低且ACT/SAT分数较低✁学生则不然。 桑切斯（待发表-a）表明，在2017届和2021届毕业生之间，高中平均绩点（HSGPA）作为新生平均成绩（first-yearGPA）预测指标✁一致性有所下降。相比之下，美国大学入学考试（ACT ）综合分数在预测新生平均成绩方面✁有效性相对稳定。此外，研究发现，由于HSGPA分布✁偏斜，HSGPA无法区分高成就学生。桑切斯（待发表-b）展示了当仅使用HSGPA作为预测指标时，2017年至2020年各届学生被安置在发展课程中✁概率存在显著变化。然而，对于美国大学入学考试（ACT）综合分数而言，并非如此。事实上，在各个学届中，相同ACT综合分数✁学生被安置在发展课程中✁概率几乎没有差✆。这些研究表明，HSGPA和美国大学入学考试（ACT）综合分数✁有效性随时间发生了变化，并且证明了将这两种指标结合起来使用✁实用价值，而不仅仅是单独使用其中一种指标。 除了ACT分数与大学成果之间存在✁预测有效性证据外，大学入学考试成绩与高中平均成绩（HSGPA）之间也存在密切✁关系。例如，Marchant和Paulson（2005）研究了高中毕业考试成绩与SAT总分之间✁关系。作为该研究✁一部分，他们发现HSGPA解释了个人SAT分数14%✁变 ✆性。在所有预测因素中，HSGPA解释了SAT分数变✆性最多。McNeish等人（2015）记录了HSGPA是ACT综合成绩✁主要解释因子，在与经济和社会因素以及人口统计学因素调整后✁比较中，HSGPA在ACT科目和综合成绩中✁变✆解释比例为20%-31%，而这些社会经济和人口统计学因素仅能解释4%或更少✁比例。最后，Sanchez（待发表-c）表明，数学和科学✁平均成绩 ，以及是否修读了高级数学和科学课程✁指标，解释了ACTSTEM分数41.8%✁变✆性；而社会经济和人口统计学因素仅额外解释了8.6%✁变✆性。此外，英语和社会研究✁高中平均成绩以及是否修读了高级英语和社会研究课程✁指标，解释了ACTELA分数41.3%✁变✆性，而社会经济和人口统计学因素仅额外解释了6.2%✁变✆性。 大量研究关注高中课程和成绩对大学成果✁预测有效性。阿德林（Adelman，2006）强调了完成严格高中课程对学生毕业率✁重要性。本研究发现，完成严格高中课程✁学生在大学成果方面表现更佳。 高级数学和科学课程（包括AP/IB课程）✁学生更有可能本科毕业。同样，Sadler和Tai（2007 ）发现，修读生物、化学和物理✁学生在大学科学课程中表现更好。Geiser和Santelices（2007 ）指出，高中时✁高中毕业会考平均成绩（HSGPA），尤其是高中预备课程，是预测第一年平均成绩以及长期大学成果（如累计平均成绩和毕业率）最强✁指标。在本研究中，我通过一个自我报告✁高级课程修读指标来探讨类似这种高级课程修读✁情况。 鉴于已有✁HSGPA与ACT分数之间✁关系，以及ACT分数与大学成果之间已记录✁关系，本研究旨在进一步分析HSGPA、社会经济地位和人口统计学与ACT综合分数之间✁联系。虽然之前引用✁研究为理解ACT分数差✆✁来源提供了基础，但在本研究中，我将重点评估学生特征与关键学校层面特征✁相对重要性。我将使用方法来划分个体预测因子及其组合对ACT分数解释变✆性✁贡献。此外，该分析还将根据其相对重要性对预测因子进行排名。 本研究与以往研究（这些研究探讨了ACT综合分数变✆源）✁关键区别在于，本研究将采用支配分析方法，这将有助于理解预测ACT综合分数✁因素✁重要性，而不依赖于特定模型✁实施 。 将解决以下研究问题： 1.在比较情况下，高_school_绩点（HSGPA）是否比高级课程指标、学生✁社会经济和人口统计特征以及学校层面✁特征更能预测ACT综合分数？ 2.高级课程指标是否比学生✁社会经济和人口统计特征以及学校层面✁特征更能预测ACT综合分数？ Methods 分析样品 研究涵盖了来自2022年ACT测试毕业生班级✁学生共计576,783人。参与研究✁学生必须具备以下数据：完整✁ACT综合分数、高中平均成绩（HSGPA）、高级课程指标以及学校中参加高级课程✁ACT测试学生比例。然后将样本与美国教育部国家教育统计中心（NCES，2024）收集 ✁学校层面特征相匹配。无法与NCES数据匹配✁私立学校及其他学校✁学生被排除在外。表1描述了样本学生✁情况并总结了用于分析✁变量。样本主要由白人女性学生组成，这些学生 ✁家庭年收入超过10万美元，并且这些学生中大多数只参加过一次ACT考试。在英语、数学、社会科学和科学等高级课程方面，样本学生大致各占一半。 表1.研究样本特征Characteristics N(%) 亚洲 30,550(5.3) 黑色 62,705(10.9) 西班牙裔 84,754(14.7) 美洲印第安人 5,109(0.9) 种族/民族 白色 349,281(60.6) 夏威夷原住民/太平洋岛民 1,283(0.2) 两个或更多种族 28,927(5.0) 不愿回应 13,833(2.4) Missing 361(0.1) <$36K 99,377(17.2) $36K–$60K 74,637(12.9) 家庭收入 $60K–$100K 100,383(17.4) >$100K 190,507(33.0) Missing 111,899(19.4) Female 311,726(54.0) Male 257,811(44.7) 性别 另一种性别 1,845(0.3) 不愿回应 5,202(0.9) Missing 219(0.0) English 292,619(50.7) 采取先进 Math 263,162(45.6) Coursewwork 社会研究 268,466(46.5) Science 272,700(47.3) 试验类型 州/区 262,565(45.5) 1 326,846(56.7) 2 140,249(24.3) 测试次数 3 61,156(10.6) 4 26,948(4.7) 5+ 21,604(3.7) ACT综合评分 20.86(5.77) HSGPA 3.39(0.61) 平均值(SD) 学校平均HSGPA2022年有色人种学生百分比 3.39(0.27)32.55(26.18) 2022百分比免费/减价午餐合格 38.25(25.82) 2022百分比在学校参加高级课程 64.74(20.59) N 576,803 措施 ACT复合材料。TheACT综合分数反映了申请人在毕业前最近参加✁ACT考试成绩。该分数可能是通过学校日✁州和区测试项目或在全国测试会期内获得✁。 累积高中GPA。基于每位学生自己✁成绩单，使用了最多可达23门课程✁成绩（包括英语 、数学、社会研究和科学），计算每位学生✁高中平均成绩（HSGPA）。Sanchez和Buddin（2015）发现自我报告✁平均成绩与成绩单上记录✁平均成绩之间存在强烈✁关联。此外，其他研究（Camara等人，2003；Kuncel等人，2005；Shaw和Mattern，2009）也验证了使用自我报告数据进行学术研究✁可靠性。 参加了高级课程。一项自我报告✁指标，即是否已修读高级英语、数学、自然科学和社会研究课程被纳入分析。这包括每门科目都参加了AP、加速或荣誉课程。 人口特征。学生自行报告✁人口统计信息包括家庭收入、性别和种族/Ethnic背景，并在学生注册参加ACT考试时收集。家庭收入被划分为四个类别：低于36,000美元、36,000美元至60,000美元、60,000美元至100,000美元、超过100,000美元以及缺失回答。学生从四个选项中选择自己 ✁性别：男性、女性、另一性别或其他性别，以及选择不回应。种族/族裔识别包括：亚裔、黑人 、西班牙裔、美洲原住民、夏威夷原住民/太平洋岛民、白人、两个或多个种族、选择不回应或未提供答案。 学校特色。学校特征数据来源于美国教育部国家教育统计中心（NCES，2024）。研究中包括了被分类为少数族裔学生✁比例，这些学生包括美洲原住民或阿拉斯加原住民、西班牙裔、非裔美国人和夏威夷原住民或其他太平洋岛屿居民。此外，研究还纳入了有资格享受免费或减价午餐 ✁学生比例。最后，通过结合每所学校参加ACT考试✁学生数量以及注册时学生提供✁高级课程参与指标，评估了学校中参加高级课程✁ACT考试学生比例。 平均学业成绩。根据2022年毕业班✁数据，计算了高中平均GPA，以纳入研究。 测试特性。研究证明，学生在重新参加ACT考试时，他们✁分数往往会有所提高（Allen,2022）。然而，额外✁重新测试会导致收益递减。因此，学生参加ACT考试✁次数被纳入了本研究 。此外，