高中 GPA 和 ACT 综合分数对毕业时大学 GPA 的预测有效性：考察第一年大学 GPA 作为中介变量的研究

2024-11 高中 GPA 和 ACT 综合分数对毕业时大学 GPA 的预测有效性：探讨第一年大学 GPA 作为中介变量的研究 EDGAR I. SANCHEZ, PhD Conclusions 研究得出结论，高中成绩平均分（HSGPA）和ACT分数都是大学成功的重要预测指标，特别是大一学年成绩平均分（FYGPA）。然而，FYGPA在ACT分数与累计平均分（CGPA）之间起中介作用，但HSGPA与CGPA之间并非如此。值得注意的是，HSGPA与ACT分数的交互作用是CGPA的一个重要预测指标，一致的学业表现对于取得更好的结果至关重要。研究强调了同时使用HSGPA和ACT分数进行更准确预测和个性化学术支持的价值。 那又怎样 ？ 对于学生而言，研究建议需关注保持高成绩和在标准化考试中表现出色，以确保在大学取得良好的开端。教师可以利用这些见解更好地识别需要在不同评估标准上提升学术表现的学生，从而提供额外的帮助。对于高等教育专业人士而言，研究结果强调了综合录取过程的重要性，该过程需同时考虑高中平均成绩（HSGPA）和ACT分数。 现在呢? 从本研究中得出的实际下一步包括鼓励高中生在高中课程学习和ACT考试中保持一致的表现，以更好地为大学成功做准备。教师和辅导员可以利用这些发现来识别可能需要额外帮助以使学术成就与预期目标相匹配的学生。高等教育机构在做出录取决定和支持过程中应考虑学生的高中学分平均成绩（HSGPA）和ACT分数，以进行更全面的学生准备情况评估。此外，高校可以针对那些高中学分平均成绩（HSGPA）和ACT分数之间存在差异的学生制定有针对性的干预措施，以帮助提高他们的学术成果和留存率。 关于作者 Acknowledgments 埃德加 · 桑切斯博士 作者感谢Kate Walton、Alex Casillas、Kristin Stoeffler和Kate Allen对本报告早期草稿提供的评论。 桑切斯博士是ACT公司的首席研究科学家，他的研究领域包括高等教育入学、国家测试项目、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。 Introduction 先前的研究表明，ACT分数和高中成绩（HSGPA）在预测大学成功方面的重要性。例如，科伊尔和皮尔松（2008）证明了即使考虑了一般智力因素后，ACT和SAT分数仍然能够有效预测大学第一或第二学期的成绩。此外，胡和黄（2016）的研究显示，ACT分数和HSGPA都是预测第一年大学成绩（FYGPA）的重要指标。韦斯特里克等人（2015）在对50所机构进行元分析后发现，尽管ACT分数和HSGPA都是大学表现和留存的重要预测指标，但HSGPA的预测能力更强于ACT分数。另外，马里尼等人（2019）的研究表明，结合使用SAT分数和HSGPA可以有效地预测FYGPA和二年级的留存率。最近的一项研究（桑切斯，2024）也得出了类似的结果：在这项研究中，HSGPA和ACT分数都能预测FYGPA，而将这些预大学成就指标结合起来则能更好地预测FYGPA。 拉杜赞和诺尔（2012）将这一研究线扩展至长期结果，证明了ACT综合分数（ACTC）和高中平均绩点（HSGPA）显著预测学位完成情况，而学年平均绩点（FYGPA）作为重要的中介步骤起着重要作用。洛里亚和桑切斯（待发表）发现，学年平均绩点（FYGPA）作为中介变量，调节ACT综合分数（ACTC）和高中平均绩点（HSGPA）对第四年和第六年学位完成的影响。学年平均绩点（FYGPA）显著预测本科学位的获得，而高中平均绩点（HSGPA）和ACT综合分数（ACTC）不仅直接对毕业产生影响，还通过学年平均绩点（FYGPA）间接影响毕业。 早期college学生的学年平均绩点（FYGPA）反映的学术成功对后续的大学成功和及时完成学位起着关键作用（Demeter等，2022；Gershenfeld等，2016）。准确预测FYGPA对于帮助大学识别可能需要学术干预和支持的学生至关重要。许多研究已经记录了FYGPA与高中平均绩点（HSGPA）及ACT或SAT分数组合之间的关系（Beard & Marini, 2018；Curabay, 2016；Marini等，2019；Warren & Goins, 2019；Westrick等，2015）。 Steedle (2020) 探讨了为什么高中平均成绩（HSGPA）通常比ACT分数具有更强的预测能力。这项研究显示，HSGPA更大的预测有效性似乎来源于其能够捕捉到包括动机和决心在内的认知和行为因素的能力。HSGPA提供了对学生潜力的全面衡量，因为它捕捉到了努力和坚持等方面，而这些方面可能是标准化考试无法完全涵盖的。ACT®测试提供了对核心学术知识和技能的较窄认知评估。 这些研究共同表明，将标准化测试分数与高中平均成绩（HSGPA）相结合的全面方法能最准确地预测大学成功。因此，为了进一步探讨这些关系，本研究重点关注 FYGPA 在 ACT 分数和 HSGPA 对累计毕业 GPA（CGPA）影响中的中介作用。 高校绩点（HSGPA）和标准化考试成绩（如ACT分数）对大学成功预测效度的研究是教育研究中的一个重要课题。本研究探讨了ACT分数和HSGPA对CGPA的预测效度，并将FYGPA作为中介变量。中介作用的发生 当某个预测因子对结果的影响通过另一个预测因子传递时。在我们的情况下，ACTC分数或高中成绩对CGPA的影响通过学年平均分（FYGPA）传递。具体而言，我将探讨五个研究问题： 1. FYGPA 是否调解 HSGPA 和 CGPA 之间或 ACTC 评分和 CGPA 之间的关系 ？ 2. FYGPA 核算后 ， HSGPA 和 CGPA 之间的关系是什么 ？ 3. FYGPA 核算后 ， ACTC 评分与 CGPA 有什么关系 ？ 4. FYGPA 核算后 ， CGPA 与 ACTC 评分和 HSGPA 的关系是什么 ？ 5. 三个分层线性模型中哪一个最适合数据 ？ Methods 分析样品 本研究的样本包括与ACT签订合同进行全省采用的南部州的公共高中11年级学生。在这种全省采用合同的情况下，该州几乎所有公共高中毕业生都参加了ACT考试。样本包括2017年秋季入学的大学生。这些学生被跟踪了六年以确定他们是否完成了学士学位。然后将他们与ACT测试记录匹配。学生必须具备以下特征的有效数据：ACT成绩、高中平均成绩（HSGPA）、第一学年平均成绩（FYGPA）、学生人口统计信息（具体而言，收入、性别和种族/族裔背景）以及累计平均成绩（CGPA）。 措施 ACT 综合 (ACTC) 评分 官方ACTC分数是从该州毕业生记录中获取的，在分析中进行了使用。学生的ACTC分数可能是在州级测试或全国测试管理中获得的。对于研究中多次参加ACT考试的学生，我采用了他们在高中毕业前的最新分数。 累积高中 GPA(HSGPA) 自报告的英语、数学、社会研究和自然科学课程（最多23门）的成绩被平均计算以得出每位学生的累计HSGPA。桑切斯和布迪恩（2016）发现这些成绩之间存在高度相关性（你：）。r学生自我报告的高中绩点（HSGPA）与学生成绩单上的绩点之间存在显著的相关性（相关系数为0.84），并且其他研究支持使用自我报告的数据进行研究（Camara等，2003；Kuncel等，2005；Shaw & Mattern，2009）。 大学一年级 GPA(FYGPA) 学生在校期间的官方FY GPA数据来自学生高中毕业后立即入学的院校的学生成绩单。 累积毕业大学 GPA(CGPA) 官方CGPA数据是从学生获得学士学位的机构的学生成绩单中获取的。 人口特征。 当学生注册参加ACT考试时，他们被要求提供家庭收入、性别和种族/族裔背景。家庭收入分为五个类别：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美元以及缺失响应。学生根据性别标识为男性或女性。（虽然ACT目前包括一个其他性别的选项，但在2017年这一选项并不可用。）种族/族裔身份包括亚裔、黑人、西班牙裔、美洲原住民/阿拉斯加原住民、夏威夷原住民/太平洋岛民、白人、两种或多种种族、选择不回答或未提供响应。由于识别为美洲原住民/阿拉斯加原住民及夏威夷原住民/太平洋岛民的学生数量有限，这些学生被归类为两种或多种种族的学生。表1列出了该样本的 demographic 特征，以及整个2017届毕业生的特征。 数据分析 在当前的分析中，学生被嵌套在高等教育机构内。具体而言，学生被嵌套在其高中毕业后立即注册的高等教育机构中。虽然可能存在额外的嵌套结构（例如，具有学院项目的学生成为额外的嵌套层次），但相关信息并不完整。内部相关系数为0.05，表明由于嵌套结构导致的变异量很小。鉴于存在嵌套结构的事实，进行了分析以纳入学生在高等教育机构内的聚类效应。数据分别进行了两组独立的分析。第一组是路径分析，使用了聚类稳健的标准误差。第二组是一系列分层线性模型（HLMs），考虑了上述描述的嵌套结构。尽管内部相关系数相对较低，但这种分析方法被选择用于整合和正确建模数据结构，并考虑潜在的独立性假设违反情况。 在所有三个高学校模（HLM）中，CGPA 是研究的重点结果，预测变量包括高中平均成绩（HSGPA）、ACTC 成绩、性别、家庭收入和种族/ Ethnicity。在这些建立的模型中，我没有考虑任何大学层面的特征。为了评估模型拟合度，我检查了赤池信息准则（AIC）和贝叶斯信息准则（BIC）。我还计算了R 2为了估算学生层面和机构层面解释的方差。此外，我还考察了残差方差的减少（即内部机构的方差）以评估模型拟合度。总残差方差通过拟合一个空模型来评估未被高等教育机构嵌套所解释的残差方差量。随后，我评估了残差方差的百分比， 减少剩余方差，这可以解释为HSGPA、ACTC分数以及综合模型解释的剩余方差的百分比。 所有三个混合线性模型（HLMs）都包含了一个随机截距项。我确定，包含ACTC分数和高中平均成绩（HSGPA）随机斜率的模型比没有这些随机效应的模型稍微拟合得更好。因此，高中平均成绩模型包含了HSGPA的随机项，ACTC分数模型包含了ACTC分数的随机项，而同时包含ACTC分数和HSGPA的模型则分别包含了这两个成就指标的随机项。 Results 描述性统计 如表1所示，样本中女生多于男生，74%的样本为白人，约有33%的样本来自家庭年收入超过100,000美元的家庭。平均ACTC分数为23.48，平均高中成绩（HSGPA）为3.52，平均第一学年平均成绩（FYGPA）和累积平均成绩（CGPA）均为3.38。样本中共有7,516名学生。样本的特征百分比与2017届毕业班存在一定差异，这些差异也在表1中有所报告。值得注意的是，当前样本表现相对优异，ACTC分数和HSGPA均高于2017届毕业班。 注意。由于四舍五入 ， 百分比可能不会总和为 100% 。 如图1-4所示，样本的HSGPA、FYGPA和CGPA均偏向各自分布的较高端（4.0）。图 3我们可以看到，大多数HSGPA高于3.0。这很可能是因为未毕业学生的流失，且这些数据大致呈正态分布。大学。图 4 说明了 ACTC 分数 w FYGPA 是否介导 HSGPA 与 CGPA 之间或 ACTC 评分与 CGPA 之间的关系 ？ 中提出的路径分析图 5是一个简化模型，专注于通过FYGPA中介作用分析预大学学术指标对CGPA的影响。与本文后续将使用的HLM不同，此分析未包含学生的人口统计信息，并且使用了聚类稳健标准误差而非分层建模。在此路径分析中，我们可以看到唯一显著的路径是将ACTC分数识别为FYGP