（文章來源：教育新聞網）

出色的論文，高分平均成績和出色的標準化考試成績有時不足以錄取大學。持續的大學入學丑聞凸顯了標準化考試成績的影響力。考試管理員現在正在與其他付費的父母進行調查，以確保孩子的考試成績固定。大學錄取決定使用標準化的考試成績作為申請人在大學中的表現的預測指標。但是，如果有更好的預測學習方式—不依賴單一高風險測試的方法怎么辦?

亞利桑那州立大學和丹佛大學的研究人員設計了一種預測學術表現的方法，該方法的預測性比單個標準化評估高出三倍。研究團隊開發并驗證了一個統計模型，該模型使用隨時可用的考試成績來預測未來的學業成績。該研究將發表在多元行為研究中。

“每個人都在某個時候受到測試的影響-測試被用來做出關于入學乃至職業安置的高風險決策-我們開發的模型可以捕捉數據中的情況，并預測未來的表現要好于現有方法”，ASU心理學助理教授，論文的第一作者Daniel McNeish說。

許多標準化測試的既定目的是一次性評估，而不是為了告知長期性能。丹佛大學的助理教授，論文的第二作者丹尼斯·杜馬斯(Denis Dumas)表示，有時將這些測試用于預測參加該測試的任何人的未來表現，但是實際上很少有測試能做到這一點。單項測試無法充分衡量學生未來學習潛力的想法并不是一個新想法：社會學家，歷史學家和民權運動家WEB DuBois大約在一個世紀前提出了這一想法。

Dumas補充說：“從單個時間點獲得的測試分數可以很好地反映出某人在測試時所知道的東西，但是它們通常無法提供有關學習潛力的信息。”“考試分數通常用來表明一個人可能從未來的教育(例如上大學)中受益多少，但是這個概念與應試者現在知道多少完全不同。”

為了開發該模型，研究團隊從一位名叫魯汶·富爾斯坦(Reuven Feuerstein)的以色列心理學家的工作中汲取了靈感，后者對大屠殺的兒童幸存者進行了學校和年級水平的測試。基于一個測驗分數的年級水平分配通常太低，因此Feuerstein開發了一種稱為動態評估的測驗系統，該系統使用了一段時間內收集的多個測驗分數來衡量兒童的學習能力，而不是其當前的知識水平。動態評估是勞動密集型的，并且難以大規模實施。研究團隊通過利用數學模型和計算能力的先進性來解決該問題，從而創建了一種稱為動態測量模型的新方法。

動態測量模型使用一系列測試分數來預測未來的學習能力。該模型通過測試分數隨時間的變化擬合一條曲線，該曲線通常看起來像一個側向字母“ J”，通常被稱為“學習曲線”。學習曲線上的點表示當前知識的數量，曲線的最大值或上限是學習潛力。研究小組使用幼兒園到八年級的標準化考試成績，最近表明動態測量模型可以擬合學習曲線并預測學習潛力。

研究團隊想知道該模型可以預測學習潛力的程度，從而可以預測其實際準確性。他們使用了三個數據集，這些數據集來自加利福尼亞大學伯克利分校的人類發展研究所。數據集包括參與者在1920年代和1930年代3歲時開始的測驗分數。對參與者進行了數十年的研究，直到他們分別處于50、60和70年代。

由于大多數標準化的測試都在學校進行，因此研究團隊使用動態測量模型來擬合UC Berkeley參與者20歲以下的測試成績。該團隊通過讓模型完成曲線來預測每個參與者的未來學習潛力。然后，他們將50-70歲年齡段的實際考試成績與模型預測的成績進行了比較。

McNeish說：“動態測量模型捕獲的方差是其他方法的三倍，其中包括單個時間點測試分數。換句話說，我們的模型預測的后一分數(個人實現的學習潛力)要好三倍。”“現在如此頻繁地測試學生，以衡量他們的進步，但是每位學生獲得多個分數可以達到超越進步的目的。可以將它們合并為一個學習潛能分數，以改善對人們的技能和能力預計在何處結束的預測將來他們保持相同的軌跡。”

使用動態測量模型來預測學生的未來學習潛力，不需要更改政策或進行新的測試。該模型所需的測試分數已經存在，并且由于通過了《不讓任何一個孩子落后法案》和《每個學生成功法案》而獲得。麥克尼什說：“動態測量建模不需要專門的計算機即可運行，并且所花費的時間不會比該領域中使用的標準統計模型長。”“從邏輯上講，所有方面都可以在明天實施。”該研究小組目前正在開發用于傳播動態測量模型的軟件。
（責任編輯：fqj）