優秀的試卷、較高的平均分和優秀的標準化考試成績，有時并不足以被大學錄取。

持續的高考丑聞凸顯了標準化考試分數的影響。考試管理員現在正在與其他付費家長進行調查，以確保他們孩子的考試分數是固定的。

大學錄取決定使用標準化考試成績作為申請人在大學表現的預測指標。然而，如果有一種更好的預測學習方法，不依賴于單一的高風險測試，會怎么樣呢？

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習成績的方法，這種方法的預測能力是單一標準化評估的三倍。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分數來預測未來的學術成就。這項研究將發表在《多重行為研究》上。

ASU心理學助理教授、論文第一作者Daniel McNeish表示，每個人都會在某個時候受到測試的影響——測試用于對招生甚至職業安置做出高風險的決策——我們開發的模型可以捕捉數據中的情況，比現有方法更好地預測未來的表現。

當前的能力并不總是能預測未來的學習

許多標準化測試旨在進行一次性評估，而不是為長期表現提供信息。丹佛大學助理教授、該論文的第二作者丹尼斯杜馬斯說，這些測試有時被用來預測任何參加測試的人的未來表現，但事實上，很少有測試能做到這一點。認為個別測試不能完全衡量學生未來學習潛力的想法并不是什么新想法：社會學家、歷史學家和民權活動家WEB DuBois在大約一個世紀前就提出了這個想法。

杜馬斯補充道：從單個時間點獲得的考試成績可以很好地反映某人在考試中所了解的情況，但通常無法提供有關學習潛力的信息。考試成績通常用來表示一個人可能從未來的教育中受益多少，但這個概念與考生現在知道多少完全不同。

為了開發這個模型，研究小組從以色列心理學家魯本富爾斯坦的工作中獲得了靈感，他在學校和年級對大屠殺的兒童幸存者進行了測試。基于一個考試分數的等級等級分配通常太低，因此Feuerstein開發了一個叫做動態評估的測試系統，它使用在一段時間內收集的多個考試分數來衡量孩子的學習能力，而不是他們當前的知識水平。動態評估是勞動密集型的，難以大規模實施。研究團隊利用先進的數學模型和計算能力解決了這個問題，從而創造了一種稱為動態測量模型的新方法。

連接點

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。該模型根據考試成績隨時間的變化擬合出一條曲線，通常看起來像一個橫向字母J，通常稱為學習曲線。學習曲線上的點代表當前的知識量，曲線的最大值或上限就是學習潛力。利用幼兒園到8年級的標準化考試成績，研究團隊最近表明，動態測量模型可以擬合學習曲線，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，從而預測其實際準確性。他們使用了加州大學伯克利分校人類發展研究所的三組數據。包括20世紀20年代和30年代3歲時開始的數據集中參與者的測試分數。參與者被研究了幾十年，直到20世紀50年代、60年代和70年代。

由于大多數標準化測試都在學校進行，研究團隊使用動態測量模型來擬合20歲以下加州大學伯克利分校參與者的測試分數。團隊通過讓模型完成曲線來預測每個參與者未來的學習潛力。然后，他們將50-70歲的實際測試分數與模型預測的結果進行比較。

McNeish說：動態測量模型捕獲的方差是其他方法的三倍，包括單個時間點的測試分數。換句話說，我們的模型預測的最后得分要好三倍。如今，學生被如此頻繁地測試來衡量他們的進步，但每個學生都可以通過獲得多個分數來實現超越自己進步的目標。它們可以組合成一個學習潛力分數，以提高對人們的技能和能力預計將在哪里結束的預測，并且它們將在未來保持相同的軌跡。

利用標準化測試的潛力

使用動態測量模型預測學生未來的學習潛力不需要改變政策或進行新的測試。該模型要求的考試成績已經存在，通過《不讓任何一個孩子落后法案》和《每個學生成功法案》獲得。

麥克內什說：動態測量建模可以在沒有專用計算機的情況下運行，并且不會比該領域使用的標準統計模型花費更長的時間。邏輯上來說，各方面明天都可以實施。

研究團隊目前<愛尬聊_頭條百科>正在開發傳播動態測量模型的軟件。