期刊文章

结合学术、非认知和大学知识测量来识别没有进入大学的学生:一个数据驱动的方法

2017

发表在:

评估的研究与实践,12,5-19。

由:詹姆斯Soland


摘要

研究表明,上大学的准备程度可以通过多种衡量手段来预测,包括考试成绩、成绩、选课模式、非认知工具,以及对学生对大学录取过程了解程度的调查。然而,很少有研究为教育工作者如何区分轻重缓急提供指导大学准备的预测指标跨越工具、结构和框架,以最佳地识别没有进入大学的学生。我使用了一个具有全国代表性的数据集,其中包含数千个度量标准,我使用数据简化技术来确定少数几个变量,这些变量是大学准备程度的最强预测因素,并了解它们衡量的是什么。根据我的模型,使用一组很小的预测器,就可以预测进入大学和坚持一个学期的准确率接近90%。有证据表明,这些预测指标衡量的是学业准备、中学毕业后的志向、教师对准备程度的感知和社会经济地位。教育工作者可以利用结果来帮助那些没有进入大学的学生找到合适的支持。

查看更多

查看期刊文章

本文发表于NWEA之外。全文可以在上面的链接中找到。

相关的话题