报告行业投资评级 未提及 报告的核心观点 - 全州学校日ACT测试项目的兴起深刻改变了对高中生大学准备情况的理解和应对方式，为更多学生提供机会，也为教育者和政策制定者提供更准确全面的学生准备情况信息，推动教育干预、资源分配和政策制定 [33][34] 根据相关目录分别进行总结 全州学校日ACT项目创造更具代表性的测试群体 - 自2001年起23个州为全州高三学生实施学校日ACT测试项目，这些州第一年普遍测试时参与率平均提高28个百分点，2024届毕业生中78%的学生至少参加过一次学校日ACT考试 [4] - 实施学校日测试能让更多低收入家庭和传统服务不足群体的学生参与，使测试群体更能反映学生群体的人口统计学特征，为这些学生提供机会，也为教育者和政策制定者提供更好的数据以进行干预和资源分配 [5][7] - 实施学校日测试后平均ACT分数可能下降，但能让更多学生有机会展示大学准备情况，学校达到大学准备基准的学生数量平均增加29%，低收入家庭学生增加44%，代表性不足的种族/族裔群体学生增加47% [11][13][14] 各州实施全州学校日ACT项目的原因 - 为学生提供更多机会和好处，包括消除成本和交通障碍、节省时间和金钱、通过ACT的职业和大学准备清单及招募服务提高机会意识等 [14][15] - 学生更有动力在评估中尽力，教育者对该评估的参与度更高，教育者可利用ACT分数进行干预，政策制定者可获得用于全国比较的有力数据 [18][19] - 9个州选择用ACT满足联邦英语和数学评估要求（5个州用于科学），减少学生考试数量，ACT是唯一完全满足联邦评估要求的全国认可的大学准备考试 [20] 更具代表性的ACT毕业生群体带来的见解 - 仍需加强所有学生的学术和职场准备，2024届ACT毕业生中43%未达到任何一项大学准备基准，超三分之一学生不太可能获得ACT WorkKeys国家职业准备证书，26%报告高中毕业后无教育或培训计划的学生仍进入大学，这些数据可帮助学校提高学生成绩 [24][25][26] - 许多报告无高等教育计划的学生改变计划，26%报告无计划的学生进入大学，大量对两年制大学项目感兴趣的学生进入四年制大学，学校日测试让学生可灵活改变高等教育计划，ACT或PreACT分数可帮助学生评估大学准备情况，也对辅导员和教育者有价值 [28][29][30] - 完成核心课程的学生ACT综合得分比未完成的高2.6分，这种关系长期存在且方向未变，在某些地区实施ACT推荐的课程模式与达到大学准备基准的增长相关 [31][32][33]

报告行业投资评级 文档未提及相关内容 报告的核心观点 - ACT测试进行增强改进，旨在满足学生需求，提升测试灵活性、可及性，确保分数有效性和预测性，维持与大学和职业准备的关联 [11][12][13] - 增强ACT测试在结构和内容上有变化，如缩短测试时间、增加每题用时、采用嵌入式实地测试题、更新测试内容、使科学测试可选等，同时保留了一些核心要素 [30][39][48] - 通过多轮研究和验证，确保增强ACT测试的有效性、可靠性和分数可比性，使其能继续用于大学招生、奖学金评定等重要用途 [64][66][69] 根据相关目录分别进行总结 引言部分 - 介绍ACT测试增强的背景和目的，强调其致力于提升学生大学和职业准备能力，此次增强是对测试结构和内容的更新 [16] - 总结增强的核心特征，包括测试时间、内容和结构的变化，以及对学生和利益相关者的影响 [17] - 说明增强是经过收集证据和利益相关者反馈的过程，后续章节将详细介绍该过程 [18] 维持ACT测试基础部分 - 测量哲学方面，ACT测试基于直接测量高中技能以评估大学和职场准备的理念，此哲学基础在增强中不变 [19] - 测试设计受多方面因素影响，包括专家意见、学术研究、标准框架等，这些影响因素在增强中保持不变 [20][21] - ACT分数采用1 - 36的量表，通过严格的等值程序维持分数意义，分数解释和用途在增强中不变 [22][23] - 测试材料设计注重公平性，增强ACT将保持高标准公平性，提供与旧版相同的可及性支持和费用减免计划 [24][26] - 测试模式包括在线和纸质，测试项目和选择在增强中不变 [27][28] 增强ACT测试部分 - 测试长度和时间上，增强测试比旧版短，每题用时增加，包含嵌入式实地测试题，写作测试不变 [30][31][35] - 嵌入式实地测试题的使用消除了旧版全国测试中的第5次测试，使测试体验更一致，数据更可靠，有望加快分数报告 [36][37][38] - 测试内容上，各部分报告类别的项目百分比更新，以更好地衡量大学和职业准备所需的知识和技能，同时各部分有特定改进 [39][40][41] - 科学测试从2025年4月起在线测试可选，秋季扩展到所有全国测试，2026年春季应用于州和地区测试，科学和写作测试时间为40分钟 [48][53] - 新的综合分数定义从2025年4月起基于英语、数学和阅读分数，科学分数不再计入，超级分数计算方法也相应改变 [55][57] 各章节内容部分 第一章：确定ACT潜在改进领域和初始蓝图 - 介绍采用原则性评估设计方法探索ACT潜在变化，遵循评估设计科学框架的五个步骤，本章主要关注前三个步骤 [70][71][72] - 阐述定期审查和修订的必要性，ACT测试有多种用途，上次重大修订在1989年，此次修订需考虑多种约束条件 [74][75][76] - 介绍ACT国家课程调查的作用，该调查为测试蓝图提供依据，确保测试与大学和职业准备标准一致 [78][79][80] - 提出主要考虑因素和建议更改，包括减少总测试时间、解决速度感问题、确保分数的连续性和有效性、保持与标准的一致性、提供学生选择、现代化测试和预测试、考虑公平性和分数可比性等 [86][91][96] - 明确ACT更新中不变的元素，包括测量大学和职业准备、由专家验证、通过结果研究验证、维持1 - 36分数量表、与PreACT评估垂直对齐等 [118][123][125] - 给出各测试部分的初始建议解决方案和蓝图，包括英语、阅读、数学和科学部分的具体变化 [127][130][152] 第二章：专家小组、初步研究和蓝图修订 - 描述收集对初始增强蓝图反馈并进行修订的过程，专家小组从多方面评估建议更改，对蓝图进行了小修订 [62][63] 第三章：基于测试内容和响应过程的有效性证据 - 记录增强ACT的基于内容的有效性证据，包括测试内容与州标准的对齐、与ESSA同行评审要求的对齐以及与国家课程调查结果的对齐 [64] - 总结多项研究提供的基于响应过程的证据，支持增强ACT中各种类型的段落和项目，以及减少数学测试答案选项的合理性 [65] 第四章：额外的心理测量和有效性证据 - 总结增强ACT的心理测量和统计有效性证据，包括2024年6月的链接研究和10月的模式可比性研究结果 [66][67] - 呈现基于与其他变量关系的有效性证据，包括并发有效性证据、模拟研究结果和综合分数可比性证据，支持增强ACT分数的解释和使用 [68][69]

报告行业投资评级 未提及 报告的核心观点 - 参加PreACT测试的学生在ACT测试中得分更高、更可能为大学课程做好准备且大学入学率更高，从PreACT到ACT的平均涨幅在各科目、不同课程难度和表现、不同种族/民族群体、不同家庭收入水平中存在差异 [5][18][29] 各发现总结 发现1 - 参加PreACT测试的学生ACT分数高于未参加者，平均而言参加者ACT综合平均分数为20.94，未参加者为19.94，平均分数差异从数学的0.83到英语的1.28不等，经统计调整后差异显著减小 [5][8] - 参加PreACT测试的学生更可能在大学第一年课程中表现出准备充分并获得免修补习课程资格，大学生课程准备情况差异从STEM专业常选课程的2.9%到英语写作课程的8.6%不等，调整后差异从STEM专业课程的0.9%到英语写作课程的2.8%不等 [11][15] 发现2 - 2021 - 2023年ACT考试高中毕业生中，参加PreACT测试的学生大学入学率高于未参加者，经统计调整高中成绩等因素后，大学录取率差异变小 [18][22] - 分析学生教育计划组的大学入学率，打算上大学的学生入学率较高，无教育或培训计划的学生中25%仍在大学就读，其中14%在四年制大学，11%在两年制大学 [24][28] 发现3 - 374,465名参加PreACT 8/9或PreACT测试以及ACT测试的学生，从PreACT到ACT平均分数提升各科目不同，阅读最低0.25分，英语最高3.70分，平均综合提升1.81分 [29] 发现4 - 复合平均得分随高中课程等级和严谨性稳步提高，基于196,644名学生数据，高中成绩和难度分位数基于ACT难度指数 [33][36] 发现5 - 不同种族/民族群体从PreACT到ACT平均综合涨幅有差异，原住民夏威夷人/其他太平洋岛民学生最低1.11分，亚洲学生最高2.61分，经统计调整后差异变小 [38] 发现6 - 从PreACT到ACT平均复合增长随家庭收入增加而增加，经统计调整高中成绩等因素后，不同收入群体间平均增长差异变小 [47]

报告核心观点 - 证据支持将增强版ACT考试分数解读为高中学习成绩和大学入学准备程度的衡量标准 该解读支持将其用于大学招生决策、奖学金评定等多个方面 增强版ACT与旧版ACT的分数解释具有延续性 且ACT综合分数包含或不包含科学部分在规范性解释上具有较强可比性 [7] 增强版ACT与旧版ACT对比 考试设计 - 增强版ACT与旧版ACT一样包含英语、数学、阅读和科学的选择题测试 但增强版考试更短 每题答题时间更多 还包含不计入分数的实地测试题目 [2] - 增强版ACT在题目数量、时间和测试设计上与旧版存在差异 [3] 可靠性 - 预计增强版ACT的各部分测试分数和综合分数的可靠性低于旧版ACT 但降低幅度较小 相关分数与其他变量的相关性预计也会略低 [10][14] 分数相关性 - 增强版ACT各部分测试分数之间的相关性与旧版ACT类似 但因可靠性降低 相关性略低 [19] 同时效度 - 增强版ACT分数与高中成绩和之前旧版ACT测试分数相关 预计其相关性与旧版ACT相当但略低 且未发现不同学生群体之间存在显著的差异效度 [20][24] 预测效度 - 由于增强版ACT 2024年6月才首次实施 目前尚无相关大学成果数据 利用历史数据模拟的增强版ACT分数与大学成果的相关性与旧版ACT相比下降可忽略不计 但该预测效度证据是临时的 [29][33] 综合分数包含与不包含科学部分的比较 规范性解释 - EMR（不含科学）和EMRS（含科学）分数高度相关 对其他学业成绩衡量指标的关系相似 分数在14 - 36时两者具有可比性 低分段EMR通常比EMRS低1分 [99][103] 个体差异 - 因四舍五入逻辑和科学分数的影响 部分学生的EMR和EMRS分数会有差异 但多数学生的EMR分数在EMRS分数的测量标准误差范围内 且EMR分数低于EMRS分数的情况更常见 [113][117] 分布和统计数据 - EMR和EMR分数分布有95.7%的重叠 但EMR分布峰值更平坦 低分端学生更多 多数群体的平均EMR分数略低于平均EMRS分数 [136] 对大学申请者数据的影响 - 去除科学分数对大学申请者平均ACT分数影响很小 远小于不同学生群体间的差异 且申请者群体成绩水平越高 两者差异越小 [145][149]

报告行业投资评级 未提及相关内容 报告的核心观点 - 对于使用特殊考试安排的学生（即残疾学生），ACT综合分数比高中GPA更能预测大一GPA和大学学位完成情况，两者结合使用能更准确预测大学学业成果 [2][3] - 高等教育机构应采用多种评估方式，包括标准化考试成绩，来评估学生的学术表现和大学准备程度，残疾学生进入大学后应寻求适当支持以提高成功几率 [5] 根据相关目录分别进行总结 引言 - 残疾学生参加ACT考试的上大学意愿与非残疾学生相似，但在教育中面临诸多障碍，影响大学准备程度和升学机会 [12] - 残疾学生在高中阶段GPA和考试成绩较低，毕业率低于同龄人；高中毕业后，他们进入高等教育的比例较低，大学毕业率也低于非残疾学生 [13][14] - ACT考试用于大学招生、课程安排、奖学金评定等，确保其对所有学生（包括使用特殊考试安排的残疾学生）准确预测大学成功至关重要 [15][16] 研究问题与假设 - 研究问题包括ACT和HSGPA分别及共同对使用和未使用特殊考试安排的学生预测大一GPA和学位完成情况的程度，以及两者结合是否提高预测准确性 [23] - 假设残疾学生使用特殊考试安排参加ACT考试的大学GPA和学位完成率低于未使用安排的学生，HSGPA和ACT分数是大学成功的重要预测因素，两者结合使用能提高预测效果 [22][24] 研究样本 - 样本包括143,768名ACT考生，其中2,659名（2%）使用特殊考试安排，141,109名（98%）未使用 [31] - 25%的学生最初进入两年制院校，75%进入四年制院校；使用特殊考试安排的学生更可能进入两年制院校（33%） [32][34] 研究设计 - 预测变量包括ACT综合分数、HSGPA和学生人口统计变量；结果变量包括大一GPA和学位完成情况 [43][44] - 分析方法包括描述性统计、回归模型、绘制图表、评估模型拟合度和分析残差 [47][48][53] 研究结果 - 描述性统计显示，使用特殊考试安排的学生ACT综合分数、HSGPA、大一GPA和学位完成率低于未使用安排的学生；ACT综合分数与HSGPA、大一GPA的相关性在四年制院校学生和未使用安排的学生中更高 [56][59][71] - 回归模型结果表明，ACT综合分数是大一GPA和学位完成情况的显著预测因素，对四年制院校学生的大一GPA和四年内获得学士学位的预测中，未使用安排的学生效果更强；HSGPA也是显著预测因素，低HSGPA的使用安排学生表现优于未使用安排的学生，高HSGPA则相反；ACT综合分数和HSGPA结合使用时，两者之间存在显著交互作用，使用安排和未使用安排的学生在高ACT综合分数和高HSGPA水平上的结果差异更明显 [102][131][167] - 模型拟合度分析显示，同时使用ACT综合分数和HSGPA的模型比单独使用任一预测因素的模型拟合度更好，加入学生人口统计变量进一步提高拟合度 [171][174] - 残差分析表明，使用特殊考试安排的学生平均残差较大且多为负数，表明预测结果高估了他们的实际表现，但预测六年内获得学士学位的模型有轻微低估情况；同时使用ACT综合分数和HSGPA的模型残差较小 [176][177]

报告行业投资评级 未提及相关内容 报告的核心观点 - 高中GPA和ACT® STEM分数都是STEM专业一年级GPA的重要预测指标，高中GPA的个体效应通常更强 [3] - 高中GPA和ACT STEM分数的交互作用能提高预测准确性，二者关系复杂且具有协同性 [3] - 纳入性别、种族/民族和家庭收入等人口统计学变量可细化预测模型，这些因素直接影响一年级GPA，并调节高中GPA、ACT STEM分数与一年级GPA的关系 [3] - 最全面的模型包含成绩和人口统计学因素，能解释一年级GPA的最大方差，凸显了高中GPA和ACT STEM分数在评估学术准备方面的互补作用 [3] 根据相关目录分别进行总结 引言 - 大学招生考试分数和高中GPA对预测大学成功的作用存在广泛争议，了解影响大学成功的因素至关重要 [11] - 标准化考试如ACT长期用于衡量大学准备情况，近期研究表明高中GPA可能具有独特或更优的预测能力，但也有研究认为调整课程难度后ACT分数与大学表现的相关性更强 [11] - 多项研究表明ACT分数对大学成功很重要，ACT STEM基准分数为26，达到该分数的学生更有可能取得好成绩、坚持专业学习并获得STEM相关学位 [13][17] - 本研究旨在探讨ACT STEM分数和高中GPA对STEM专业一年级GPA的综合和比较预测效度，以及人口统计学因素对这些关系的调节作用 [19] 方法 - 分析样本包括2691名2022年毕业于南部某州、高中毕业后立即进入公立高等院校、声明主修STEM专业并参加ACT考试的学生，要求学生有有效的一年级GPA、ACT STEM分数和高中GPA数据 [20] - 测量指标包括ACT STEM分数（数学和科学部分分数的平均值）、高中GPA（学生报告最多23门课程成绩的平均值）、人口统计学特征（种族/民族、家庭收入和性别）、一年级GPA（从学生入学的大学获取）和STEM专业声明（从学生成绩单获取） [21][22][23][24] - 为评估研究问题，估计了六个考虑学生所在大学的分层线性模型，包括仅使用ACT STEM分数、仅使用高中GPA、同时使用两者及交互项、加入人口统计学变量及交互项等不同模型 [25][27][29] 结果 描述性统计 - 样本中约61%为女性，67%为白人，30%家庭收入超过10万美元 [30] - 高中GPA、ACT STEM分数和一年级GPA的均值分别为3.55、21.01和3.00，标准差分别为0.44、4.56和0.90 [32] - 高中GPA与一年级GPA有较强相关性，ACT STEM分数与一年级GPA、高中GPA与ACT STEM分数有中等相关性 [31] - 高中GPA和一年级GPA高度偏态，多数学生得分接近4.0，ACT STEM分数仅轻微偏态 [31] 分层线性建模结果 - 六个分层线性模型的Wald检验结果显示，高中GPA和ACT STEM分数在多个模型中是一年级GPA的显著预测指标，两者的交互作用也显著，人口统计学变量如性别、种族/民族和家庭收入及其与成绩指标的交互作用在部分模型中显著 [36][37] - 似然比检验表明，包含高中GPA、ACT STEM分数和人口统计学交互项的模型6拟合效果最佳，说明学术成绩因素和人口统计学特征对预测一年级GPA有重要贡献 [41] - 各模型的相关系数和解释方差比例显示，模型复杂度增加时预测准确性提高，模型6的相关系数最高，解释的方差最多，表明综合考虑多种因素能更好地解释学生表现 [45][47] 讨论 - 分层线性模型分析表明，高中GPA和ACT STEM分数是STEM专业一年级GPA的独立显著预测指标，两者结合使用可提高预测准确性，关系复杂且协同 [70] - 纳入人口统计学变量为研究结果增添了细节，这些因素直接影响一年级GPA，并调节高中GPA、ACT STEM分数与一年级GPA的关系 [71] - 最终模型包含所有成绩预测指标和人口统计学变量，能解释一年级GPA的最大方差，证实了ACT STEM分数和高中GPA与一年级GPA的重要关系，两者提供互补信息 [72] - 研究强调了持续努力和高成就的重要性，对家长和照顾者有指导意义，也提醒高等院校在评估STEM专业学生成功可能性时应考虑高中GPA和ACT STEM分数，并为传统服务不足群体提供针对性支持 [73][74][75]

报告行业投资评级 未提及相关内容 报告的核心观点 - 研究通过路径分析和分层逻辑回归模型，发现ACT综合分数（ACTC）和高中GPA（HSGPA）能直接预测大一GPA（FYGPA），并通过FYGPA间接预测4年和6年学位完成概率，FYGPA是重要中介变量，且ACTC和HSGPA结合使用可提高预测准确性，对学生、教育工作者和高校管理者有重要意义 [11][62][66] 根据相关目录分别进行总结 引言 - 大学前学术指标如ACT分数和HSGPA可预测高等教育成功，ACTC分数和HSGPA能预测FYGPA，FYGPA是2年和3年学位坚持率的最佳预测指标，包含ACTC分数的模型预测大学成功的效果更好 [1] - 其他预测因素如情商、行为技能等也重要，但ACT分数一直是大学成功的重要预测指标，且标准化评估比HSGPA或学生面试更不易受偏见影响 [2][6] - 近年来部分大学使ACT和SAT分数可选，但ACT仍是招生决策中公平和减少偏见及人为错误的重要工具 [6] - 过去研究多关注大学前学术成就指标与FYGPA的关系，如今更关注长期大学成功指标，本研究旨在考察ACTC分数预测后期大学成果如4年和6年学位完成情况的能力 [7][9][11] 方法 样本特征 - 样本为2017年秋季进入美国某州一所4年制公立高等院校的学生，共32所机构，仅包含有有效ACTC分数、HSGPA、FYGPA、人口统计特征和4年及6年学位获得状态记录的学生 [14] 测量指标 - ACT综合分数：从官方测试记录获取，若学生有多个分数，使用毕业前最近的分数 [15] - 累积高中GPA（HSGPA）：学生在ACT注册时报告多达23门核心课程成绩，平均成绩得到HSGPA，缺失HSGPA的学生被排除分析，自我报告的HSGPA与成绩单GPA高度相关 [16] - 大一大学GPA（FYGPA）：直接从官方高等院校成绩单获取 [17] - 学士学位完成情况：直接从官方高等院校成绩单获取，在两个时间点将学位完成情况作为二元变量测量 [18] - 人口统计变量：收集性别、种族/民族和家庭收入三个变量，部分类别因数量少合并分析，家庭收入数据缺失率为12% [20] 数据与分析 - 数据按学生所在起始机构聚类，共30个机构/集群，学生数量从98到4532不等，机构间差异对4年和6年学位完成情况的方差有意义，通过聚类稳健标准误差或分层逻辑模型处理聚类观察 [21] - 使用标准化的HSGPA、ACTC分数和FYGPA，报告四个模型：两个结构方程模型分别测试HSGPA和ACTC分数对4年和6年学位完成概率的影响是否由FYGPA中介；两个分层逻辑模型预测4年和6年学位完成几率，初始模型包含ACTC分数随机斜率但导致模型过拟合，后去除 [22][23] - 检查分层模型的多个拟合指标，包括赤池信息准则、贝叶斯信息准则、边际R²和条件R²，报告与零模型相比的残差方差百分比减少 [25] 结果 描述性统计 - 样本中女生略多于男生（55.5%和44.2%），家庭收入最低组学生最多（26.1%），约三分之二样本为白人（66.1%） [26] - 19613名学生中，31.4%（6154人）在开始高等教育4年内完成学位，38.3%（7515人）在6年内完成学位，与2017年ACT测试的高中毕业生班级相比，样本中女生略多、西班牙裔学生略少、白人学生略多、未提供家庭收入的学生明显减少 [27] - 样本平均HSGPA为3.34（SD = 0.55），平均ACTC分数为21.56（SD = 4.79），平均FYGPA为2.68（SD = 1.10），完成学位学生的各项平均分数高于未完成学生，HSGPA和ACTC分数分布略负偏态，FYGPA分布异常，有大量学生得0.0分 [29][32][35] FYGPA是否介导HSGPA和ACTC分数对学位完成概率的影响 - 使用路径分析评估FYGPA作为中介的作用，两个结构方程模型的拟合度都很好 [39][40] - 路径模型1显示，HSGPA（β =.32，p <.001）和ACTC分数（β =.17，p <.001）是FYGPA的显著预测因子，二者也显著协变（β =.57，p <.001），ACTC分数（β =.20，p <.001）和HSGPA（β =.10，p <.001）是4年学位完成概率的直接预测因子，FYGPA也是显著预测因子（β =.34，p <.001），HSGPA和ACTC分数通过FYGPA对4年学位完成的间接关系也显著，表明FYGPA是中介变量 [40] - 路径模型2显示，结果与4年类似，FYGPA也是6年学位完成概率与ACTC和HSGPA关系的中介变量，且ACTC分数对学位完成概率的直接影响强于HSGPA，但HSGPA通过FYGPA的间接影响强于ACTC分数 [43] ACTC分数和HSGPA共同在考虑FYGPA后对4年和6年学位完成概率的预测作用 - 两个分层逻辑回归模型包含多个预测因子和机构随机斜率及截距，去除ACTC分数随机斜率以避免过拟合 [48] - 4年学位完成模型中，ACTC分数（OR = 1.13）、HSGPA（OR = 1.19）、二者交互作用（OR = 0.91）和FYGPA（OR = 6.31）是显著预测因子，FYGPA是最强预测因子，家庭收入是正预测因子，女性和部分种族学生完成学位概率有差异 [49][50] - 6年学位完成模型结果与4年类似，但ACTC分数和HSGPA交互作用不显著，FYGPA仍是最强预测因子，多数种族和性别无显著差异，高家庭收入组完成学位几率更高 [53] - 两个模型拟合度好，解释了4年和6年学位完成概率的大部分方差，FYGPA是两个时间点学位完成的最强预测因子 [54] 讨论 - 有效预测学术成功对学生和高校很重要，ACTC分数和HSGPA可预测大学早期成功和长期学位完成结果，学位完成对学生就业前景重要，准确预测FYGPA很关键 [60][61] - 研究扩展了先前研究，发现FYGPA是ACTC分数和HSGPA对4年和6年学位完成影响的显著中介变量，ACTC分数对学位完成的直接影响大于HSGPA，但间接影响相反 [62][63] - 分层模型显示，ACTC分数和HSGPA是4年和6年学位完成概率的显著预测因子，FYGPA是最强预测因子，ACTC分数在预测高HSGPA学生4年学位完成时作用更强，该交互作用在6年预测中不显著，部分人口统计变量是学位完成的显著预测因子 [64] - ACTC分数、HSGPA和FYGPA为预测4年和6年学位完成的模型增加独特预测效度，结合使用这些预测因子可更准确预测学位完成情况，通过建模间接效应可提高模型准确性，高校可提前识别高支持需求学生 [66][67] 影响 - 对学生而言，ACTC分数和HSGPA可让他们更全面了解大学准备情况，激励他们提高学术表现，可根据自身情况改进薄弱环节以提高大学和职业前景 [68] - 对中学教育工作者、顾问和导师来说，使用ACTC分数和HSGPA可提高职业指导质量，更好识别学生可能面临的困难并提供建议 [69] - 对高校管理者来说，使用ACTC分数和HSGPA可提高招生决策和资源分配的准确性和一致性，帮助识别需要支持的学生，降低流失率，使学生和高校都受益，高校应综合考虑多种因素进行招生决策，ACTC分数可帮助评估申请人认知能力 [70][71] 局限性 - 研究限于美国一个州，结果不能直接推广到全国，但大样本提供了有前景的方向 [74] - 所有预测因子和变量为观察而非实验操纵，限制了因果结论 [74] - 未考虑机构选择性，可能为研究结果提供更多背景信息 [74] - 仅跟踪学生在入学机构的第一年，未区分转学或辍学学生，未来研究应探索学生专业差异 [75] - 未明确探讨COVID - 19大流行的影响，不清楚其对毕业率的影响 [75]

报告行业投资评级 未提及相关内容 报告的核心观点 - 疫情开始后学生表现有所下降，英语和数学成绩下降幅度最大，阅读相对受保护 [31] - 疫情未加剧现有种族绩效差距，部分优势学生群体下降更严重，原住民学生2022年表现恢复不如其他学生 [31] - 疫情后学生职业偏好改变，更多学生对专业选择犹豫不决 [31] - 高中GPA预测早期大学表现能力疫情后变化，ACT分数保持稳定 [31] 根据相关目录分别进行总结 所有研究的目标和特征 - 主要目标是了解疫情对学生学习成果和职业路径的影响，确定疫情是否对不同学生子群体教育成果产生不同影响 [3] - 关键重叠方法包括仅纳入疫情前后都报告分数或成绩的个人或学校，分析包含多层模型考虑学校层面得分差异 [4] ACT Aspire - 两篇论文关注疫情后ACT Aspire分数变化及不同人口统计学类别中分数变化差异，该测试评估3至10年级学生英语、数学、阅读和科学知识掌握情况 [5] - 艾伦（2021a）研究显示2020 - 2021学年学生所有科目得分低于2019 - 2020学年，数学下降幅度最大，年轻学生、公共学校学生和农村地区学生成绩下降更严重，疫情未对历史上处于不利地位群体产生不同影响 [6] - 艾伦（2022c）研究阿肯色州学生群体，各科目和年级得分下降，较低年级得分下降幅度与之前研究方向相反，分数下降最严重是数学，虚拟学习学生成绩下降幅度最大 [7][8] PreACT - 艾伦研究COVID - 19对PreACT分数影响，该考试针对十年级学生，包括英语、数学、阅读和科学部分 [10] - 2020 - 2021年度全国考生PreACT分数英语、数学和阅读下降，科学上升，英语成绩下降对西班牙裔学生影响更严重，数学成绩下降对白人学生影响更严重，女性学生英语和阅读下降幅度大于男性学生 [11] 2020年ACT测试分数变化的预测 - 艾伦、马特恩和卡马拉基于暑期放假结果建立学习损失模型，预测ACT综合分数将下降0.31至0.71分 [14] 大流行期间ACT考试成绩的观察差异 - 四篇论文比较大流行病前后ACT考试分数，分析不同人口群体分数影响差异，使用分层线性回归模型估算平均ACT分数差异 [16] - 艾伦（2021c）研究发现2020年秋季批次成绩低于2019年秋季批次，ACT综合成绩下降0.63，亚裔学生分数下降幅度明显小于白人学生，公立学校学生英语和数学成绩下降更严重 [17][18] - 艾伦（2022a）研究显示2022年群体ACT综合分数下降0.59分，亚裔美国学生表现下降幅度最小，部分学生群体成绩下降幅度2022年与2021年有变化，不同学生接受虚拟教学情况有差异 [19] - 艾伦及其同事（2022）研究内布拉斯加州学生，疫情后ACT分数下降，不同学生成员群体综合分数降幅有轻微差异 [20] - 艾伦（2022b）关注原住民学生，2020 - 2021学年更可能远程学习，2021 - 2022学年虚拟学习比例最高，分数下降，职业规划和兴趣与其他群体有差异 [21][22] 职业偏好趋势 - 艾伦和怀研究超过160万名学生职业偏好数据，发现学生专业选择越来越犹豫不决，对金融和计算机科学相关职业兴趣增加，对艺术、药学等职业兴趣减少，疫情后更多学生对职业道路犹豫不决，部分领域学生兴趣有变化 [24][25][26] 对ACT测试有效性的影响 - 桑切斯研究疫情前后高中成绩和ACT分数预测学生大学表现的有效性，使用分层线性建模方法比较预测能力 [28] - 大流行开始后，高中累计平均成绩作为大学表现预测指标作用变化，ACT分数作为预测指标保持一致，结合使用ACT和HSGPA的模型能做出最佳预测 [29]

报告行业投资评级 未提及 报告的核心观点 - 家长教育水平与学生教育期望呈正相关 [4][11] - 许多学生（40%）期望达到超过其家长的教育水平 [4][11] - ACT 分数较高的学生更有可能有较高的教育期望 [8][11] 根据相关目录分别进行总结 样本情况 - 2024 年 ACT 测试毕业班级中 42%的学生提供了期望教育水平和家长教育水平信息，分析基于 580,114 名学生样本 [1] - 样本中学生平均 ACT 综合分数为 21.6，而整个 2024 年 ACT 测试毕业班级平均分为 19.4，样本不具代表性 [10] 学生教育期望分布 - 样本中 41%学生期望获得超过四年制大学学位，47%期望获得四年制大学学位，8%期望上大学但获得低于四年制学位，4%期望获得高中文凭 [2] 家长教育水平分布 - 样本中 33%学生的家长拥有超过四年制大学学位，32%家长拥有四年制大学学位，18%家长接受过部分大学教育但未获得四年制学位，16%家长拥有高中文凭或更低学历 [2] 家长教育水平与学生教育期望关系 - 家长教育水平与学生教育期望呈正相关，但部分家长教育水平较低的学生也有较高期望 [4] - 40%学生教育期望高于家长，45%与家长相同，15%低于家长 [4] 学术成绩与学生教育期望关系 - ACT 综合分数较高的学生更有可能期望获得超过四年制大学学位，不太可能期望获得低于四年制学位 [8]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2] 核心观点 - 该研究通过多重插补和优势分析，比较了高中GPA、ACT®考试成绩和人口统计因素对大学第一年GPA（FYGPA）的预测能力，发现高中GPA和ACT成绩在不同模型中并不总是占主导地位，挑战了之前关于它们相对重要性的结论 [3] - 研究强调了高中英语和数学成绩在预测FYGPA中的主导作用，并确认学术成就指标比人口统计变量更具预测性，家庭收入和性别的影响最小 [3] - 研究结果表明，高中GPA和ACT成绩比人口统计因素更能预测FYGPA，强调了学术准备对学生成果的重要性 [4] - 研究对教育机构、学生和政策制定者具有重要意义，建议招生过程应优先考虑学术成就指标，如高中GPA和ACT成绩，而不是人口统计因素 [5] 研究方法 - 研究使用了多重插补和优势分析的方法，比较了高中GPA、ACT成绩和人口统计因素对FYGPA的相对重要性 [19][21] - 研究样本来自美国南部一个州，该州所有公立高中11年级学生都参加了ACT考试，样本包括2021年毕业的7,924名学生 [23] - 研究使用了MICE包进行多重插补，并使用domir包进行优势分析，评估了每个预测变量对FYGPA的相对贡献 [33][34] 研究结果 - 高中GPA和ACT成绩在预测FYGPA时表现出相似的预测能力，两者都显著优于人口统计因素 [44][46] - 在高中科目GPA和ACT部分成绩的比较中，英语GPA是最具预测性的科目，其次是ACT英语成绩和数学成绩 [63][65] - ACT英语和数学成绩在预测FYGPA时表现出最强的预测能力，而ACT阅读和科学成绩的预测能力较弱 [75][77] 讨论与结论 - 研究强调了高中学术表现，特别是高中GPA和ACT成绩，在预测大学FYGPA中的重要作用 [88][89] - 研究结果表明，学术准备指标（如ACT成绩、高中GPA和高中科目GPA）比人口统计因素更能预测大学第一年的学术成功 [96][97] - 研究建议大学在招生过程中应综合考虑高中GPA和标准化考试成绩，并开发数据驱动的学生支持计划 [99]