行业投资评级 - 报告对PC行业的投资评级为正面，预计2025年PC市场将同比增长6%，而2024年市场表现持平或下降1% [1] - 报告对TSMC的投资评级为正面，预计2025年TSMC的收入将同比增长25%，毛利率将从56%提升至59-60% [7] 核心观点 - CES 2025展会将聚焦PC游戏和AI PC的发布，NVIDIA、Intel、AMD和Qualcomm将推出新的AI PC平台，预计将推动PC市场的复苏 [1] - 微软计划在2025财年投资800亿美元用于数据中心建设，主要用于AI模型的训练和云应用的部署，这将推动AI服务器的需求增长 [1][4] - 中国可能扩大对智能手机、平板电脑和智能手表的消费补贴，预计将提振智能手机销售，尤其是国内供应链企业如Mediatek、Semco、ASE和TSMC将受益 [4][5] - TSMC的2nm工艺进展符合预期，预计将在2025年下半年开始量产，主要客户包括Apple、Mediatek、Qualcomm、NVIDIA和AMD [6][7] 行业趋势 - PC市场在2024年表现疲软，但2025年有望复苏，主要得益于AI PC的推出和游戏市场的需求增长 [1] - AI服务器市场预计将在2025年强劲增长，微软的资本支出计划将推动台湾硬件供应商的需求 [1][4] - 中国智能手机市场在2024年11月同比下降9%，但补贴政策可能刺激销售，尤其是在2025年 [5] - TSMC在2nm工艺上的领先地位将继续巩固，预计将在2025年下半年开始量产，主要客户包括Apple、Mediatek、Qualcomm、NVIDIA和AMD [6][7]

评估工具概述 - Mosaic™ by ACT 社会情绪学习筛选器评估小学、初中和高中学生的社会情感技能，涵盖持续努力、与他人相处、保持冷静、开放思维和社会连接等维度[9] - 小学筛选器包含23个项目，初中和高中筛选器各包含30个项目，学生可在5-7分钟内在线完成[11] - 筛选器提供学生个人报告和学校汇总报告，学生得分范围为1（发展中）到4（掌握），并标记出需要额外支持的学生[11] 评估工具的有效性与可靠性 - 筛选器在所有样本中表现出可靠性和有效性，小学样本1的克朗巴赫α系数范围为0.63至0.79，中学样本1的α系数范围为0.46至0.85[41][66] - 小学样本1中，社会情感技能与五大人格因素的相关性平均为0.51，显示出良好的收敛效度[46] - 中学样本1中，持续努力与GPA的相关性最强（r=0.36），保持冷静与负面情绪和数学焦虑呈负相关（r=-0.35和-0.40）[73] 学生表现与学校环境 - 小学样本1中，34%的学生在社会情感技能上被评为“发展中”，22%的学生在学校环境上被评为“发展中”[50] - 中学样本1中，社会情感技能“发展中”的学生GPA显著较低（d=-0.48），且负面情绪和数学焦虑更高（d=0.54和0.49）[75] - 高中样本1中，社会情感技能“发展中”的学生GPA显著较低（d=-0.58），且负面情绪和数学焦虑更高（d=0.37和0.51）[111] 子组差异分析 - 小学样本2中，三年级学生在所有量表上的得分显著高于五年级学生，但差异幅度较小[53] - 中学样本2中，八年级学生在持续努力方面的得分显著高于六年级和七年级学生[77] - 高中样本4中，12年级学生在“保持开放思维”和“与学校人员的关系”方面得分显著高于其他年级[113] 学校环境与学术表现 - 小学样本1中，社会情感技能与学校氛围感知呈正相关，与“与学校人员的关系”相关性更强（平均r=0.44）[46] - 中学样本1中，学校安全与学术表现呈正相关，九年级学生在学校安全方面的得分显著高于其他年级[113]

学术准备定义 - 学生认为学术准备包括准备好参加大学水平的课程（465人）、掌握基础知识和技能（344人）、拥有良好的学习策略/习惯（295人）、在高中学习严格/具有挑战性的课程（236人）、在高中课程中取得好成绩（194人）[6] 学术准备现状 - 约70%进入两年制机构和40%进入四年制机构的学生需要修读补习课程[2] - 2023届高中毕业生的平均ACT综合分数下降，超过40%的学生未达到ACT大学预备基准分[2] - 学生自评学术准备与ACT成绩不符：82%英语、61%数学、64%阅读、55%科学自评准备充分但达到基准，15%英语、28%数学、31%阅读、32%科学自评准备充分但未达到基准[25] 学术准备评估 - 79%的学生使用多种衡量标准评估学术准备，包括高中GPA、标准化考试分数、高中课程难度级别、学分课程成绩等[29] - 准确评估学术准备的学生更倾向于使用标准化考试分数、高中课程难度级别和大学学分课程成绩[33] 学术准备相关因素 - 参加大学学分课程数量与学术准备程度显著相关，每多修一门课程，达到ACT基准的概率增加1.30倍[41] - 学习技能（如时间管理、笔记技巧）与学术准备程度显著相关，每增加一个学习技能单位，达到基准线的可能性分别提高1.52倍、1.30倍和1.28倍[50] - 学术资源的可用性与学术准备程度显著相关，每增加一种可用资源，达到基准线的可能性在数学和科学方面分别提高1.15倍和1.12倍[59] 学生支持与行为 - 学生认为高级且严格的课程、学术资源、来自知识渊博成年人的专业支持、来自家人和朋友的个人支持对学术准备有帮助[64] - 学生强调培养学习技能（如时间管理、笔记技巧）和其他社会情感行为（如职业道德、决心）对学术准备的重要性[76]

研究结论 - 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）[2] - 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[2] - HSGPA与ACT分数的交互作用是CGPA的一个重要预测指标[2] 实际应用 - 建议学生保持高成绩并在标准化考试中表现出色，以确保在大学取得良好开端[3] - 教师可以利用这些见解识别需要提升学术表现的学生，提供额外帮助[3] - 高等教育机构应综合考虑HSGPA和ACT分数，进行更全面的学生准备情况评估[4] 数据分析 - 样本包括7,516名学生，平均ACTC分数为23.48，平均HSGPA为3.52，平均FYGPA和CGPA均为3.38[28] - 样本中女生占60%，白人占74%，33%的家庭年收入超过100,000美元[28] - FYGPA解释的方差百分比为11.8%，CGPA解释的方差百分比为60.6%[44] 模型结果 - 包含HSGPA和ACTC分数的模型导致残差方差最大减少（65.76），其次是仅包含HSGPA的模型（65.35），最后是仅包含ACTC分数的模型（65.30）[84] - 边际R²模型表明，HSGPA模型和包含两种成就衡量标准的模型在边际和条件下的解释变异度相似，分别为59%和70%[84] - 三种模型的AIC和BIC表明，包含学术成就两项指标的模型拟合效果最佳[84]