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]