在高等教育领域，一名学生的成功往往通过一个单一的数字来衡量：其累计平均成绩。这个数字作为一个总结，一个最终的分数，告诉学校一名学生是及格还是不及格、是否获得了奖学金，或者是否获得了荣誉榜的名额。对于管理人员来说，这是一个方便的工具，但它也有一个盲点。通过将一名学生从第一天到最后一天的每一项成绩进行平均，这个单一的数字可能会掩盖其历程的真实故事。两名学生最终可能拥有完全相同的平均分，然而其中一人可能起步较差并稳步进步，而另一人则可能以高分开始，并随着岁月的流逝逐渐陷入挣扎。这些不同的路径至关重要。了解一名学生是在攀升还是在下滑，以及这种转变何时发生，比静态的平均值能提供更清晰的经历图景。
菲律宾一所学院的研究人员致力于透过这些总结，去观察学生表现随时间变化的实际情况。他们收集了来自十个不同学位课程的近千名本科生的学术记录，追踪了他们连续五个学期的成绩。在该机构使用的评分系统中，较低的数字代表更好的成绩，这意味着如果学生的得分下降，实际上他们做得更好；如果数字上升，则意味着他们的表现正在下滑。研究显示，整体学生群体并非遵循一条直线。相反，他们的表现遵循一条独特的曲线：学生在第二个学期有所进步，在第三个学期保持稳定，然后在第四和第五个学期开始下滑。
这种先进步后下降的模式并非对每个学生都相同。当研究人员按专业对数据进行分类时，他们发现故事完全取决于学生所在的课程。一些学位课程显示学生随着学业的推进变得更加强大，成绩在最后一个学期显著提高。另一些课程则讲述了不同的故事，即学生起步强劲，但在后期年份表现大幅下降。例如，一个专业的学生看到他们的成绩每一步都在变好，而另一个专业的学生则在最后一个学期经历了明显的表现下滑。研究人员发现，这些专业之间的差异如此之大，以至于整个学院的单一平均值会完全忽略这些关键细节。
该研究表明，观察一名学生的近期历史与观察其总平均分同样重要。一名学生可能有一个不错的总分，但如果他们的成绩在过去两个学期一直在变差，他们可能在失败之前就需要帮助。同样，如果学生在特定年份持续遇到困难，那么某个特定的学位课程可能正面临着隐藏的问题，即便该课程的整体声誉依然很高。研究人员指出，他们无法准确说明为什么会发生这些变化，因为他们只能获取成绩，而无法获得其他因素的信息，例如学生的工作时长、个人生活或特定课程的难度。然而，数据的明确信息是，学术生活是一个过程，而不仅仅是一个最终分数。通过观察成绩随时间的变化方式，学校可以更早地发现趋势，并在学生真正落后之前提供支持。
技术摘要：五个学期的学业表现轨迹
问题陈述
在高等教育中，学业表现经常被简化为累计平均绩点（CGA）或单一的时间点指标。虽然这种做法很方便，但它掩盖了学生表现中具有意义的纵向变化。两名具有相同 CGA 的学生可能遵循截然不同的轨迹——一名随着时间推移而进步，另一名则逐渐退步。这些差异对于学术指导、干预和课程评估至关重要，但在聚合数据中却无法体现。这一问题在菲律宾背景下尤为显著，因为该国的机构记录是按学期和学位课程组织的，然而聚合平均值往往无法揭示表现变化的发生时间，也无法揭示不同课程是否经历了不同的轨迹模式。此外，所使用的特定评分系统（数值越低表示表现越好）需要对成绩波动进行仔细解读，以确定其属于进步还是退步。
研究方法
本研究采用定量、纵向、回顾性设计，利用了一所菲律中等菲律宾高等教育机构的机构学术记录。
- 参与者： 数据集包括就读于十个学位课程（如 BECED, BPA, BHS, BSIA, BSMA, BSSW, BSP, BSEMC, BSCrim, BPE）的 998 名本科生。其中，899 名学生在连续五个学期中拥有完整的学术记录，共计 4,945 个“学生-学期”观测值。
- 变量： 学业表现被操作化为数值学期成绩。“学期”被视为学生内的五级因子，“学位课程”被视为学生间的分类因子。
- 统计分析：
- 描述性统计： 计算了每个学期和每个课程的均值和标准差。
- 重复测量方差分析（Repeated-Measures ANOVA）： 对具有完整数据的 989 名学生进行分析，以测试五个学期间表现是否存在整体差异。
- 因子回归模型： 使用包含学期、学位课程及其交互作用的模型进行估算，并使用学生聚类稳健标准误来处理学生内部的重复观测，以解决相关性问题。计算了估计边际均值（EMMs），作为每个“课程-学期”单元的值。
- 事后比较（Post-Hoc Contrasts）： 计算了连续学期的对比，并使用 Holm 方法进行多重比较调整，以识别各课程内及各课程间发生显著变化的特定时期。
- 显著性水平设定为 α=.05。
主要结果
总体轨迹： 学业表现在五个学期内发生了显著变化（F(4,3952)=58.30,p<.001,ηp2=.056）。其轨迹是非线性的：
- 第 1 学期至第 2 学期： 显著进步（平均成绩从 1.503 下降至 1.437）。
- 第 2 学期至第 3 学期： 相对稳定（平均成绩维持在 1.444）。
- 第 3 学期至第 5 学期： 显著退步（平均成绩在第 4 学期上升至 1.491，在第 5 学期上升至 1.562）。
- 效应量较小，表明虽然这种变化在统计上是可靠的，但平均变化的幅度相对较小。
课程特异性异质性： 回归模型中发现了显著的“学期-课程”交互作用（F(49,4895)=83.45,p<.001），解释了约 30.4% 的方差（R2=.304）。这证实了没有任何单一的机构级轨迹能够代表所有课程。
- 进步型： 人类服务类课程（BHS）和心理学（BSP）在后期学期表现出实质性的进步。
- 退步型： 公共管理（BPA）、信息管理（BSIA）和社会工作（BSSW）表现出明显的退步，尤其是在最后几个学期。BSIA 和 BSSW 在第 5 学期表现出特别剧烈的退步。
- 波动型： 其他课程，如幼儿教育（BECED）和犯罪学（BSCrim），在不同学期间表现出进步与退步交替的波动模式。
主要贡献
- 纵向粒度： 研究表明，机构层面的平均值掩盖了具有意义的、课程特异性的轨迹。它提供了经验证据，证明学业表现是一个动态过程，而非静态结果。
- 方法论应用： 本研究将重复测量方差分析和带有聚类稳健标准误差的因子回归应用于教育记录，提供了一个严谨的框架来分析学生轨迹，同时考虑了学生内部的相关性。
- 背景洞察： 研究强调了在该菲律宾机构中观察到的特定非线性模式（进步 → 稳定 → 退步），挑战了关于线性增长或统一下降的假设。
意义与主张
本文主张，纵向学业监测对于补充传统的累计表现指标至关重要。
- 对于学术指导： 轨迹信息可以识别那些即使累计平均分仍处于可接受水平、但表现正在退步的学生，从而实现早期干预。
- 对于课程评审： 特定课程在特定学期出现的持续退步（例如 BSIA 和 BSSW 在第 5 学期的退步）可以作为课程评审或工作量评估的初步信号。
- 对于机构规划： 保留并分析学生层面的纵向记录比仅依赖聚合摘要更具价值。
局限性与注意事项
作者明确指出，本研究属于观察性研究，无法建立因果机制。数据集缺乏关于出勤率、社会经济地位、学习动机或课程难度的变量。因此，观察到的模式不能直接归因于特定原因（例如，是课程序列问题还是学生群体特征问题），除非进行进一步的课程级分析。研究结果针对特定机构，不应自动推广到其他背景。本研究并非提出具体的干预措施，而是倡导在现有的监测策略中使用轨迹数据。
每周获取最佳 social_science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。