大学招生决策的算法

纽约时报杂志9月10日发表了Paul Tough对最新美国精英大学招生内幕的长篇报道“大学招办真正想要的是什么”。这篇深度报道跟随康州的私立文理学院三一学院的招办主任Angel Pérez的事业线，剖析了近年来美国精英大学的招生政策变化和内幕。

对熟悉美国大学招生程序的读者来说，这篇文章大篇幅覆盖的精英大学为吸引低收入家庭和少数族裔学生的种种政策倾斜都不是秘闻了。但是其中披露的大学录取程序中资助的计算方法和资助对最终录取的影响却是第一手资料，在其他书籍和资料中鲜有提到，帮读者揭开了大学招生决策黑盒子的一角。

三一学院的招生流程可以简单地分为几个阶段：

夏季/秋季 -- 学校发布学费预算1千8百万，招办延揽申请人。

初冬 -- 第一轮普选 6000 人。主要考量： 申请人和学校的匹配度， 资质，潜力。

二月底 -- 第二轮初选 3200人， 锁定提早申请的300名额，其中一半是运动员。

三月初 -- 第三轮根据30%的yield精简到1700人。

三月中下旬 -- 第四轮用预测模型来微调1700人中需要资助的人数和金额。根据学费预算，招办要决定付费学生，半付费学生和全资助学生的最后比例。

用预测模型或是算法来计算财政资助的金额不是三一学院的首创，而是近两年来随着大数据分析和机器学习的崛起，数据公司为高校提供的新的数据服务--"财务资助优化”。这个服务利用学校的学生历史数据和申请人的人口地理和家庭收入数据建立数学模型和决策模式，以此推测什么样的学生有什么样的付费能力，多少资助金额可以吸引什么样的学生， 多少学生可以获得哪种程度的资助等等，并在此基础上模拟出整个年级的学费收入和预算的关系。

对有钱而任性的前10大学而言，学费收入只是他们基金的一个零头，"财务资助优化”也许不是他们录取决策的驱动力。但对捉襟见肘的小私立和大公立大学而言，"财务资助优化”给了他们一个控制录取结果的利器，是平衡大学高大上的社会使命和学校财务前途的一个手段。随着机器学习对算法的大幅提高和越来越多的个人数据点被采集和消费，这样的预测手段会帮助大学更精准地定位学生，录取结果也会变得更可预见。

三一学院2021届最终录取了580人。其中第一代大学生，贫困家庭学生和非裔拉丁裔占了15%左右。Paul Tough认为富裕家庭的学生是最大的赢家。

参考资料

Tough, Paul.（2019, September 10） What College Admissions Offices Really Want. Retrieved from https://www.nytimes.com/interactive/2019/09/10/magazine/college-admissions-paul-tough.html

(版权归作者所有，转发请获得授权）