Do Test Scores Help Teachers Give Better Track Advice to Students? A Principal Stratification Analysis
考试成绩能否改善教师的学生分轨建议？主分层分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要使用准随机设计、主分层与识别假设评估考试信息对分轨决策的因果影响。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
考试成绩能否改善教师的学生分轨建议？主分层分析
- 研究问题
- 教师获得标准化考试成绩，是否改善学生的中学分轨建议，并在短长期损失及移民、低社会经济地位群体之间产生何种权衡？
- 方法与思路
- 作者利用荷兰准随机环境构建主分层指标，以灵活损失权重开展福利分析，并检验成绩信息对不同受保护群体的公平性影响。
- 材料陈述的贡献
- 摘要报告，允许根据超预期成绩上调建议可改善较高轨道的成功安置，同时存在较弱学生误置风险，并改善部分群体的公平性。
- 阅读关注点
- 应核对准随机安排、主分层指标及排除限制的识别作用，比较替代假设，并检查福利权重和公平性指标如何影响结论。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审或接收未核实；具体识别条件与福利权重范围未说明，荷兰结果的外部适用性仍需核对。
原文摘要
Every year, over one million EU students choose a secondary school track based on teacher recommendations, yet little evidence shows this yields optimal assignments. Using Dutch data, we examine whether access to standardized test scores improves recommendation quality. We develop a Principal-Stratification metric in a quasi-randomized setting, conduct a welfare analysis that flexibly weights short- and long-term losses, and assess principal fairness by examining whether test-score access affects equity across protected attributes. Results are robust to replacing the Exclusion Restriction assumption underlying our main identification strategy with alternative assumptions. Allowing recommendation upgrades when test scores exceed expectations increases successful placement in more demanding tracks by at least 6%, while misplacing 7% of weaker students. Only unrealistically high weights on short-term losses would justify banning such upgrades. Test-score access also yields fairer recommendations for immigrant and low-SES students. Our methodology and findings contribute to the literature on algorithm-assisted human decisions.