GPT takes the SAT: Tracing changes in Test Difficulty and Math Performance of Students
GPT 参加 SAT：追踪考试难度与学生数学表现变化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：摘要明确扩展合成控制并援引平行趋势来区分考试难度和学生表现变化，方法意图对应因果推断，实际识别有效性仍需核对。
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…
关注这篇论文的作者
GPT 参加 SAT：追踪考试难度与学生数学表现变化
- 研究问题
- 能否利用语言模型参加历年 SAT 所形成的比较组，区分二〇〇八至二〇二三年数学试题难度变化与学生数学表现变化？
- 方法与思路
- 作者提出变换控制方法，以 GPT 生成历年考试比较组，并借助平行趋势与平均分数差分解试题难度及学生表现变化。
- 材料陈述的贡献
- 摘要报告数学难度下降七十一分、学生表现下降三十六分，并称合计差异为一百零七分；另比较人口群体并讨论可能机制。
- 阅读关注点
- 应核对模型版本与提示的可比性、试题泄漏风险、历年分数量尺、平行趋势依据，以及分数分解和群体比较的计算口径。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未证明模型比较组有效，报告分差与机制讨论不能确认为因果结论。
原文摘要
Scholastic Aptitude Test (SAT) is crucial for college admissions but its effectiveness and relevance are increasingly questioned. This paper enhances Synthetic Control methods by introducing "Transformed Control", a novel method that employs Large Language Models (LLMs) powered by Artificial Intelligence to generate control groups. We utilize OpenAI's API to generate a control group where GPT-4, or ChatGPT, takes multiple SATs annually from 2008 to 2023. This control group helps analyze shifts in SAT math difficulty over time, starting from the baseline year of 2008. Using parallel trends, we calculate the Average Difference in Scores (ADS) to assess changes in high school students' math performance. Our results indicate a significant decrease in the difficulty of the SAT math section over time, alongside a decline in students' math performance. The analysis shows a 71-point drop in the rigor of SAT math from 2008 to 2023, with student performance decreasing by 36 points, resulting in a 107-point total divergence in average student math performance. We investigate possible mechanisms for this decline in math proficiency, such as changing university selection criteria, increased screen time, grade inflation, and worsening adolescent mental health. Disparities among demographic groups show a 104-point drop for White students, 84 points for Black students, and 53 points for Asian students. Male students saw a 117-point reduction, while female students had a 100-point decrease.