紐約時報雜誌9月10日發表了Paul Tough對最新美國精英大學招生內幕的長篇報道“大學招辦真正想要的是什麽”。這篇深度報道跟隨康州的私立文理學院三一學院的招辦主任Angel Pérez的事業線，剖析了近年來美國精英大學的招生政策變化和內幕。
對熟悉美國大學招生程序的讀者來說，這篇文章大篇幅覆蓋的精英大學為吸引低收入家庭和少數族裔學生的種種政策傾斜都不是秘聞了。但是其中披露的大學錄取程序中資助的計算方法和資助對最終錄取的影響卻是第一手資料，在其他書籍和資料中鮮有提到，幫讀者揭開了大學招生決策黑盒子的一角。
三一學院的招生流程可以簡單地分為幾個階段：
夏季/秋季 -- 學校發布學費預算1千8百萬，招辦延攬申請人。
初冬 -- 第一輪普選 6000 人。主要考量： 申請人和學校的匹配度， 資質，潛力。
二月底 -- 第二輪初選 3200人， 鎖定提早申請的300名額，其中一半是運動員。
三月初 -- 第三輪根據30%的yield精簡到1700人。
三月中下旬 -- 第四輪用預測模型來微調1700人中需要資助的人數和金額。根據學費預算，招辦要決定付費學生，半付費學生和全資助學生的最後比例。
用預測模型或是算法來計算財政資助的金額不是三一學院的首創，而是近兩年來隨著大數據分析和機器學習的崛起，數據公司為高校提供的新的數據服務--"財務資助優化”。這個服務利用學校的學生曆史數據和申請人的人口地理和家庭收入數據建立數學模型和決策模式，以此推測什麽樣的學生有什麽樣的付費能力，多少資助金額可以吸引什麽樣的學生， 多少學生可以獲得哪種程度的資助等等，並在此基礎上模擬出整個年級的學費收入和預算的關係。
對有錢而任性的前10大學而言，學費收入隻是他們基金的一個零頭，"財務資助優化”也許不是他們錄取決策的驅動力。但對捉襟見肘的小私立和大公立大學而言，"財務資助優化”給了他們一個控製錄取結果的利器，是平衡大學高大上的社會使命和學校財務前途的一個手段。隨著機器學習對算法的大幅提高和越來越多的個人數據點被采集和消費，這樣的預測手段會幫助大學更精準地定位學生，錄取結果也會變得更可預見。
三一學院2021屆最終錄取了580人。其中第一代大學生，貧困家庭學生和非裔拉丁裔占了15%左右。Paul Tough認為富裕家庭的學生是最大的贏家。
參考資料
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
(版權歸作者所有，轉發請獲得授權）
