ATMO School创始人：英国UCAS三年数据显示仅16%申请人A-Level预测成绩完全准确

ATMO School创始人Tetiana Serebrianska在The PIE News撰文指出，国际招生建立在一种结构性矛盾之上：大学依据预测成绩——一种有根据的猜测——发放条件录取，而这一预测在发出后往往不再更新。

文章引用UCAS跨越三年的数据：只有16%的申请人其最好三门A-Level的预测成绩完全准确，75%被高估。作者认为，英国并非特例，只是相关数据恰好公开。将问题归咎于教师过于慷慨并未触及要害，更深层的问题是10月做出的预测被当作固定判断，而不是应随新证据更新的预测。

作者称，问题不在意图，而在基础设施缺口。在几乎所有高风险全球行业中，运营风险通过持续遥测管理；而在国际教育中，学业进展仍由稀疏、回溯性的检查点评估——1月的一次模拟考试、3月的一份学期报告。当某次阶段性评估显示轨迹明显恶化时，有意义的干预窗口通常已经关闭。

ATMO成为UCAS注册中心并开始自行出具预测成绩后，作者称准确性从抽象的招生伦理讨论变成日常责任。ATMO对超过50,000条学习记录和120 million个数据点——包括测评作答、概念掌握检查和导师会话记录——进行追踪，从周期性猜测转向实时学业可见性。当算法在2月标记概念掌握出现微小下滑时，导师立即介入。作者表示，8月才发现学业缺口只能道歉，实时发现则能保住录取位置。

文章同时承认，这并非万能方案，也并非免费，不是每个机构都能一夜建成；起点不必是完整平台，可以是一份包含持续检查点、而非一年两次的共享日历。不可持续的是把一年一次的模拟考试当作唯一信号。

作者认为，对于以学生转化率为品牌背书的代理机构，以及管理招生管道的高校，这种可见性已不是行政上的奢侈品，而是新的信任基础设施。投入可观资金的家庭期望对成功可能性有更高可见度，而不只是一个发出后便不再核查、直到放榜日的数字。文章建议，高校可以向衔接课程提供方提出一个问题：在放榜日之前而非之后，你如何知道一个预测成绩是准确的？代理机构在向家庭推荐衔接课程提供方之前也可以提出同样的问题。

作者Tetiana Serebrianska是ATMO School创始人，该数据驱动的在线学校为39+个国家的学生提供直播教学，拥有120 million个数据点；她拥有七年以上在线教育经验，曾建立并管理服务超过6,000名学生的全数字学校。