Views: 1111
|
Replies:0
|
哈佛教授用统计学告诉您:为学区房和智力题操心完全没必要
By 北大飞
|
OP
05/17/2017
上重点校对孩子并没什么特别的用处 最近半年多,在各微信公号上看到很多关于孩子升学的刷屏文。先是北京,上海等地的学区房问题。这些地方小学实行分片入学,导致“重点”地区房价暴涨到不可思议的地步。 被学区房文刷屏几个月之后,几个星期前又传出上海私立小学入学要对报名孩子家长进行智力测验的消息。反正我看了那些智力题,是一道不会做。一开始还不相信自己智商这么低,专门拿这些题去问了一位智商爆表的朋友——结果她轻松全部做出。所以,虽然本人上过北大,也既买不起北京学区房,也达不到上海私立小学家长智商及格线。岂不悲哉。 只不过很少有人反过来想一想,孩子上重点校,真的对前途能产生什么好处吗? 这个问题看起来有点荒唐,读者可能以为,我要灌一通“人生的成功不在于能否上个好大学而在于是否快乐”之类的心灵鸡汤了。当然不是,我说的就是“上好大学”这类硬指标。 可是数据明摆着,重点校的升学率,考试成绩等硬指标比一般学校的确高出好多。孩子上了这样的学校,一般意义上的前途岂不就会比没上高出很多? 但是这个逻辑有个明显的问题:您又怎么知道重点校的升学率高,是因为这所学校本身的贡献,而不是仅仅因为该学校集中了一批智力水平,学习条件各方面皆出众的好苗子而已? 就拿大家关注的好学区的好小学来说,既然这类学区房价高到普通人难以染指的地步,可想而知住进来的不是一般家庭。统计一下该学区孩子父母的学历,毕业于重点大学的比例,从事高技术领域工作的比例,一定远远高于平均水平。他们的孩子们首先通过遗传获得了较高智商的先天优势,然后父母自身高学历使得他们有能力对孩子的学习进行指导。这类家长一般又格外重视子女教育,高收入水平则在物质层面保证了他们孩子的学习条件。 所以,这样家庭的孩子,本来成功概率就不会低。而重点学区通过高房价将这类家庭孩子聚在一起,或者说,将普通家庭孩子排除在外,当然最终升学率低不了。 所以我们怎么能肯定,这些孩子取得的成绩,是因为他们所上的学校,而不是因为他们本身的智力水平和家庭条件?非常有可能的是,哪怕他们没有上这所重点小学,最终成绩也会毫不逊色。 在美国,学界对这一问题有着长期的研究和讨论。因为和中国一样,美国也存在争夺“学区房”的问题,学区质量是房价的最核心指标。我们在微信上看到的北京上海学区房的那些故事,在美国各地几十年如一日的发生,只不过没到那么激烈的程度而已。 美国经济学家长期研究,好学区对于学生到底有没有帮助?有些因素是比较明显的,比如,坏学区可能集中了大量问题孩子,课堂秩序无法保证,在这样的学校里学习,肯定有害无益。但问题是,仅仅是保证课堂秩序这一条,并非只有顶级学区能够做到,完全不足以构成中产拼命挤进顶级学区的理由。 其实真要问大家为何要削尖脑袋买天价学区房,除了前面所述的“重点小学平均成绩高所以我孩子进了就更可能取得好成绩”这一逻辑上明显经不起推敲的理由外,大家的想法主要是“让我的孩子和其他高水平孩子在一起”这样的孟母三迁式理由。 这种想法到底是否正确呢? 对此,哈佛著名经济学家洛兰特.福莱尔教授的团队三年前对纽约市重点中学的一项研究给出了否定性结论:上重点校本身对学生前途并无特别的好处。 纽约市有三所著名的重点公立高中:史岱文森中学,布朗克斯科学中学和布鲁克林技术中学。和一般公校不同,上这三所中学要参加纽约市举行的一项专门入学考试并严格按成绩划线录取。考试科目为英文和数学,考生事先填写一二三志愿,然后根据成绩排列依次择优录取。 这三所中学的升学率比普通高中高出许多。例如哈佛和耶鲁两校在纽约市录取的学生,六成来自这三所中学。而这三所学校分数线又是史岱文森最高,布朗克斯次之,布鲁克林第三。毫不意外的,升学率等各项指标,也按同样顺序排列。 这种“一考定终身”的做法对于水平恰好在分数线上下的学生是残酷的。对于他们,能否达线多是由一些与自身水平无关的偶然因素决定,比如在考试当天发挥的如何,是否碰巧发现了一个计算错误,等等。但这却给研究者提供了一个很好的机会。考虑两组学生:(A)成绩刚好达到分数线而进入重点高中的,(B)成绩没有达线但只差一点因而没有进入重点高中的。 通过比较这两个群体将来的发展,就可以发现到底在重点校学习本身是否有好处——因为A和B两个群体的学生在其他各方面的条件(智力,家庭)应该大致相同,他们将来显示出的成绩指标差异可以视作与是否上了重点校有因果关系。 美国非政府组织NSC的数据库保存了美国几乎所有大学的学生入学和毕业信息。通过耐心查找,福莱尔教授团队获得了所有1989-2008近20年来(A),(B)两个群体学生大学升学和毕业的详细数据。然后又通过“美国新闻与世界报道”的权威大学排名对这些大学的质量进行了比对。 下面这几张来自福莱尔教授论文中的图表清晰展示了有关结论。 几张图表的横轴表示学生的考试分数。在有关位置的竖线标出了史岱文森,布朗克斯,布鲁克林三所重点高中分数线。纵轴则表示相应的指标差异。例如被某类大学录取的平均比率。 首先看第一/二张图 这里纵轴表示的是参加了重点高中入学考试的学生,最后真正上的高中,周围同学在初中最后一年的英文/数学纽约州统考成绩平均值。显然,这个数值越高,说明周围同学学习越优秀。 这张图显示,重点高中入学考试成绩越高的学生,所上高中里周围同学的学习成绩也越好。但值得注意的是,在三所重点中学分数线左右的断裂:刚好能上史岱文森的学生,比起刚好落榜的学生,其周围同学的成绩要好很多,刚好能上布朗克斯的学生,比起刚好落榜的,又要好很多,差异最大的发生在刚好上布鲁克林的学生,和连分数线最低的布鲁克林都没考上的学生——这些学生大多只能上“普通”高中,周围环境落差最大。 然后两张图显示的是不同分数段学生,上高中后周围少数族裔比例。 分数越高的孩子,所入高中黑人孩子和西班牙语族孩子比例越低,在美国,这说明这所高中里学生家境平均较好。而在分数线周围,又出现了明显断裂。 这证明,硬性划分分数线的做法,的确造成了分数线上下的学生,去了学生组成完全不同的学校。用中国人的老话来讲,这是当上了“凤尾”还是只能当“鸡头”的区别。高中四年学习过后,“凤尾”是不是因为攀上了凤凰,就比“鸡头”要做得好呢? 下面这张图显示的是,这些在高中入学考试中获得不同分数的孩子被大学录取的比例。分数越高的孩子,四年后能上大学的比例也越高,这符合人的正常直觉。但有意思的是,在分数线两侧并没有任何断裂的现象发生。 换句话说,刚刚好上了重点高中的,和刚刚好没有上的,四年后上大学的机会并无不同。“凤尾”对“鸡头”没有优势。 会不会虽然“凤尾”和“鸡头”有同样的升学率,但他们从大学顺利毕业的机率不一样?“鸡头”就算进了大学,能和“凤尾”同样顺利的完成学业吗?按同样的方法画出的大学毕业率图显示,似乎鸡头比起凤尾在这一点还略占优势。 会不会“凤尾”比起“鸡头”在上重点大学方面更占优势?福莱尔教授又分别研究了进入SAT中值成绩1200以上,1300以上,1400以上大学的比例,用中国人熟悉的逻辑,或许相当于“三本以上”,“二本以上”和“一本”。 结果是,分数线两侧的学生,在进入不同层次大学的可能性方面,照样是没有差别。如下面三图所示: 福莱尔教授又考虑了另外一种可能,上不上好高中对刚刚卡线的学生无所谓,但对于优等生会不会却有不同?一个非常优秀的孩子,去了周围同学水平明显低于自己的学校,会不会有什么不利影响? 为解决这一问题,他又设计了一项研究。参加了重点高中入学考试的学生,同时在初中最后一年还会参加纽约州统一考试。部分学生在纽约州考试中成绩很好,但是在重点高中入学考试中成绩一般:或者惊险达线,或者不幸落榜。所以这批学生可能本身优秀,但发挥失常。如果没能上重点中学对于优秀生会有影响,则应该能从他们的分化中看出端倪:纽约州统考取得好成绩的学生,卡线上重点高中的,比起刚好落榜的,大学升学率等数据会有明显区别。 但是统计分析也没有发现这种区别。 还有一点,少数学生虽然没有达线,但因为家境不错,得以花钱择校,进入私立高中读书。所以有没有可能,这部分学生把“鸡头”们的平均表现拉上来了——因为他们通过花钱,获得了和公立重点高中同样的好条件?在2011年福莱尔教授进行的一项类似研究中讨论了这一问题。福莱尔教授排除了落榜公立重点高中但去了私校的学生后发现,在重点高中分数线两侧的学生,四年后的SAT成绩,英文方面并无区别,数学成绩上了重点高中的,比起没上重点高中的,仅有微小优势。 所以总结一下,福莱尔教授这项以纽约重点高中为对象的研究表明,上不上豪华名校,孩子的同学是否全是高智商天才,绝没有一般人想象的那么重要。 当然也有几点值得注意。首先福莱尔教授讨论的是刚好落榜三所重点校的学生,他们去的学校至少教学秩序还是能有基本保障的。另外,福莱尔教授指出,纽约市重点高中和普通高中教师水平并无非常显著的区别。比如最强的史岱文森高中教师平均工资2008年为78000美元,而纽约市平均水平为72000美元。如果一般学校教师水准相差太多,对学生很可能产生影响。 福莱尔教授的这项研究在美国学界有很大影响,可惜在中国还知之甚少。其实在择校比美国更要疯狂很多的中国,类似的研究是十分要紧的。 这给中国父母的提示是,择校根本没有您想象的那么要命。一个学校升学率高,主要原因是他集中了本来就成绩优秀的学生,仅此而已。您的孩子如果没有能够和一大帮天才儿童一起读书,没有任何证据表明会产生什么不利影响。 值得考察的或许是学校另外一些条件,比如课堂秩序如何,老师是否负责,水平是否达标,等等等等。虽然也需要一番仔细挑选,但比起非要挤进顶级学区,压力就小了很多。要是非得为进入顶级学区咬牙买房,背上沉重负债,或者为没能把孩子送入重点校而对孩子前途丧失信心,全都毫无必要,甚至有害无益。
0
0
|
|