美国禁止平权行动招生政策,会回到“分数公平”吗?|教育洞察

2023-05-27 13:21:43 来源:腾讯网

文 | 21世纪教育研究院 熊丙奇

据路透社5月24日报道,1998年,选民通过了一项法案,禁止在加州公立学院和大学中采用具有种族意识的招生政策。当年,加州两所精英公立学校的黑人、西班牙裔和美洲原住民学生的录取比例暴跌50%以上。

加州大学洛杉矶分校、伯克利分校的这些数据提供了一个警示,因为美国各地的学校管理人员都在等待最高法院于6月底对哈佛大学和北卡罗来纳大学案件做出的裁决,该裁决预计将在全美范围内禁止平权行动招生政策。


(相关资料图)

哈佛大学和北卡罗来纳大学案件,被称为美国高等教育领域数十年来第一大案。原告是“学生公平录取组织”(Students for Fair Admissions),该组织先后将哈佛大学和北卡莱罗纳州立大学教堂山分校(UNC Chapel Hill)告上法庭,指控前者违反1964年民权法案第六条,在大学的招生录取工作中对亚裔美国人申请者采取了歧视性政策,指控后者没有在录取工作中采用种族中立的立场,给予非洲裔、西班牙裔美国人和美洲原住民群体特别的优待。

但即便裁决禁止平权行动学生招生政策,大学的最终录取结果也可能难以让希望获得更多录取机会的亚裔满意。因为大学会改变按照标化考试成绩录取学生的方式,而采取根据学生的综合能力与素质录取学生,建立更加多元的评价体系。

事实上,哈佛的亚裔新生录取比例并不低。根据哈佛校报数据,2020年亚裔新生比例为29.1%。这个数字比2019年的22.6%的纪录高出了6.5个百分点。有媒体称,哈佛提高亚裔新生录取比例与正在审理的案件有关。但显然,哈佛的亚裔新生录取比例不可能持续提高。

虽然哈佛的亚裔新生录取比例不低,可是,亚裔仍认为遭遇歧视,是因为据哈佛大学数据显示,他们录取学生的SAT平均分,不同族裔有着明显的差别:亚裔1534分(满分1600分)、白人1490分、拉丁裔1436分、美洲原住民和夏威夷原住民1424分、非洲裔1408分。如果统一按SAT成绩高低录取,那成绩优异的亚裔学生会有更多被录取。

然而,统一考试成绩优秀的学生,就是优秀的学生吗?亚裔学生希望的公平,简单来说就是“分数公平”。但“分数公平”仍有很大欠缺,从学生的综合素质发展看也有极大的局限。

分数公平本质是结果公平,就是大家在一张试卷上考试,谁高分谁优秀。这忽视了教育起点公平与教育过程公平,教育起点公平是指每个学生的入学机会一致,教育过程公平是指每个学生接受质量相当的教育。

在现实中,不少学生的教育起点和受教育过程并不公平。如来自贫困家庭的孩子,在教育薄弱地区求学,要与富裕家庭、教育发达地区求学的学生一起在一张试卷上竞争。平权运动就是考虑起点公平和过程公平,加入了考虑申请者种族、家庭、所处地区教育资源等因素来综合录取学生。

另外,标准化考试是用考试成绩选拔学生,这能一定程度考察学生的学习能力,但是,试卷却无法充分考察出学生的个性、兴趣、想象力、好奇心、创造力等这些更重要的素质。

两组数据的对比,令亚裔群体颇为尴尬:一组数据是,亚裔只占美国总人口的6%左右,却占美国数学和物理奥林匹克团队和总统学者的30%以上,占全国优秀学者的25%-30%。

另一组数据是,在硅谷,每285名亚裔女性和每201名亚裔男性中仅有1人是企业高管;在美国联邦政府体系内,亚裔占员工总数的5.8%,占高管人数的3.5%。

所以,如果坚持分数公平,把主要的精力用在提高分数上,即便有更多亚裔进名校,但却很难提高亚裔在职场中的表现。其结果可能是赢得进入名校,但输了职业与事业发展,而后者才是每个人应该追求的。

对于美国大学来说,显然不太可能只把考试成绩作为录取学生的单一标准,以应对社会关于招生公平的质疑。从培养人才出发,美国大学会探索更多元的评价体系,甚至有的大学会取消把统一考试成绩作为入学的申请材料,而要求高中提交学生的能力报告,将其作为录取学生的重要依据。

面对多元的评价体系,信奉分数公平者依旧会质疑这并不公平,但是,这无法改变大势,在人工智能快速发展的时代,考察学习知识能力的考试评价,将会变得越来越不重要,甚至阻碍教育变革。

这对中国正在推进的教育评价改革也有启示意义。

当前,国内正在推进破除唯分数的改革,但是,社会舆论还普遍支持分数公平,认为分数面前人人平等,按分数排名录取学生最客观、最具有公信力。而这种公平观,将会严重影响建立多元评价体系的努力,基础教育也难以摆脱应试化、功利化、短视化的倾向。面对人工智能的快速发展,发展教育需要有关注学生整体能力与综合素质的新的公平观。

关键词:
分享:
x 广告
x 广告

Copyright   2015-2022 魔方网版权所有  备案号:京ICP备2022018928号-48   联系邮箱:315 54 11 85 @ qq.com