算法介入助学金分配：美国高校如何平衡公平与收益

随着技术日益成熟，算法已悄然渗透至美国大学校园的诸多运营环节。在招生领域，部分高校开始借助人工智能辅助判断是否录取学生，尽管这一做法仍属少数。然而，四年制大学更普遍的做法是，利用算法协助另一项招生决策——即为已录取学生确定助学金发放额度。

教育专家指出，当院校资源有限时，算法有助于优化助学金的分配方式。但也有观点认为，这种做法可能给学生带来困扰，甚至使院校面临潜在的法律风险。不过，无论是质疑者还是支持者都认同，算法的成功与公平使用，取决于院校和供应商是否足够审慎。

什么是招生算法？

招生管理与助学金算法，本质上是预测学生在获得录取后入读某所院校可能性的工具。招生团队可以通过提供奖学金及其他资助方案来影响这一概率。教育咨询公司EAB的负责人Nathan Mueller表示：“其核心理念是，以能够为院校带来最大净学费总收入的方式发放助学金。”他也是该公司助学金优化工作的设计者。

随着院校提供更多奖学金，入学人数上升，但生均收入却随之下降。Mueller解释说：“我们帮助院校找到的平衡点在于，如何以最佳助学金组合将入学率提升到这样一个临界点——若再多发放一美元，虽然入学人数仍会增加，但院校的净收入将开始下滑。”在单个院校层面，这一过程意味着评估录取学生的入学可能性及其对学费变化的敏感度。

不同算法的输入变量可能因院校目标而异。例如，算法可考虑申请人的成绩、考试分数、地理位置及财务数据，也可能关注申请人对院校的兴趣表现——如是否访校、与招生官互动或回答可选论文题目。EAB建议其客户不要在助学金决策中使用这些兴趣指标。Mueller表示：“我们确实会参考其中一些因素，以了解学生的参与度和价格敏感度。这些因素具有预测价值，但从我们的角度看，它们并不适合作为决定学生获得多少助学金的依据。”

Mueller提到，过去许多院校承诺满足学生100%的已证明经济需求。但20世纪90年代初，美国国会改变了需求分析方法，使许多家庭看起来需求更高，同时削减了佩尔助学金的资金。因此，他认为，能够承担这一承诺的院校越来越少。尽管有些院校不使用算法来决定助学金，但其目标往往与使用算法的院校相似。目前，EAB与约200家客户（多为私立院校）合作开展助学金优化工作。

审慎考量

供应商强调，他们提供的算法并非简单的数学模型，运行后直接输出需严格执行的结果。相反，它们允许招生团队尝试不同的助学金策略，并观察这些策略可能如何改变新生群体的多样性、性别平衡及学术构成。Mueller说：“关于算法或人工智能的批评，往往集中在它们似乎自行运转，缺乏参照院校理念或战略目标的监管护栏。我们绝不希望任何人仅凭数学运算行事，而不考虑其他关键战略因素。”

但布鲁金斯学会高级研究员Alex Engler表示，他对院校是否恰当反思这些工具的使用方式持怀疑态度。由于算法通常基于人类决策产生的数据进行训练，它们往往反映出人类的偏见，并导致对不同亚群体产生不同结果。在助学金领域，这可能影响重大。Engler不确定日常使用算法的大学官员是否具备足够的技术和数据专业知识，来自信地质疑算法。他说：“有时大学无法或未能充分评估和调整算法，真正对其影响进行自我批判。”

例如，某些学生可能会在获得特定资助方案后选择入学，即使这对他们并非最佳财务选择。而背负高额费用的学生往往难以坚持学业直至毕业，这对学生和院校都会造成不良后果。

“有时大学无法或未能充分评估和调整算法，真正对其影响进行自我批判。”

——Alex Engler，布鲁金斯学会高级研究员

教育咨询公司Ruffalo Noel Levitz负责招生事务的高级副总裁Wes Butterfield表示，算法和资助策略可以将持续就读和毕业率纳入考量。他说：“校园正在努力弄清楚的是，如何提供公平的资助，使学生不仅能够入学，而且我认为越来越多的校园也在考虑保留率——即多少资助能让学生最终走上毕业典礼的舞台。”理想情况下，他希望各院校能提供相似的资助方案。“学生应该因为使命契合、专业选择或喜欢课外活动而入学，”Butterfield说，“我正试图让助学金因素中立化。”

人的参与

从法律角度看，这些算法并不要求有人类介入。在欧盟，公民有权要求对重大后果的决策（如贷款条款）进行人工复核。但美国不存在这一权利，天普大学法学教授Salil Mehra指出。Mehra表示，滥用助学金算法可能使院校面临反垄断责任。今年8月，芝加哥大学就一项反垄断诉讼达成和解，该诉讼指控17所大学通过非法协调助学金政策进行价格垄断。Mehra还指出，理论上院校也可能在没有明确意图的情况下进行合谋，例如使用同一咨询公司，而该公司对每位客户采用非常相似的公式。他说：“结果可能类似于明确协议的效果，即减少有需求学生获得的助学金。这实际上可能令人担忧，因为如果发生这种情况，将很难被发现。”

总体而言，高等教育正面临2019年“校队蓝调”丑闻之前并不存在的法律审视。Mehra建议，院校应密切关注自身可能面临反垄断责任的方式。EAB的Mueller表示，该公司的算法对每所院校都是独一无二的。他在邮件中写道：“每所院校使用的模型都存在实质性差异，即使因素相似，也是由竞争环境驱动的，而非模型本身固有的相似性。”

复杂的工具

在实际应用中，院校和招生办公室可能并不将助学金算法视为独立技术，而是将其视为预测入学率的综合工具。为院校提供分析和人工智能产品的Othot公司，发布了新泽西理工学院（NJIT）使用其算法工具所获成果的数据。2018年秋季，当NJIT开始使用该技术时，该校多招收了173名一年级新生，净收入也有所增加。但NJIT官员表示，他们并不认为该技术是专门的助学金工具，而是预测入学率的工具，帮助他们分配有限资源——包括助学金，也包括招生人员的时间和精力。他们指出，该技术不会自行做出决策。

负责招生管理的副教务长Susan Gross说：“它不会告诉我们该做什么。”布鲁金斯学会的Engler建议，大学和招生办公室应聘请具有数据专业知识的人员与算法配合工作，同时密切关注招生策略的长期表现以及学生入学后的发展情况。他说：“要改进实践，还有很多工作可做，并确保在算法系统中至少有一些检查机制，比如‘我们是否在系统性地使自己的学生处于不利地位或损害他们的利益？’”