NBER美国国民经济研究局-NBER-Equilibrium-Grade-Inflation-with-Implications-for-Female-Interest-in-STEM-Majors_47页_549kb

详细总结：Equilibrium Grade Inflation with Implications for Female Interest in STEM Majors

核心内容

本研究探讨了大学课程评分政策对女性选择STEM（科学、技术、工程和数学）专业的影响。作者指出，尽管STEM专业在就业市场上具有更高的收入潜力，但其评分政策和学习负担对女性的影响尤为显著，从而可能抑制女性对STEM领域的兴趣和参与度。通过构建一个学生和教授行为的均衡模型，研究分析了评分政策如何影响学生的课程选择和学习努力，并评估了评分政策调整对STEM性别差距的潜在影响。

主要观点

• STEM专业与非STEM专业的差异：STEM专业通常具有更高的学习负担和更低的平均成绩，而这些差异对女性的影响更大。
• 女性在STEM中的表现与参与度：虽然女性在STEM课程中的成绩通常高于男性，但她们在STEM专业的比例较低，表明成绩和学习负担可能成为影响其选择的因素。
• 评分政策对课程选择的影响：评分政策不仅直接影响学生的成绩，还通过激励学习努力间接影响课程选择。女性对成绩的重视程度高于男性，因此更可能被STEM课程中较低的成绩和较高的学习负担所排斥。
• 政策干预的潜在效果：如果限制评分政策，使所有课程的平均成绩趋于一致，可能会缓解STEM性别差距，并提高女性在STEM课程中的参与度。
• 均衡模型的应用：通过使用均衡模型，研究同时考虑了学生的课程选择和教授的评分政策，揭示了评分政策与性别差距之间的因果关系。

关键信息

学生与课程选择模型

• 学生在选择课程时，不仅考虑课程本身的价值（$\delta_{ij}$），还考虑成绩（$\phi_i$）和学习努力的成本（$\psi_i$）。
• 学生的最优学习努力（$s_{ij}^{\star}$）由公式（5）给出：
  $$
  s_{ij}^{\star} = \frac{\phi_i \gamma_j}{\psi_i}
  $$
• 成绩的生成过程由公式（7）描述：
  $$
  g_{ij} = \beta_j + \gamma_j \left(A_{ij} + \ln(\phi_i) + \ln(\gamma_j) - \ln(\psi_i)\right) + \eta_{ij}
  $$

数据与方法

• 数据来源：研究使用了美国肯塔基大学2012年秋季学期的注册数据和课程评价数据，涵盖约58,000名学生/课程观察值。
• 样本特征：
  • 女生的高中成绩和大学成绩均高于男生。
  • STEM课程的平均成绩比非STEM课程低0.3分，学习时间高出约40%。
  • STEM课程的女性比例为37%，而非STEM课程为58%。
• 研究方法：
  • 采用三阶段估计法，分别估计成绩生成过程、学习努力与课程选择的关系，以及课程选择模型。
  • 通过课程评价数据，识别学习努力的参数，同时处理评分政策的归一化问题。

政策启示

• 评分政策的调整：如果所有课程的平均成绩被统一，教授可能会调整其他评分维度（如作业量），从而影响课程吸引力。
• 性别差距的缓解：研究发现，STEM课程中更严格的评分政策对女性的影响大于其他因素，如部门偏好或学习能力差异。
• 政策成本：统一评分政策被认为是一种低成本的方法，能够有效提高女性在STEM课程中的参与度。

结论

本研究揭示了大学评分政策在STEM性别差距形成中的关键作用。通过均衡模型分析，作者指出，女性对成绩的重视程度高于男性，而STEM课程中较低的成绩和较高的学习负担可能成为女性选择该领域的障碍。政策干预，如统一课程评分，可能有助于缩小这一差距，并提高女性在STEM领域的参与度。研究为教育政策制定者提供了理论依据，以通过调整评分政策来促进性别平等和STEM专业的发展。