【全球数治｜美国多大学利用AI算法招生或引发高等教育危机】基于人工智能技术的算法 ， 通过将输入数据转换为所需输出决策的编码过程 ， 从海量原始数据中提炼出解决问题的逻辑与经验 ， 从既有知识中产生新的知识和规则 ， 形成比人工分析更加快速和优质的预测性判断 ， 进而推动人类在社会、市场、政府等各领域的决策和治理机制嬗变 。 当前 ， 由算法驱动的自动化决策被广泛应用于工作、教育、医疗、信贷、刑事司法等诸多领域 ， 给人们带来极大的便利和效率提升 。 然而 ， 由于算法所依赖的人工智能机器学习技术在数据集构建、目标制定与特征选取、数据标注等环节可能混入人类的偏好与偏见 ， 又引起了各界对于算法驱动下决策的准确度与公平性的疑虑 。 如何避免来自人类社会的不公和歧视通过代码和算法被固化或放大 ， 如何防止算法世界的偏差反作用于现实世界 ， 以及如何设计算法以保障和实现公平等问题亟待人们去研究和解决 。
9月14日 ， 美国布鲁金斯学会在其官网发布了高级研究员阿列克斯·恩格勒（Alex Engler）撰写的 研究报告《在大学招生录取中采用自动化算法或将引发美国高等教育危机》（ Enrollment algorithms are contributing to the crises of higher education） ， 就大学招生这一与公众利益密切相关的领域采用人工智能算法所引发诸多问题进行了分析 ， 并提出了控制算法融入招生管理相关风险的行动要点 。
阿列克斯·恩格勒（Alex Engler）指出 ， 许多美国大学正在使用人工智能算法及系统来进行招生录取和奖学金分配的自动化决策 ， 希望通过先进的技术手段招揽更多合适生源 ， 并更精准地预测学生的学费支付意愿和能力 ， 以制定更科学的奖学金发放方案 。 这种做法对大学提高学费收益率和改善财务状况能产生积极影响 。 然而 ， 也有证据显示 ， 目前被广泛使用的几种招生管理算法都有可能会损害学生的利益 ， 降低一部分学生继续学业和顺利毕业的可能性 ， 甚至将加剧美国高等教育业已存在的毕业率偏低、学生债务偏高和歧视少数族裔等潜在危机 。
大学通常期望在算法供应商的帮助下能实现吸引更多学生入学 ， 提高学费收入 ， 以及合理控制奖学金支出规模等多重目的 。 除了极少数著名大学拥有捐赠和其他收入 ， 大多数美国大学都需要依靠学费收入维持运营 。 因此 ， 各所大学都在竭力吸引和录取足够的学生 。 同时 ， 这也意味着大学既要发放适当数额的奖学金来吸引申请人 ， 又要控制发放规模以避免影响学校开支 。 引入人工智能算法可以对每个申请人的综合情况进行清晰打分 ， 并根据统一标准测算出与之相匹配的奖学金方案 ， 或者说 ， 能最大限度增加其入学可能性的奖学金额度 。
大学招生管理中对算法的使用通常包含三个过程：一、采集申请人的有关信息数据并输入模型 ， 以预测其入学可能性；二、分析评估其经济能力 ， 以制定相应的奖学金发放方案；三、对算法给出的预测结果和建议进行优化 。 在第一个过程中 ， 校方会把申请人绩点（GPA）、标准化考试分数、已获得资助情况 ， 以及居住地和人口统计信息等尽可能多的数据输入算法模型进行测算 ， 常会应用到机器学习的逻辑回归、决策树及神经网络等技术手段 。 在过程二中 ， 算法除了会给出奖学金额度建议 ， 还会提供不同奖学金额度对拟录取对象入学可能性的影响分级 ， 并从总体上预测新学年可能的入学人数和预算规模 ， 作为奖学金发放的决策参考 。 在过程三中 ， 算法将根据输入模型的所有数据 ， 结合大学设置的一系列限制性条件和优化值 ， 自动产生了至少数千种策略 ， 并就各种策略进行尝试和比较 ， 以得出一个最佳方案 。 对大学来说 ， 这样做不仅可以更精准地分配有限的财政资源 ， 还能减轻招生办公室的录取审核工作量 ， 节约时间和人力成本 ， 可谓一举多得 。