首先讓我們來看一張圖表,這是美國申請指導網站 College Kickstart 對 2017 屆 Waitlist 錄取情況的統計:
從圖中可以看出——
平均13%接受 Waitlist 的學生最終被學校錄取
63% 的學校從 Waitlist 上錄取了不超過 10% 的學生
51% 的學校錄取了不超過 5% 的學生
16% 的學校沒有錄取任何 Waitlist 的學生
這一數據相較前幾年來說,有了明顯下降。
那麼問題來了,進入 Waitlist 究竟意味著什麼?為什麼近幾年大學發放的 Waitlist 越來越多?為什麼學生對其又愛又恨?為什麼教育者對其產生越來越多的質疑?
Waitlist 究竟是什麼
在美國大學申請結果的最終階段,除了 Accept(錄取),Reject(拒絕)之外,還有一種大學的 Decision 稱為 Waitlist。這是指,當所有被學校發 Offer 的學生做出決定後,若大學擬定的這屆 Class Size 還未滿,則接受大學 Waitlist Offer 的學生有機會進入這個大學學習。需要明確的是,在 Waitlist 上不代表學生最後真的能進入該大學學習。
為什麼會有 Waitlist
事實上,在申請大學的過程中,誰都無法預測學生將會錄取什麼學校。這就導致了學生會申請多所大學,再在錄取結果都出來之後做出最終決定。
近幾年,隨著申請人數的上升,每個人申請學校的數量也開始上升;面對每一份學生的申請材料,招生官開始難以判斷這份申請是誠懇的,或只是學生隨手遞交的。
對於這樣的情況,招生官的應對措施就是——把學生放入 Waitlist 中。這樣的惡性循環週而復始,每一年進入名單的學生數量都在增加。
大學是如何看待 Waitlist 的
NACAC 前任主席 Jim Jump 認為,對於很多大學來說,Waitlist 更像是一個保險,幫助他們更好地操控自己的入學人數。多數大學並不能過度招人(可能會面臨沒有足夠的教室/宿舍),也不能招人過少(這樣大學經費就可能不夠),因此採取 Waitlist 能夠幫助他們更精確地達到實際入學目標。
為什麼說 Waitlist 造成惡性影響
現在看來,大學的這一措施好像只是他們控制入學人數的一個“實用工具”。但是隱藏在這背後的真相到底是什麼?我們不妨來聽聽 Jim Jump 和 Rhode Island College 招生顧問 Cristiana Quinn 都是怎麼說的。
1.大學開始把 Waitlist 當成自己的 ED3 階段,將 10% - 20% 的學生排除在 Waitlist 之外,以確保自己低的錄取率和高的實際入學率。
2.然而,根據 College Data 的數據,很多大學 Waitlist 的轉正率幾乎為 0,進一步驗證了 Waitlist 的殘酷性。
3.實際上,大學在 Waitlist 這一方面只考慮自己的需求,並不會真正關切學生的想法。比如,若大學發現自己 Accept Offer 的新生中來自國外的女生太少,則極有可能 Waitlist 階段只錄來自國外的女生。
另外,大多數大學會在 5.1 之後才開始放出 Waitlist 的錄取結果。這意味著在這之前,學生必須在一無所知的情況下接受一所大學的 Offer 並支付定金。在這一階段,選擇申請 Financial Aid 的學生,被錄取的概率也會大大減少。
4.越來越多的 Counselor 反應,自己的學生在申請季之後幾乎沒有收到過任何拒信,都是大把 Waitlist,這也側面說明了大學大量放發 Waitlist 且不考慮後果的不爭事實。
論 Waitlist 潛在解決方法
雖然目前並不清楚 Waitlist 是否只是招生方式的一種自然進化,CHE 的前編輯 Jeffery J. Selingo 仍提出,還是有一些從根本上改變招生制度的方法(儘管這些想法也都存在一些問題)。
1.一種想法是,允許那些都想接收同一個學生的學校共享信息。直到20世紀90年代初,許多精英大學都會定期舉行會議,討論這些學生的經濟需求,旨在確保他們可以根據學費以外的因素選擇大學。但在司法部對參與學校提出反壟斷指控之後,這種共享就停止了。
2.另一種想法是,每個大學建立自己的錄取標準,然後將所有合格學生的名字放入“抽獎池”中隨機抽選,直到滿足 Class Size。然而這個系統並沒有考慮到,諸如大學需要招收足夠的運動員來組建一個校隊等實際需求。
3.第三種想法就是建立一個匹配系統,使用計算機算法將學生偏好和項目儘可能緊密地結合在一起,並能各方面排序比對。但是顯然,為超過 300 萬的高中生建立這樣一個龐大的系統無疑是項艱鉅的任務。
4.此外,科技的發展進步往往會被認為是一種解決方案。也許人工智能將會在未來的某一天從 AO 手裡接過招生的接力棒。
最後附上,2017 屆關於 Waitlist 的一些數據統計,希望對 2018 屆的數據預測有所幫助。
閱讀更多 優顧Urgoo 的文章