Arnel R. Canicosa
Julian J. Meimban III
Jachelle Anne D. Terrago
New Era University
How to Cite:
Canicosa, A. R., Meimban, J. J., III, & Terrago, J. A. D. (2022). Ang predictive power ng college admission test sa academic performance ng mga mag-aaral sa unang taon. NEU Likha Journal: A Refereed Journal of the New Era University School of Graduate Studies, 1(1), 53–66.
Abstrak
Sinuri kung ang Numerical Ability (NA), Language Usage (LU), Verbal Reasoning (VR), at IQ sa College Admission Test na ginagamit ng isang Pamantasan ay predictors ng general weighted average (GWA) ng mga mga mag-aaral na nasa unang taon sa kolehiyo sa unang semestre ng taong panuruan 2016-2017. Mula sa datos ng walumpo’t apat (84) na randomly selected na mag-aaral, isang prediction model ang nabuo gamit ang multiple linear regression analysis (simultaneous method). Ang sample ay kinuha sa lahat ng kolehiyo ng Pamantasan ayon sa proportionate stratified random sampling technique. Mula sa mga alternative models na sinubukan, ang linear combination ng NA at VR lamang ang nakatugon sa mga assumptions. Ang prediction model ay may highly significant F-test [F(2, 81) = 21.266, p < .001] at Adjusted R2 na 0.328, nasa pagitan ng medium at large effect size (Cohen, 1992). Ang mga baryabol na NA (t = -3.944, p < .001) at VR (t = -2.678, p = .009) lamang ang significant predictors. Batay sa standardized beta coefficients ng NA at VR, higit ang predictive power ng NA (-0.404) kaysa VR (-0.274). Subalit, bagaman highly statistically significant ang VR, maaaring walang gasinong practical significance ito dahil ang upper bound ng 95% CI ng kaniyang beta coefficient ay halos zero (-0.003). Kung magkagayon, ang VR ay maituturing na rin na walang predictive power at ang NA na lang ang natitirang may practical predictive value sa College Admission Test na ginagamit ng Pamantasan. Iminumungkahi na gawan ng validation study ang pagsasaliksik na ito at kung makumpirma ay i-upgrade o palitan na ang College Admission o Entrance Test na ginagamit ng Pamantasan at i-review ang admission policy nito.
Mga Susing Salita: simultaneous multiple regression, College Admission Test, proportionate stratified random sampling
Sa kasalukuyan ay maraming unibersidad ang gumagamit ng entrance exam bilang batayan sa pagtanggap ng isang mag-aaral sa isang kurso. Ipinalalagay ng marami na ang entrance exam ay sukatan ng kakayahan ng isang mag-aaral (Morgan, 2017). Dahil sa ganitong isipan patuloy na ginagamit ang entrance exam ng maraming unibersidad na batayan sa pagpili ng mahuhusay na mag-aaral. Ito rin ang batayan sa paglalagay nila kung ano ang kursong dapat piliin ng isang mag-aaral na nakapasa sa kanilang pamantayan. Subalit may kinalaman kaya ang entrance exam sa pagtaya ng tunay na kakayahan ng isang mag-aaral?
Base sa isang pananaliksik, ang mataas na marka o, sa high school ay batayan para malaman ang tagumpay ng isang mag-aaral (O’Shaughness, 2014). Sinabi naman nina Randhawa at Birari (2014) na ang resulta ng entrance exam ay walang kaugnayan sa kaniyang pagtatapos sa MBA. At dahil dito, ay iminungkahi niya na suriin ng mga paaralan ang kanilang admission policy. Sa isa pang pag-aaral, sa larangan ng Engineering at Social Science, nalaman na malaki ang kaugnayan ng entrance exam upang mahulaan ang tagumpay o kabiguan ng mga mag-aaral sa mga larangang ito (Hakkinen, 2004).
Sa pag-aaral naman na ginawa nina Jones at Kadhi (2009), lumitaw na ang entrance exam ay hindi sapat na batayan upang mahulaan kung magtatapos o magiging matagumpay ang mag-aaral. Sa China ay mahigit na 9 na milyon katao ang kumukuha taun-taon ng gaokao (entrance exam) upang makapasok sa kolehiyo o kaya ay matanggap sa trabaho (Jiang, 2012). Maging sa Amerika at sa Europa ay napakaraming kolehiyo ang gumagamit ng entrance exam na batayan sa pagtanggap ng isang mag-aaral. Ang GRE, NMAT, ILTS, TOEFL ay ilan lamang sa mga pagsusulit na ibinibigay sa mga magpapatuloy sa pag-aaral sa kolehiyo at sa graduate programs. Sinabi naman ni Erguven (2012) na ang entrance exam at ang GPA (grade point average) ay walang malaking kaugnayan.
Mapapansin natin sa mga isinagawang pag-aaral na mayroong naninindigan na ang sukatan para malaman ang tagumpay ng mag-aaral sa kolehiyo ay ang mga grado niya sa high school. Mayroon namang nagsasabi na ang entrance exam ay may malaking kinalaman upang malaman kung sino ang magiging matagumpay sa kolehiyo. Kaya sa pag-aaral na ito ay sinuri kung ang isang admission test o entrance exam ay predictor ng academic performance o hindi.
Yamang ang resulta ng College Admission o Entrance Test ang isa sa ginagamit na pamantayan sa pagtanggap ng potensyal na mahuhusay na mag-aaral sa isang Pamantasan, nais malaman ng nagsusuri kung ang College Admission Test na ginagamit ay may kaugnayan sa academic performance ng mga mag-aaral sa kolehiyo. Ang general weighted average (GWA) ang ginamit na panukat ng academic performance. Ang mga bahagi ng Admission Test na sinuri at tinaya ay ang Numerical Ability (NA), Language Usage (LU), Verbal Reasoning (VR), at IQ. Nilayon ng pag-aaral na ito na sagutin at subukin ang sumusunod na tanong at hypothesis:
Gaano kabisa ang linear combination ng NA, LU, VR, at IQ sa pag-predict ng GWA, α =.05?
Ho: Walang statistical significant predictive power ang linear combination ng NA, LU, VR, at IQ sa GWA (βi = 0, i = 1, 2, 3, 4).
Ha: Hindi lahat ng β’s ay zero.
Metodo
Disenyo ng Pananaliksik
Ang pag-aaral na ito ay isang correlational study kung saan ang sekondaryang datos ng mga mag-aaral ay sinuri gamit ang multiple linear regression upang masagot ang tanong sa pananaliksik at subukin ang hypothesis.
Populasyon at Sampol
Ang populasyon sa pag-aaral na ito ay lahat ng mga mag-aaral na nasa unang taon sa kolehiyo sa unang semestre ng taong panuruan 2016 – 2017. Walumpo’t apat (84) ang ginamit na sample. Ito ay ibinatay sa power = .80, α = .05, effect size (ES) = .15 (medium) para sa multiple regression analysis na may apat (4) na independyenteng baryabol (Cohen, 1992). Ang sampol ay pinili sa pamamagitan ng proportionate stratified random sampling technique kung saan ang sampol ay ibinahagi sa mga kolehiyo ng pamantasan na nagsilbing strata (Talahanayan 1).
Pangangalap ng Datos
Ang GWA ng mga mag-aaral na nakabilang sa sampol ay kinuha mula sa students’ academic record na nasa pag-iingat ng Registrar’s Office ng Pamantasan. Ang resulta naman ng kanilang Admission Test ay kinuha sa Guidance & Counseling Department ng Pamantasan. Gumawa kami ng mga sulat-kahilingan sa mga kinauukulan upang makuha ang mga datos na kailangan. Ang bilang ng items sa bawat bahagi ng Admission Test ay ang sumusunod: NA, 40; LU, 60; VR, 50; at IQ, 46.
Pag-aanalisa ng Datos
Multiple linear regression analysis ang ginamit sa pagbuo ng prediction model. Ang dependyenteng baryabol ay ang GWA at ang independyenteng baryabol ay NA, LU, VR, at IQ. Bago sinimulan ang modeling process, tiniyak muna na ang linearity assumption ay natugunan. Sa paunang pagsusuri ng datos, natukoy na ang GWA ay mayroong significant negative linear relationship sa NA (r = -.535, p < .001), LU (r = -.309, p = .004), VR (r = -.467, p < .001), IQ (r = -.246, p = .024). Dahil dito, ang apat na independyenteng baryabol ay sabay-sabay na ipinasok sa proposed model (Model 1) sa paraan ng simultaneous multiple regression method.
Pagbuo ng Regression Model
Ang proposed model 1 ay may Adjusted R2 na 0.314, nangangahulugang 31.40% ng variation ng GWA ay naipapaliwanag ng apat na independyenteng baryabol na ginamit. Ang regression model na ito ay highly significant, [F(4,79) = 10.49, p < .001], ibig sabihin, ang linear combination ng apat na predictors ay nakaka-predict ng GWA. Subalit, napansin sa Coefficients Table na hindi significant predictors ang VR (t = 0.394, p = .695) at IQ (t = 0.370, p = .712) sa ganang kanilang sarili lamang. Batay sa collinearity diagnostics, ang tolerance value ng LU (0.565) at VR (0.445) ay mas mababa sa (1-Adjusted R2) na 0.686. Gayundin, ang kanilang Variance Proportions sa Dimension 4 ay mataas (LU = 0.83, VR = 0.43). Ang mga numerong ito ay nagpapahiwatig na ang LU at VR ay may collinearity problem. Upang malunasan ang collinearity problem ng LU at VR, sinubukan na ang average nilang dalawa ang gamitin bilang predictor variable, tinawag na LUVR, na ginamit sa Model 2. Ang paggamit ng LUVR ay hindi naging lunas sa collinearity problem dahil ang Tolerance nito na 0.635 ay mas mababa sa (1 – Adjusted R2) na 0.70.
Sinubukan na hindi isama sa equation ang LU sa Model 3 kaya ang ginamit na lamang na predictors ay NA, VR, at IQ. Ang Adjusted R Square (0.321) ay tumaas ng bahagya kumpara sa Model 1 (0.314), subalit ang IQ ay hindi significant predictor (t = 0.394, p = .695). Dahil dito, sinubukan naman ang combination ng NA at VR bilang predictors.
Sa pinal na model nakita na significant predictors ang NA (t = -3.944, p < .001) at VR (t = -2.678, p = .009). Highly significant din ang regression model [F(2, 81) = 21.266, p < .001] at ito ang nakapagtala ng pinakamataas na Adjusted R2 (0.328) kumpara sa lahat ng models na sinubukan.
Diagnostic Checking
Sa bahaging ito ay sinuri kung natugunan ng pinal na model ang mga sumusunod na assumptions: (1) no extreme multicollinearity o collinearity, (2) no autocorrelation, (3) residuals normally distributed, (4) no extreme outliers, at (5) homoscedasticity. Ang tolerance value ng NA at VR (parehong 0.772) ay mas mataas kaysa (1 – Adjusted R2) na 0.672 na nagpapakakita ng kawalan ng collinearity problem. Ang Durbin-Watson na 1.597 na nasa range na 1.5 hanggang 2.5 ay nagpapakita na ang regression model ay nakatugon sa assumption na no autocorrelation. Ang regression model ay nakatugon din sa assumptions na normality of residuals (Pigura 1) at walang extreme outliers (Pigura 2) at constant error variance (Pigura 3).
Resulta at Diskusyon
Ang prediction model na nabuo ay ang sumusunod:
GWA = 2.564 – 0.022(NA) – 0.013(VR)
Ang linear combination ng NA at VR ay significantly nakaka-predict ng GWA [F(2, 81) = 21.266, p < .001] at nakakapagpaliwanag ng 32.80% ng variability ng GWA. Ayon kay Cohen (1992), ang Adjusted R2 na ito ay nasa pagitan ng medium at large effect size.
Batay sa Standardized Beta Coefficients (Talahanayan 2) ng NA at VR, higit ang predictive power o contribution ng NA (-0.404) kaysa VR (-0.274) sa pag-predict sa GWA. Subalit, bagaman highly statistically significant ang VR, maaaring walang gasinong practical significant ito dahil ang upper bound ng 95% confidence interval ng kaniyang beta coefficient ay halos zero (-0.003). Kung magkagayon, ang VR ay maituturing na rin na walang predictive power at ang NA na lang ang natitirang may practical predictive value sa College Admission Test na ginagamit ng Pamantasan.
Sa apat na bahagi ng College Admission Test na ginagamit ng Pamantasan, ang Numerical Ability at Verbal Reasoning lamang ang nakitang may statistically significant predictive power. Higit ang predictive power ng Numerical Ability kaysa Verbal Reasoning. Subalit, bagaman highly statistically significant ang predictive power ng Verbal Reasoning, maaaring wala itong practical significance. Ang Language Usage at IQ ay walang significant predictive power. Iminumungkahi na gawan ng validation study ang pagsasaliksik na ito at kung makumpirma ay i-upgrade o palitan na ang College Admission o Entrance Test na ginagamit ng Pamantasan at i-review ang admission policy nito.
Mga Reperensiya
Cohen, J. (1992). A Power Primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155
Erguven, M. (2012). Comparison of University Entrance Examination Scores with Graduate Students’ GPA and Effects on Students’ Success. Journal of Technical Science and Technologies, 1(1), 33-37. https://doi.org/10.31578/.v1i1.33
Häkkinen, I. (2004). Do university entrance exams predict academic achievement? (Working Paper Series 2004:16). Uppsala University, Department of Economics.
Hein, V., Smerdon, B., & Sambolt, M. (2013). Predictors of Postsecondary Success. College and Career Readiness and Success Center. American Institute of Research.
Hyman, J. (2016). ACT for All: Effects of Mandatory College Entrance Exams on Postsecondary Attainment and Choice. Department of Public Policy. University of Connecticut.
Jiang, K. (2012, July 8). China’s entrance exam is more competitive than ever. The World View. https://www.insidehighered.com/blogs/world-view/china%E2%80%99s-entrance-exam-more-competitive-ever
Jones, L., & Kadhi, T. (2009, March 27-28). Evaluating the relationship between THEA Scores and Graduation Rates among College Students [Paper presentation]. Annual Meeting of the National Association for Multicultural Education, Prairie View, Texas, University. USA.
Morgan, T. (2017, February 2). Cambridge University brings back entrance exams amid struggle to identify brightest students. The Telegraph. https://www.telegraph.co.uk/education/2016/03/14/cambridge-university-brings-back-entrance-exams-amid-struggle-to/
O’Shaughnessy, L. (2014, February 19). Confirmed: High School GPA’s Predict College Success. MoneyWatch CBS News. https://www.cbsnews.com/news/confirmed-high-school-gpas-predict-college-success/
Randhawa, S. R., & Birari, A. (2014). Correlation of Academic Performance with Entrance Exam of MBA Student. Epra International Journal of Economic and Business Review, 2(8).
