利用人工智能从大学申请论文中预测GPA

Jonah Berger和Olivier Toubia使用自然语言处理来理解是什么推动了学业成功。大学申请论文涵盖更多的语义基础预示着更高的成绩。同样，文章中连续部分之间的概念跳跃越小，分数越高。

　　

Jonah Berger和Olivier Toubia使用自然语言处理来理解是什么推动了学业成功。作者分析了一所大型公立大学的2万多篇大学申请论文，这所大学吸引了来自不同种族、文化和经济背景的学生，他们发现，写作的语义量，或者一篇申请论文涵盖了多少内容，可以通过平均绩点来预测大学成绩。

涉及更多语义基础的论文预示着更高的分数。同样，文章中连续部分之间的概念跳跃越小，分数越高。即使研究人员控制了包括SAT分数、父母教育程度、性别、种族、大学专业、论文主题和论文长度在内的因素，这些趋势仍然存在。

其中一些因素，如父母的教育程度和学生的SAT分数，编码了有关家庭背景的信息，这表明语义量和速度的语言特征并不仅仅由社会经济地位决定。根据作者的说法，研究结果表明，思想的地形，或者人们表达和组织想法的方式，可以为他们未来可能的成功提供洞察力。