Also in:
亞洲學生跟家長比MIT更愛看數據。
我們不斷強調，美國大學審核的標準是 “人” 而不是 “數字”，但這個概念對一些人非常難理解。這次我們用 MIT 招生辦公室的副主任 Chris Peterson 在學校官方的入學部落格 mitadmissions.org 裡所寫的文章 “The Difficulty With Data” 試著讓大家理解為什麼透過SAT/GPA等數據看申請表是錯誤的，以及用申請表數據去看申請表的盲點。
MIT 是個理工學院，他們一定比任何人更重視數據跟科學。Peterson 也是一位非常愛好數據的人，他的興趣是研究美式足球跟棒球數據，在科學的世界，他相信科學研究方法，並認為 “大膽假設，小心求證” 是最好、也可能是唯一、理解我們的宇宙的方式。
但做研究時，有時候會遇到的問題是我們無法獲得所有的數據。這可能是因為你沒有這些資源，或者一些數據無法被紀錄。在這種情況下，如果你還要嘗試用不完整的數據去推測出一個模型，你的模型跟結論會符合你的數據，但得到的結論會是錯誤的。
這是人類非常容易犯的邏輯錯誤之一：“因為 A 發生之後 B 接著發生了，表示 B 一定是 A 的結果”。如果用這個錯誤邏輯去思考，那在公雞叫了之後，太陽接著升起，這就代表公雞是太陽神，太陽升起一定是因為這隻公雞有叫所導致的結果嗎？
大學挑人，不挑數字
MIT 其實每年都會公布錄取數據，但 Peterson 也舉一個例為什麼 MIT 的錄取數據會導致錯誤的結論。我們看下面的實際的錄取數據：
學生 SAT 數學分數 vs. 學生錄取率：(2019入學學生數據）
mitadmissions.org
750-800分：8% 錄取率
700-740分：1% 錄取率
650-690分：0% 錄取率
Peterson，Matt McGann (另一位有超過 10 年經驗的 MIT 入學委員)，及我們都說學校在 “挑人” 不是 “看數字”，但外行人看了那樣的數據之後可能會想：SAT 數學考 750-800 的 MIT 錄取率（8%）比考 700-740 分的錄取率（1%）高了 8 倍！所以看數據還是很重要的！Peterson 跟 McGann 說的是錯的！SAT 數學分數要落在 750-800 之間！MIG 說錄取不看數據，但其實他們還是非常依賴數據跟喜歡高分數的學生！”
錯。
大錯特錯。
MIT 不是 “喜歡高 SAT 分數的學生”。MIT 喜歡的學生可能剛好考到很高的 SAT 分數而已。舉例來說，一個在 International Math Olympiad (IMO，國際數學奧林匹亞數學競賽) 中拿到金牌的學生很有機會被 MIT 錄取，他的 SAT 數學能考到 800 分的機率比較大，但這不表示 MIT 喜歡 800 過於 740，只是 MIT 想收的 IMO 金牌學生剛好 SAT 考很高而已。
相同地，因為 MIT 想收 IMO 金牌學生，所以如果這個學生（可能是因為粗心、填錯答案、或批改錯誤）SAT 只考到 740，你猜他有沒機會上？
有，因為 MIT 要的是數學能力頂尖的學生，IMO 金牌就是數學能力頂尖的證明。
那如果這位 IMO 金牌學生（可能是因為粗心、填錯答案、或批改錯誤）SAT 只考到 690，根據 2023 年的錄取數據（0% 錄取率），你猜他有沒機會上？
有，因為 MIT 要的是數學能力頂尖的學生，他只是因為某種原因考砸了 SAT 數學，那個人還是有過人的數學能力，SAT的低數學分數不代表他的數學程度差。
這就是頂尖學校 “不看 SAT” 的意思。
那 GPA 跟在校排名重要嗎？
GPA 及在校排名跟 SAT 分數的概念是一樣的。
數據：2015 學年度的 MIT 畢業生中，有超過一半是高中的全校排名第一，也就是 valedictorians。
看到這裡，數據狂又會說：“抓到了！果然 MIT 等名校就是特別在意在校成績跟排名！”
錯。
但為什麼 MIT 又收這麼多全校第一呢？
因為挑人的意思是著重在一個人的 “能力”（硬實力）跟 “態度”（軟實力）。如果一位學生具備驚人的能力跟態度，他很有可能成為全校第一，但不是
換句話說，一位不具備好的能力跟態度的學生，即是全校第一也上不了名校。一位預備好能力跟態度的學生，即使不是全校第一也上得了名校。
另外，MIT 跟所有名校都在意學生在別人眼中是什麼樣的人，因此學校很在意老師推薦信的品質。一位學生如果具備好的能力（這裡可能指的是課業能力）跟態度（這裡可能指的是班上表現或溝通能力），老師應該就會幫學生寫出一封頂尖的推薦信。
“非常大的比例是全校第一” 這件事是名校在挑他們要的學生的過程所產生的副作用。但學校錄取他們的原因不是 “他們是全校第一”。學校在看的條件（實力跟態度）湊巧是這些學生能成為全校第一的條件（實力跟態度），但兩個結果（”全校第一” 跟 “被 MIT 錄取”）之間不是因果關係。
英文裡有一句話，“correlation does not imply causation”（“相關不代表因果”），意思是兩個看似有明顯相關的事物（當一件事發生，另一件事也跟著發生）不一定表示兩者之間有因果關係。
學生跟家長認為 “GPA、SAT、課外活動等等” 是大學錄取標準，這是一種非形式謬誤：把 “相互關係” (correlation) 誤以為是 “因果關係” (causation)，之後擷取對自己有利的資料嘗試證明自己的觀點是對的（並且忽略對自己觀點不利的資料，並反駁它是錯誤的）。每當 MIT 公佈錄取數據，局外人就會試著拿這些數據去做猜測，而這些猜測幾乎都是錯的。
如果 MIT 公布 2010 到 2011 年每個州的錄取率，學生會發現威斯康辛州的錄取率增加了 2%。這表示 MIT 開始比較喜歡威斯康辛州的學生了嗎？當然不是。“來自威斯康辛州” 在大學做錄取考量的過程中會是多個考量因素之一，這就是我們不斷不斷強調 “整體考量” (holistic admissions) 的重要性：大學會看學生的每一件事。
當 MIT 公布 “SAT 數學 750-800 分數的錄取率是 8%”，這不表示任何 SAT 數學考到 750-800 的學生都有 8% 的錄取率，而是表示全部申請 MIT 的學生中，有 8% 的學生的 SAT 數學分數在 750-800 範圍內。這兩件事乍看之下是相同的，但一個人必須要理解它們之間的差異才能理解名校大學真正錄取學生的方式。
看數據只能看到錄取結果的 “形狀”，但看不到實際評估學生的方式。
Peterson 在文章中提到 Alex 也非常常說的一句話：“學生最愛問的 ‘我有 X 的 SAT 跟 Y 的 GPA，我進 Z 學校的錄取率有多大？’ 是一個沒有人能夠回答的問題”。要知道錄取率這個問題的答案，一個人必須知道這位學生關於 SAT 跟 GPA 以外的所有資料。
“那為什麼大學不直接公布學生所有的資料？是不是看了所有數據就能夠預估錄取率了？”
但，大學要怎麼 “公布所有資料”？大學要如何用數據去量化一位老師對學生的好感度？當學校從一篇非常動人的大學作文中感受到學生的毅力、或透過一篇非常幽默的大學作文喜歡學生的個性，大學要怎麼有效的用數字給學生一個分數？即使入學委員在看完學生的申請表之後給學生的 “領導力” 一個 1-5 分的分數，這個看似客觀的數字最終還是入學委員主觀的分數。
喜歡看到數字跟數據的學生跟家長一定不滿意這個答案，但你別忘了 MIT 畢竟是一個喜歡數據跟數字的研究型理工學院，如果真的有數據可套公式或模型計算學生的錄取率，MIT 應該早就發明出這種公式或模型了吧！
這世界上有很多東西是可以透過實驗跟數據去預測的，像是物理。我們可以正確預測一顆球自由落體的速度。
但有些東西，即使有再多數據，我們還是無法正確預測，像是氣象、自然災害、或藝術比賽。氣象只能透過數據說 “颱風預計今晚會登陸台灣東岸，宜蘭以北預計會有100毫米的雨量及十級陣風”，但實際颱風路線跟降雨量非常可能會變。藝術比賽會訂出規則，在藝術的世界中有一些技術或畫法是會加分的，但不是每個符合規則或這些畫法的人都能得到評審的親睞，得冠軍。
大學錄取跟氣象和藝術相同。過程中，透過數據，你可能可以知道這位學生的 “雛形”，但有參考價值、而且可以用同個客觀標準審核的數據非常有限，在掌握入學委員所擁有的幾百項關於一位學生的資料，並且與上萬位申請生交叉比對之前，去猜測錄取率是非常無意義的。在資訊不足的情況下，與其花時間做盲目的猜測，不如把這些時間花在提升自己的實力跟個性上！
延伸閱讀：
Also in: