GPA演算法是如何成為通用學業能力評價指標的？這個演算法的局限性那麼明顯，為什麼還沒被取代？

沒看到想要知道的信息。比如第一個分問題：GPA演算法是如何成為通用學業能力評價指標的？我期望的答案是這樣的：XX年以前，人類使用XXX演算法來評價學業能力的，XX年，XX提出了一個新的標準，並且將這個標準用在了XXX大學，這個大學當時就很屌，或者後來變得很屌，或者出了個把很屌的人，或者這個演算法相對原演算法有明顯優越性，以至於這個演算法慢慢被其他大學應用。隨著大學的普及，大學間的交流越加頻繁，公認的標準逐漸存在了必要性，而大學間交流機構也開始產生，XXX學術組織宣布將GPA當做其認可的評價方式——這件事大大推進了GPA演算法的普及。中國本來一直使用XXX制度的，但是隨著國際交流的增加，於XXX年，教育部出台了《關於大學間成績換算的通知》，正式要求所有學校按照這種方法核算學生成績。以上為第一問，以下解釋第二問。局限性主要是指不反映課程給分的鬆緊，甚至客觀上催生了一大批除了會打高分外一無是處的老師。

原來題主說的局限性是指不能反應給分嚴還是松？

那看排名好嘍。

而且我在台灣交換的時候他們是把最後成績按正態分布的形式重新轉換一下，然後就保證每一屆學生的成績分布是一致的，這樣就解決了題主說的問題。

好像海南省以前高考的時候也是這樣的。

但是後來取消了，因為……家長沒學過正態分布，不懂這是什麼亂七八糟的……

所以排名+學校知名度就完全可以解決題主的質疑啦。

--------------------------------------------------------------

不太清楚題主說的局限性在哪，我們學校是百分制，所以我的理解是題主覺得百分制衡量學生水平更精確，而GPA的計算方法不夠精確？（是不是已經跑題了）下面就腦洞大開，利用大三時候學的丁振良先生的《誤差理論與數據處理》分析一下。

首先大學各科考試可以看作對學生學習能力的重複多次測量，不同測量的權重（學分）不一樣。而人的學習能力應該是從低到高連續的，無論是GPA還是百分制都是對這個連續數據的離散化測量（工科叫量化）。在這個量化過程中，肯定會存在誤差。

誤差分為系統誤差、隨機誤差和粗大誤差，這個例子中可以認為系統誤差是同一科目不同年份考試題目難度的差異；隨機誤差是某個學生可能由於風水不好運氣不好等等各式各樣的原因，考試成績與其實際能力的差別；粗大誤差忽略不計吧。

具體推導過程我不太記得了，結論是

• 通過求加權平均值的方法可以減少隨機誤差，提高測量精度

• 如果測量數據比較多（比如大學裡面有五六十門課吧），那麼比較精細的量化（百分制）和比較粗略的量化（GPA演算法）產生的不確定度是一樣的，通過減小量化距離有助於，但是不能顯著改善測量結果

因此

• GPA演算法和百分制加權演算法在測量結果的精確度上面基本沒有差異
• 過程中系統誤差可以消除，可以通過正態分布的方法重新調分，就是讓同一科目不同年份整個系的平均成績相等，然後根據新的模型重新調整單個同學的成績（記得之前看新聞海南省的高考成績以前就是這樣調分的）

我只是工科學渣一枚，請數學系大神指教加敲打。

不談GPA演算法的利弊，已知現在GPA是一種通用的學業能力評價指標，如果要取代他，至少要滿足

1、取代它的演算法對它具有優勢，也就是說學校/企業等這些GPA演算法的使用者，如果使用了新的演算法，能夠更好（效率）或更方便（成本）地分辨出自己需要的學生。

2、置換成本可承受。因為GPA已經是個通用指標了，這些都是大學自行計算和輸出的。假設一家企業發現了一個新的演算法，但是它很難要求所有大學幫它進行相關的計算。那麼他就只能麻煩學生自己算一算然後找學校驗證一下。學校表示：你逗我呢，GPA這麼好的演算法你不用，搞什麼幺蛾子？╮(╯▽╰)╭