數據分析涉及到概率統計和時序分析等學科中很深的數學知識,本文在此不做深入討論。要理性填報志愿,正確進行數據分析,必須注意以下幾個誤區。
誤區一:只用一年數據的誤區
應對策略:至少用三年,最好用四至六年的原始錄取數據
如果只用一年的數據,偶然性的因素不會排除,招生錄取的“大小年”現象無法回避,至少要用四到六年的數據。
所謂 大小年的現象 ,就是高校招生中某個或某些學校的招考人數很不穩定,起伏很大。某一年填報該校的人數比計劃招生數高出許多倍,直接結果是當年的錄取分被抬得很高,這一年稱之為大年。由于上一年錄取分高,競爭異常激烈,使下年許多考生望而卻步,不再報考該校了,帶來的結果是參與競爭的人少,錄取分相應就降下來,我們將其稱之為小年。再下一年的考生看到頭一年的錄取分不高,可能報考的人又多了 …… 如此循環,報考人數和錄取分起伏十分明顯,就形成了所謂的大小年現象。
誤區二:使用最低分的誤區
應對策略:至少要用平均分
最低分這個指標,從邏輯與數學的意義而言,是能否上一個院校(或專業)的 必要條件 ,只能起到 否定 的作用(不能上),這不是我們考生和家長的目標。我們追求的目標是應該有 90% 以上的概率能上學!是一種 肯定 ,而不是 否定 !而我們大多數人的思維定勢往往是想以最低的成績上最好的院校。從感性而言可以理解,但從理性來講,不夠明智。
而平均分是一個 充分條件 ,能起到 肯定 的作用(但應注意,這種肯定是統計學意義的肯定)。同時,應該注意,平均分也有其局限性。
誤區三:平均分算法錯誤的誤區
應對策略:所有考生的實際平均值
平均分并不是最高分與最低分的幾何中心(最高分與最低分的算術平均),而是低于幾何中心位置。有的學者提出了 3/8 方法、 2/5 黃金線法等,有一定的合理性,最好的方法是大數據分析法----使用所有考生的實際平均值。
另外,由于最高分與最低分(屬于極端值)的不可靠性和偶然性,在數據分析的過程中,應該按極端值處理的方法進行。最簡單的事例是,在各種競賽的評比中,經常用去掉一個最高分、去掉一個最低分,就是這個道理。
在志愿填報實踐中,要盡力避免數據分析的各種誤區,綜合應用線差法與位次法,克服各種方法的缺點,整體考察,宏觀把握!事實上,高考(課程)志愿填報從數學的觀點而言,是一個無解的題目,我們所努力的方向是盡量減少誤差、減少填報志愿過程中的失誤。
大家愛看