填报志愿常见问题及应对策略下，志愿填报大数据背后的判断法则

本内容由小编为大家分享关于招生简章、录取分数、报名考试、志愿填报等教育信息。

志愿填报中数据分析的误区及应对策略

　　误区一：使用最低分的误区

　　应对策略：至少要用平均分

　　最低分这个指标，从逻辑与数学的意义而言，是能否上一个院校(或专业)的必要条件，只能起到否定的作用(不能上)，这不是我们考生和家长的目标。我们追求的目标是应该有90%以上的概率能上学!是一种肯定，而不是否定!而我们大多数人的思维定势往往是想以最低的成绩上最好的院校。从感性而言可以理解，但从理性来讲，不够明智。

　　而平均分是一个充分条件，能起到肯定的作用(但应注意，这种肯定是统计学意义的肯定)。同时，应该注意，平均分也有其局限性。

　　误区二：平均分算法错误的误区

　　应对策略：所有考生的实际平均值

　　平均分并不是最高分与最低分的几何中心(最高分与最低分的算术平均)，而是低于几何中心位置。有的学者提出了3/8方法、2/5黄金线法等，有一定的合理性，最好的方法是大数据分析法----使用所有考生的实际平均值。

　　另外，由于最高分与最低分(属于极端值)的不可靠性和偶然性，在数据分析的过程中，应该按极端值处理的方法进行。最简单的事例是，在各种竞赛的评比中，经常用去掉一个最高分、去掉一个最低分，就是这个道理。

　　误区三：只用一年数据的误区

　　应对策略：至少用三年，最好用四至六年的原始录取数据

　　如果只用一年的数据，偶然性的因素不会排除，招生录取的“大小年”现象无法回避，至少要用四到六年的数据。

　　所谓大小年的现象，就是高校招生中某个或某些学校的招考人数很不稳定，起伏很大。某一年填报该校的人数比计划招生数高出许多倍，直接结果是当年的录取分被抬得很高，这一年称之为大年。由于上一年录取分高，竞争异常激烈，使下年许多考生望而却步，不再报考该校了，带来的结果是参与竞争的人少，录取分相应就降下来，我们将其称之为小年。再下一年的考生看到头一年的录取分不高，可能报考的人又多了......如此循环，报考人数和录取分起伏十分明显，就形成了所谓的大小年现象。

　　在志愿填报实践中，要尽力避免数据分析的各种误区，综合应用线差法与位次法，克服各种方法的缺点，整体考察，宏观把握!事实上，高考(课程)志愿填报从数学的观点而言，是一个无解的题目，我们所努力的方向是尽量减少误差、减少填报志愿过程中的失误。

高考招生网Www.ZhaoSheng.net提供最新高考成绩查询时间,高考成绩查询入口,高考信息,高考志愿填报指导,高考政策,高考分数线,高考录取人数,高考真题,高考作文,高校招生报名信息。