重要说明

【1】本系列的文字全部覆盖。本科招生，不覆盖专科学校。招生；

【2】本系列文字适用于“原高考”模式、“3 1 2新高考”模式。 “33”高考模式只有参考意义，请勿照搬。

0 .前言：这篇文章共12000多字，篇幅很长。 但它完全涵盖了高考志愿填报所需的数据整理过程和方法，并对相关知识点进行了扩展说明。 花点时间，请耐心阅读。 我想一定能帮上忙。

1 .为什么要准备数据，如何填写高考志愿，很多父母都有些头昏脑胀。 因为觉得“道乐”太多了，非常繁杂。 其实，就像枝繁叶茂、藤蔓茂盛的大树一定会有根脉一样，高考志愿书的制作方法和依据也是有根据的。 就是学生高考总分排名，高中和专业录取排名，高中和专业录取人数，高中和专业质量。

名次：高考总分由高到低排名后，形成的名次

高考志愿填报的目的--- -丢掉枝蔓---其实就是根据自己的高考成绩排名，找出录取排名高于自己成绩排名且质量最好的高中和专业。 打个比方，就是为“萝卜”找一个正好可以放的洞。 而且这个洞土壤尽量肥沃，水分充足。

要达到这个目的，显然必须准备相关数据。

这四种数据是最重要的数据。 除此之外，还有当年高考政策的变动、部分“黑天鹅”事件的影响等“无关紧要”的数据吧。 这些数据平时就可以小心积累，用于“校正”自己准备的数据。

2 .什么时候准备数据？ 高考总分出来了，应该等高考总分出来后再整理这些数据吗？

不。 其理由是中国有近3000所高中，各大学每年招生的专业有几个到几十个。 同时高中和专业的选择需要考虑高中质量、个人兴趣、家庭状况等因素，时间不充裕。

正确的做法是在高考前的时间准备数据。 “高考总分”这一重要数据可以通过月考、一键式数据进行估算。

就像一个公司做预算一样，这些数据的准备工作也可以理解为与高考志愿填报的“预算”相同。

【插入知识点】

上面重复使用了“排序”一词。 这里涉及到高考是选拔考试，不是达标考试的重要概念。 根据高考成绩进行排名，按照名次(名次)从上至下排列优先顺序(录取 )是高考)招生的基本原则。 每年的高考，根据考试问题的难易度等不同，每年的分数分布也不同。

例如，广东省2019年理科630分的最低排名为2606，而2020年相同分数的排名为8145，相差很大。

一言以蔽之，分数用于排行榜，决定录取结果的是排行榜。

但是，官方包括很多数据在内都使用了“分数”，如何从分数中知道排名呢？ 一方面，高考成绩通知将同时给予分数和名次，另一方面，各省每年高考录取时都会发布“分数段统计表”，也就是所谓的“一分一段表”，根据分数从查询开始排序。

TIPS :总分相同的情况下，将单科分数按一定顺序比较形成最终名次。

3 .准备什么样的数据？ 准备的数据分为四类：高考总分排名数据、大学和专业录取排名数据、大学和专业录取人数数据、大学和专业质量数据。

高考总分排名数据

这个数据是值得推算的，具体方法将按文字说明。

高中及专业录取排名数据

高中最低录取分排名实际上是该高中“最冷门”专业最低录取分排名。 因此，关于高考的志愿，需要准备所希望的专业最低录取分的名次。

同一所高中的同一专业，历年最低录取分排名肯定各不相同，但同时也在一定范围内。 一般需要整理过去三年的高中和专业录取名次数据，以便本年度志愿者申报使用。

高中及专业录取人的数据

大学和专业录取人的人数往往会影响录取的最低得分。 一般来说，假设某高中某专业招生人的人数增加，则其录取最低部分下降(名次值变大)。 这个很容易理解。

同样，即使是同一所高中的同一专业，历年的(录取 )人数也会有变动，所以也有必要整理过去3年的高中和专业)录取的人数。

高校及专业质量评估数据

实际上，大学和专业历年的(录取 )排名是最客观的质量评价指标，大学的好专业越好，其(录取 )排名就必然靠前。

此外，还可以使用大学所在地区、大学评价和大学学科评价数据来评价大学和专业的质量。

有利于学习和就业的地区有首都、省会城市和一线城市的“标签”。 华南区、华东区； 珠三角、长江三角洲、京津冀； 粤港澳大湾区……等这些“标签”可以用来评价高校所在地区的质量。

中国大学官方评估经过211，985后发展到当今世界一流学科建设/世界一流大学建设。 民间也存在各种类型的大学排行榜，但这一评价无疑更为全面和权威，可用于大学质量评价。

教育部先后组织了4次高校专业学科评估(第四次于2017年完成)，该评估采用多项指标对各高校专业学科质量等级(从A ~C-开始)进行评定。 因此，该评价结果可用作高校专业的质量评价。

4 .怎么准备？ 数据的准备可以分为数据粗筛、数据细分两个阶段。 整个过程，实际上是从近3000所高中中，从符合条件的一批高中和专业中进行筛选，形成志愿的候补高中和专业的“池子”，形成高考志愿的“预算”。

5.1数据粗筛阶段-概述此阶段的目的是筛选一批可能报考的高中。 要完成此操作，请执行以下操作：

1 .收集前三年的《分数段统计表》

2 .进行高考总分排名预估

3 .根据高考总分排名预期，估算总分排名变化范围

4 .整理高校专业质量相关数据

5 .整理前一年高中最低录取分名次数据

6 .根据总分排名变化范围，采用上年高校最低录取分排名数据，筛选出符合报考条件的高校。

例如，在预计自己总分排名变化范围为2000~5000的情况下，最低录取分的排名可以筛选出在2000~5000范围内的高中

7 .根据个人对高中及专业质量的个性化要求，从上述高中中进一步筛选出符合要求的高中。

例如，我希望你在报纸上读珠三角的高中。

5.2数据粗筛阶段-分数级统计表“分数级统计表”--是收集俗称“一分一级表”，在数据准备过程中许多环节使用的基础数据。 利用这个可以进行与总分查询相对应的排名，也可以按照名次查询得出相对应的总分。

每年高考各省考试院都会公布当年的数据。

应该注意的是，文科、理科、艺术、体育系是各自独立的表示。 理由也很简单。 因为这些考生虽然各有排名，但大学对这些学科专业的招生计划、招生工作也是各自独立制定和进行的。

所以，自己的选修课(句子？ 理？ 艺术？ 体育？ 我去收集过去三年的对应表。

例如，文科学生只需要收集过去三年文科分数的统计表。

那么，实施“312”新高考模式的省份该如何收集呢？ 答案是，选择物理的、历史的，分别收集理科、文科的表即可； 选择艺术、体育类的东西没有变化。

具体的收集方法很简单。 各省考试院的官方网站就可以了。查询获得过去三年的表格数据。

其实，互联网上各省的这个数据有很多。 我查了一下，有一个很大的东西。 但是，为了避免信息传递的错误，建议从官方网站上获取。

【插入两个知识点】

312关于实行新高考模式的省份，过去的历史数据还有用吗？

结论先说，完全，绝对有用。

*本系列文字以“数据准备”为主题，这一点内容太多，不适合在此展开。 之后，逐字说明。

另外，在“数据粗筛阶段”，更没有这种担心。 这个阶段的目的是“筛选一批可能报考的高中”，不能太粗太细。

312对于实行新高考模式的省份，为什么不在粗筛阶段整理选修课要求数据？

还是这个阶段的目的，一批是通过筛选符合录取排名、质量要求的高中来决定的。 也就是说，在这个阶段整理数据的“粒度”要求的是“高中”而不是“专业”，选择学科要求的是“面向专业”。 因此，可等到细分阶段，再结合专家录取排序、选修课要求等，筛选出不符合要求的高校和专家。

上述实际上形成了以下各个环节所隐藏的原则。 尽量“粗筛”，宁多不多。

5.3数据粗筛阶段-高考总分排名和范围为：进入高三，逐步开展月考、多校联考、一模二模。 其中，前两个给出总分在校内的排名，一模一样的同学给出总分在市内的排名。

无论是校内排名还是市内排名，都与省排名有很大的相关关系。 高考招生是以省为单位的，所以省排名是高考总分排名。

当然，这种相关关系并不一定正确，同时学生的成绩也会发生变动。 但是，这种不准确性是可以接受的，因为在这个阶段，估算排名和上下变动排名的目的是筛选一批学校。

拿到月考总分排名后，咨询老师或前辈在学校XXX的排名大概是多少？ 可以问这样的问题。 获得1型或2型总分排行榜后，咨询的问题会这样。 市内XXX的排名大致是多少省排名？

很多城市都有换算成省排名的“计算公式”。 请注意，该公式是根据历史数据统计创建的，结果是估计值而不是精确值。 这也是估算排名的好方法，如果有的话建议使用。

咨询的结果是高考总分排名的估算。

下一个问题是，如何上下波动地估算高考总分排名范围内？

方法是：

1 .使用上年度“分数段统计表”，按名次推算，获得对应查询的高考总分；

2 .根据平时对孩子成绩情况的了解、与孩子的讨论分析，根据目前成绩估算可能增加的分数、可能降低的分数，估算总分的最高分、最低分

注意：这个估计很悲观，不乐观。

3 .从上述最高点、最低点开始，使用上一年度的“分数段统计表”，根据分数查询获得对应的名次。

预计这将确定高考的排名范围。

也可以追加使用前2年、前3年的“分数段统计表”，用同样的方法分别估算位次范围，合并到最“广”的范围中。 例如，如果使用2020~2018年的“按分数统计表”计算出的位次范围分别为2000~5000、3800~8000、4400~7000，则最终确定范围为2000~8000。

5.4数据粗筛阶段-大专院校和专业质量数据评价一所大专院校和专业质量，最客观的数据是历年大专院校和专业(录取最低排名)。

此外，还可以通过以下维度进行评估：

这些数据的收集整理还是非常容易的，具体方法见下表。

通过收集和整理形成所需的这些数据，如下图所示。

【知识点插入：高考最低录取分排名数据类型】

按高中类型和专业划分，高中招生主要有以下类型： 军校(含空军招飞)、公安院校、高校艺术体育系专业、高校非艺术体育系专业、特殊类型)招生，这些)招生又分批次完成，在军事检查面试提交前批次

通常：对于本科批次，还可以分为多个“子批次”。 部分省份一般分为本科一批批，普通本科两批；广东省一般分为本科优先批次，普通本科批次。

1 )批量是指将招生分为多个阶段，按时间的顺序依次进行。

2 )这个部分的内容详细地说的话会很麻烦。 以上是主干网的核心，但足以满足理解以下内容的需求。

那么，这两个维度结合起来，就是以下几个高考最低水平。录取分排名数据：

1 .年检面试提前批-军校-最低录取分排名数据报考用于军校；

2 .年检面试提前批-警校-最低录取分排名数据报考警校用；

3 .非军事检查面试预审-艺术体育系专业-最低录取分排名数据报考用于艺术体育系专业。 综合这类专业(招生为高考总分，专业考试) (又称“术考”)成绩择优)录取；

4 .非军事检查面试提交前批-非艺术体育系专业-最低录取分排名数据报考各高校在提交前批完成招生专业使用。 需要说明的两点：

1 )在一些大学，所有专业都是这一批完成的。招生，但大多数大学只是通过这一批次安排部分专业(招生，或同一专业部分人数的)招生。

2 )包括所谓的“教师、卫生专业计划”，简言之，就读于该专业的学生毕业后必须在特定地区就业。

5 .非军事检查面试预审---特殊类型招生 :包括高水平艺术团、高水平运动员、高中专项计划、综合评估。 前两者可理解为对认定的“特长生”降低分数录取，第三方面向男女老少贫困地区参加考试，降低分数录取； 综合根据高考总分、学业水平考试成绩、高校自主组织的考试成绩按一定比例换算成“综合评分”后，选择录取。 对于这种类型，直接参考历史高考总分排名毫无意义，需要单独准备，后一句不再涵盖；

6 .一般本科优先批-艺术体育系专业-最低录取分名次数据报考用于艺术体育系专业。 同样，综合高考总分、专业考试(又称手术考试)成绩，选择录取

7 .一般本科优先批-非艺术体育系专业-最低录取分排名数据报考用于各高校招生专业。 另外，这里包括所谓的“地方专业、少数民族班、各种预科班的大学”，同样可以理解为约束就业地，不分老少地给贫困地区的考生降低分数。

8 .一般本科批次-艺术体育类专业-最低录取分排名数据：同上

9 .一般本科批次-非艺术体育系专业-最低录取分排名数据：同上

笔者尽量抓住主干悠闲地写着，但仍然很繁琐。 实际上，大多数考生只需要1、2、4、7、9种类型的数据。 这些部分绝对是主干

整理一下，可以得出以下几个要点。

1.报考艺术、体育类专业的，请独立准备数据。 正文内容不涵盖；

2 .特殊类型：参加招生时，请独立准备数据。 不涵盖正文内容。 实际上，官方并未公布这种类型的最低录取分排名数据

3 .提前批、普通批(两个)各类专业计划，一方面数量少，一方面面向专业，不用“数据粗筛阶段”区分，先放在高中最低点(录取 )统一整理“数据细分阶段”进入专题领域后，再进行细分、筛选。

鉴于上述要点，应该准备的数据变得明确了。 那就是：

1 .年检面试提前批-军校-最低录取分排名数据

2 .年检面试提前批-警校-最低录取分排名数据报考警校用

3 .非军事检查面试预审-非艺术体育系专业-最低录取分排名数据

4 .普通优先批-非艺术体育系专业-最低录取分排名数据

5 .普通批次-非艺术体育系专业-最低录取分排名数据

5.5数据粗筛阶段-上年大学最低录取分排名数据以上，明确了要收集的大学最低录取分排名数据类型。

这类数据最权威的来源是各省考试院在批次录取完成后公布的数据。

以广东省考试院为例，每批次招生完成后，官网“新闻动态”栏目发布相应批次最低录取分的排名数据。 下图为2020年8月7日公布的“军检面试提前批”数据。

通过依次收集，可以完全获取所需的5种数据。

收集数据时，需要注意以下两点：

1、数据是按文科、理科给出的。 因此，根据个人所选科室情况收集相应科室数据即可。 同样如上图所示，“312新高考模式”省通过选择物理方式收集理科数据，通过选择历史方式收集文科数据。

2、细心的护士应该会注意到上面的照片上有“第一次投寄”的字样。 故事情节是，在军检面试的预审、非军检面试的预审、普通的审查中，大学的一些专业人员可能招不到人。 处理方法是：允许未注册本批次录取的考生填写这些满额专业，称为“招募志愿”。 然后，按照同样的(录取规则，招募到录像满了或者录像不满放弃为止。

这些数据考试院也将在结束招募志愿者后公布。

现在考虑一下这些问题吧。 A高中某批次正常，录取时最低排名为5000，但有专业未录。 募集志愿后，创下记录的最低名次变成了6000。 那么，我们应该对这个高中使用5000还是6000这个数据呢？

笔者提出了使用6000，但要标记这样的数据。 原因还是前文反复提到的“数据粗筛”阶段的目的是“粗筛学校”，原则上是“宁多不多”。

5.6数据粗筛阶段-数据集成数据集成的目的是便于后续高校筛选、专业选择等使用。 但是，数据集成需要一定的软件技能。 而上述各类数据格式不同，有PDF、照片、网页等，需要通过格式转换和清洗形成相同格式的数据。 另一方面，需要将这些数据关联起来以便于使用。

没有软件技能的父母也没有大问题。 也可以通过“人工”关联相关数据进行调查，但并不麻烦。

对于有一定软件技能的家长，笔者简要说明数据整合的思路。 1 )使用各种小工具将上述数据转换为统一的CSV等格式； 2 )使用Excel和WPS等工具关联数据( VLOOKUP函数)。

当然，假设软件技能很强，笔者没有必要多说。 Python、SQL/NoSQL数据库都可以使用。

进行数据关联时，需要确定“主数据”。 建议使用以下方法选择“主数据”:

关于“原高考”模式下的省份：以“上年高考最低录取分排名”为主要数据，建立高校质量数据(区域和高校评估)关联。

关于“312高考”模式下的省份：以“普通高中本科专业选修课要求”为主要数据，“上年高中最低录取分排名”、高中质量数据(区域和大学评估)、专业质量数据(学科评估) )相关数据

第5.2节解释了为什么“数据粗筛”阶段不整理选课要求数据，提出了在“数据细分阶段”根据选课要求进一步筛选本阶段所选高中的建议。 这里提出将选修课的要求作为“主数据”。 因为无论如何都需要合并选修课的请求数据，所以可以在这里集中进行。

以广东省为例，可以制作以下综合的数据( Excel形式)。

点击图片查看大图

基于统一的数据，可以方便地完成高校筛选、本阶段的任务。

5.7数据粗筛阶段-筛选符合要求的高校。 无论是否进行了数据整合，都可以使用准备好的几种类型的数据筛选出满足要求的大学。

过程如下。

第一步：使用“预估高考总分排名”范围数据，在“上一年高考最低录取分排名数据”中筛选出录取分在此范围内的大学列表。

步骤2 )根据个人对高中质量的要求，利用“高中质量数据”，从上述筛选出的高中中进一步筛选出不符合要求的学校。

假设您有现有的统一数据。

1 )可以使用Excel或WPS筛选功能完成以上步骤；

2 )对“312”高考模式省份，可以通过整合数据，同时考虑选修课要求进行筛选。

至此，“数据粗筛阶段”完成。

6.1数据细分阶段——概要“数据粗筛阶段”成果为一批筛选的高中，数量应该在10~50之间。 “数据细分阶段”的任务包括：

首先，确定个人的专业意向。 也就是说，考虑报考等专家吗；

其次，对312高考模式省，利用选修课的要求数据，筛选自己的选修课组合是报考专业；

第三，利用“学科评估”数据对选定专业的专业质量进行评估，进一步筛选出符合自身专业质量预期的专业

第四，对经过上述两个阶段筛选的专家，收集整理这三年间录取平均分和最低分数线数据、招生人数数据；

完成上述工作后，结合自己的排名预期范围，从这些专业中选择符合自己专业意向、“足够”、专业质量符合预期一批重点圈定专业，成为志愿者填报候选人！

到了这个水平，高考分数的那天，如何填写志愿已经不是问题了。

作为补充，也可以通过各种渠道深入了解高中和专业，变得“如数家珍”。

6.2数据细分阶段-确定专业意向是一个非常热门的话题，各类见解也非常多。 本文不打算展开讨论，而是从志愿者志愿的角度给出了“技术性”的建议方法。 首先，列举以下前提论点。

1 .决定专业选择的因素主要有三个。 个人兴趣、就业容易度、职业发展容易度。

2 .大学专业体系是“学科-专业类-专业”三级体系。 也就是说，一个学科包含多个专业类，一个专业包含多个专业。

一个专业内的专业相似性很高，高中内多由同一个学院或系开设，为专业的学习提供了比较灵活的选课机制。 从这三点出发，可以得出这样的结论：仅从掌握“技能”的角度来看，选择同一个专业领域内的专家的差距并不大。

3 .专业类和专业类之间也可能存在较高的相关性。 例如，关于属于同一工科的计算机类、电子信息类，关联性很高，在课程上有一定程度的相似性。

4 .根据专业内专业、同一专业内专业的不同，录取最低等级不同，即存在“等级差”

例如，大多数高校计算机类内的计算机科学与技术专业最低分为录取 (排名最小)，其次是软件工程，其次是信息安全，一般情况下计算机类

5 .报考历年专业最低分录取数据波动，无论怎么统计最终都是某高校某专业录取存在偶然性。 我们能做的就是尽可能降低这种偶然性；

6 .志愿者可以为同一所大学填写多个专业

7 .高中招生录取的基本主干规则是考生按照高考总分从高到低的顺序排队，从队伍的第一位考生开始依次投档。 换言之，排名靠前的考生选择高中和专业的余地越大。

如果你不明白，我建议你阅读《高考那些事，从小白到精通：平行志愿、顺序志愿是什么？》，使这句话和以下内容更容易理解。

综合上述7点，简单地考虑一下，就可以得出确定专业领域意向的基本战略。 也就是说，要综合权衡个人兴趣、就业容易度、职业发展容易度等因素，选择符合要求、排位差尽可能大的同一专业内的多个专业，以及与意向专业相关性较高的其他专业内的多个专业。

该战略中有一句重要的话：“位次的差距尽可能大”。 原因很简单，假设上述策略中选择的多位专家的排名范围越大，成为这些专家录取的可能性就越高。

但是，上述战略有一条出路。 假设专家是热门专业，则排名差的范围可能很窄，因为所属专业类、与之相关性较高的专业类内的其他专业也往往是热门专业。 典型的例子是计算机类和电子信息类内的各专业，几乎都是热门专业。

解决这个问题有两种想法：

1 .选择相关专业时降低相关性。 例如，专业是计算机类，电子信息类也是“热”，所以选择降低关联性的自动化类。 自动化类也与计算机类相关，但比电子信息类“冷”，导致排位差变大；

2 .选择一两个“摸底”的冷门专家。 “摸底”是指虽然很冷淡，但个人还是能勉强接受，或者对就业有利的专业。 这样安排是为了尽量避免被安排在对高中冷淡和自己不能接受的专业。

因为现在处于数据准备阶段，不同的大学，上述三类专业(意向、关联、底部)的名次差也不同。 因此，对于专业内其他专业、相关专业的选择，可以不受高考生源可以填报专业数量的限制，但建议选择“摸底”的冷门专业。 这样，围绕这些专项进行后续细分数据准备，等待志愿者报名后再决定申报方案即可。

举个例子，小明想得最多。报考的是计算机科学与工程专业，同时小明的个体具有家族人脉在制药行业深而广的优势。 那么，他的专业意向可以设计为计算类专业(意向专业)、电子信息类专业或自动化类专业)、生物制药专业)。

看这里，不知道专业系统的关联性吧？ 可能会产生这样的疑问。 简单的答案是多问，多看，多学习。

【插入一个知识点：大分类招生】

现在很多大学都采用招生这一大类。 即考生高考所报考的“专业”是多个专业的“合集”。 一般大学一年级结束后，大学会进行“专业分流”。 也就是说，给每个学生分配“合集”中包含的专业。 另一方面，“分流”的方法可以理解为与高考录取方式一致。 学生可报考多名意向专家，学校可根据大一学生成绩，同时结合独立组织“分流”考试成绩，选择“录取”。 但是，我保证每个学生一定能指派“合集”中的专家。

大类的设置有三种情况。

1、一个专业内多个专业为“合集”。 例如，“计算机类”的大专业包括该专业的计划科、软件工人、信息安全.等多个专业

2、一个学科内多个专业类专业为(招生专业。 例如，“理科实验班”的大类专业实际上包括数学系、物理系等多个专业内的多个专业

3、大杂烩，所含专业归属于多学科多类专业。 这些专业也经常被称为“理科考试班”、“工科考试班”等。

较大的专业领域往往包括上述意向专业、相关专业和摸底专业。 在整理数据时需要通过Case By Case进行识别和分析。

6.3数据细分阶段-在按照专业选修课的要求进行精细筛选之前，我们已经筛选了一批高中，同时明确了自己的专业意向。 因此，这些高校内符合自身专业意向的专业人才形成了潜在的“报考专业池”。

其次，对实行312高考模式的省份，要根据自己的选课组合，筛选出上述“池子”内自己能做的专业。 这些省的考试院公布了《普通高校本科专业选考科目要求》，明确了各大学各专业要求的选修课程组合。

通过这些数据，可以更容易地从“专业池”中筛选出自己的专业领域，报考。

TIPS :一些大学选修课的要求还没有发表，因此不包括在本文件中。 最全面的选修课要求需要等待2021年的《高校招生专业目录》发布。 因此，在筛选中，对于未公布选修课要求的学校专业，可以在《高校招生专业目录》公布后进一步细化。

6.4数据细化阶段——利用学科评估明确专业质量学科评估是教育部按照国务院学位委员会和教育部公布的《学位授予与人才培养学科目录》对全国具有博士学位或硕士学位授权的一级学科进行的总体水平评估。 该评估每五年进行一次，目前可以使用的是第四次评估结果。

简而言之，该评价结果给出了各高中各【一级学科】的质量评价，分为9个等级： A、A-、B-、B-、C、C-。

由于评估采取“自愿申请、免费参与评估”的原则，并非所有高校的所有一级学科都参与评估。 但是从另一个角度来看，如果对自己的学科建设有信心的话，我想参加评价。 因此，没有被评价的大学和学科，也可以理解为学科建设水平相对较差。

这里还有一个名词。 是一级学科。 《学位授予与人才培养学科目录》制定了学科体系，由学科、一级学科两级组成，各学科包括多个一级学科，如下图： 学科评价是指对一级学科的评价。

上一篇文章提到了专业体系。 注意：专业体系和学科体系不是一对一的。

专业体系定义于《普通高等学校本科专业目录》，由学科、专业类、专业类构成。

两者的本质区别在于学科体系是以知识体系为中心构建的，专业目录是以招生名育人为目的构建的。

但两者之间相关性非常大，学科基本一致，大部分一级学科与专业类别一一对应。

根据上述差异和相关性，我们可以利用“第四次学科评估”的结果对高校专业进行质量评估。 例如，北京大学“应用经济学”一级学科评估结果为A，专业目录中“经济学”专业类别所涵盖的专业为： 因此，北京大学的这些专业被认为质量很高。

总结：利用“第四批学科评估结果”，结合《学位授予与人才培养学科目录》、《普通高等学校本科专业目录》，对可报考个专业，根据自己对专业质量的期望，进一步筛选是这一步的工作

6.5数据细分阶段-整理专业历史录取排名和人数一般需要准备近三年专业录取最低分或平均分排名录取人数。 整理分数的顺序容易理解，为什么需要整理呢？ 是录取人的数量吗？ 由于高考本质上是一种排位赛，一般某专业多招的人分数会下降，反而会上升。 所以对于某年录取的分数，要结合当年录取的人数来看。 这样，在取得了2021年的该专业的(录取 )人数的情况下，根据与往年的(录取 )人数的对比，更正确地估计今年的(录取 )分数是上升倾向，还是下降倾向

举个例子，某高校计算机科学与专业近三年来，录取平均分排名分别为2562、10人、2734、12人、2389、9人。 2021年规划录取人数为15人，那么基本上可以预计录取的排名应该在2500以上。

这些数据最可靠的来源是各省考试院每年公布的《志愿填报指南》，下面各大学官网公布的历史数据可以作为参考。

为什么不直接使用录取得分的顺序，而使用录取得分的顺序？ 正如上文所述，高考是一项排名赛，在所有参考学生中排名是录取、哪些高中和专业录取的决定因素。 分数每年都在变化，但2020年的650和2019年的650的排名完全不同。

但是，《志愿填报指南》和高中官网往往只公布分数而不是名次，怎么办？ 这是根据“一分一段表”进行转换的。 关于“一分一段表”，在5.2章中进行了具体说明。

另一个问题是，《填报指南》发表的是专家录取的平均分还是最低点，各高校的官网也没有统一。 应该用平均分，还是应该用最低点？ 我的建议是尽量用平均分而不是最低点。 有两个理由：

其一，最低点的偶然因素非常大，波动剧烈，不足以支撑预估；

其二，在估算录取的可能性时，要保守而不是激进。 否则，很有可能被无意向的专家(一般是“冷淡专家”)调剂。 所以，使用平均分比最低点更安全。

总结：本步骤应做的工作利用近三年《志愿填报指南》或各高校官网公布的录取结果数据，调查近三年专家录取平均分或最低点(尽可能使用平均分) 然后使用过去3年的“一分一表”，将录取的分数转换为名次。

6.6数据细分阶段-通过上述工作，我们已经获得了完整的数据。 通过一个专业记录整合这些数据，便于查看、分析。 可以采取以下形式：

6.7数据细分阶段-还需要什么？ 经过以上过程，筛选出的高中、专业不多。 其次，应该通过多种方式对这些大学和专业进行多方面的了解。 例如，可以从正在上大学的学生那里了解情况。可以在网上的大学相关论坛上查询相关信息。可以从大学的网站上进一步了解大学的保研、考研率、就业情况等。 总之，渠道很多，需要用心时间了解各种各样的事情，总结分析。

在知道的过程中，要避免“成见”，或者“屁股决定脑袋”的心情，尽可能全面地收集正面、负面的信息。

对于正面信息，必须确定来源并分析其可靠性。 另外，还必须明确这些“积极的一点”对自己来说是否有意义。

同样，对于负面的信息，也必须仔细分析其可靠性、原因、背景等。 可以说，几乎所有的大学和专业都有负面信息，就像“没有人是完美的”一样，非常普通。 对于每个个体，都要秉持“有所舍弃才有所收获”的原则，逐一明确这些“负面影响”对自己的影响。

相信通过这样的过程，对方对高中和专业的理解会非常深入和透彻，在志愿者报到时会起到很大的作用！

7后记正文首发，题目为《迎接2021年高考：是时候做高考志愿填报的数据准备工作了》，截至去年11月底共发文5篇，介绍至“数据粗筛”阶段。

在接下来的几个月里，笔者一直在对近三年的专业领域录取分进行排名、人数数据整理、专业质量评价数据整合进行试验和验证，旨在找出一种能被广大家长掌握和使用的简单可行的方法。

这部分工作的难点在于专业数据量大，非常庞杂，非常不规范。 举个例子，由于各高校每年公布的专业代码不是固定的，专业细分方向往往会发生变化，识别完全相同的专业与近3年的“录取排名和人数”相关联存在很大的工作量和难度； 另外，专业质量评估——如上所述——学科与专业目录并不一一对应，需要仔细识别和映射。

经过努力，上述问题得到了很好的解决，可以支持笔者完成后续内容。

此外，基于这样的工作，笔者也研究了“高考志愿填报所需数据查询”的在线系统，很快将上线。 该系统完全符合本文阐述的思路和原则形成了数据，并提供了一种友好的使用方式，相信能帮助各位家长完成高考志愿填报所需的数据整理。