招生数据

招生数据（共8篇）

招生数据 篇1

在我国每年的招生录取工作中, 统一使用的是清华同方招生录取系统, 该系统虽然在我国使用率较高, 但是, 使用过这个录取系统的学院老师都会觉得它存在许多的不足, 有许多需要改进的地方。负责招生录取工作的老师, 面对集中需要处理的考生信息或者数据, 清华同方招生录取系统对数据处理效率低下的缺点严重制约了录取工作效率的提高。

1 影响招生录取系统数据处理效率的因素

1.1 系统查询、统计、汇总功能不完善

经常做数据处理工作的人员都明白, 当数据处理工作进行到一定阶段或者工作已经完成的时候, 必须对所处理的数据进行认真、仔细的复查, 以保证数据处理的正确性。这既是对自己工作态度的一种肯定, 也是对考生的一种负责。因为对于许多考生来讲, 数据处理人员的一个小小的失误, 可能会改变考生以后一辈子的命运。对于某一个考生而言, 仅仅需要确保自己一个人的考试成绩和录取信息准确无误即可, 但对于负责招生录取工作的学院老师来讲, 仅仅确保单个考生录取数据的正确性是远远不够的, 他们需要对全年整个的录取进度和录取总体情况了如指掌, 这就要求他们使用的招生录取系统具有完善的统计和汇总功能。清华同方招生录取系统不能实现两次录取同时进行, 也就是说, 当在进行普通高考的录取工作时, 必须将成人录取、秋季录取等的数据彻底删除, 原则上要求工作人员必须重装以往进行过招生录取数据处理工作的电脑操作系统, 因为简单的数据删除或者软件卸载手段, 会将一些注册表信息残留在电脑里, 导致院校不能对全年的录取情况进行统计和汇总, 不利于学校从整体上及时的了解全年的招生录取情况, 进而导致后续一系列问题的产生。

1.2 专业名称不统一问题

在省招生办正式开始招生录取工作之前, 学院都会将本院在这次纳新中所招收的专业名称及招生数额提前告知各省招生办, 但是, 由于不同的学校对于同一专业在叫法上却不尽相同, 例如机械电子专业, 有的学校称之为机电一体化。各省招生办一般采用国家标准中规定的专业名称作为本省的录取专业名称, 而我国目前所用的招生录取系统根本无法解决专业名称不统一的问题, 给招生录取工作带来麻烦, 严重阻碍招生录取工作高效快速准确推进。

1.3 输出数据复杂难懂

清华同方招生录取系统使用泛式的数据处理方式, 从系统中导出的数据是大部分人看不懂的格式化数据, 招生办工作人员需要将这些数据进行进一步的转译处理, 以便于一般的录取工作人员可以看懂这些招生录取数据, 并将招生录取工作进行推进。

1.4 系统打印录取通知书的功能不完善

虽然现在的信息和网络非常发达, 考生可以通过许多渠道提前查询自己的成绩以及录取院校, 但不可否认考生只有将录取通知书拿在手里的时候, 才能彻底放心在家安心等待学校开学。我国现在运用的系统虽然具有打印录取通知书的功能, 但是, 依靠该系统打印出来的录取通知书毫无次序可言, 招生办的老师必须对每一张录取通知书进行整理, 工作量非常之大。

2 提高招生数据处理效率的策略

2.1 在软件系统方面提高数据处理效率的策略

虽然清华同方招生录取系统存在许多不足, 但是从整体上考虑, 它还是一个非常有潜力的基础系统, 我们可以根据本学院的实际录取招生计划, 聘用优秀的软件开发人员, 在清华同方招生录取系统的基础上进行改进, 即对它进行二次开发, 使其功能变得更加强大更加完善, 通过这种方式可以有效提高招生录取数据处理的效率。

2.1.1 增填统计汇总模块

开发人员通过编程, 可以在软件中增添一个统计汇总库, 招生办的工作人员将各专业、各省的有价值信息全部存储在这个统计汇总库中, 如考生编号、录取批次、培养形式等信息, 系统经过固定的程序处理, 输出在统计汇总工作中需要用到的有关参数。

2.1.2 用编号代替学院专业名称

在目前的清华同方招生录取系统中, 学院专业名称是通过汉字形式给出的, 由于不同的省市、不同的学院对同一专业的叫法不尽相同, 这种微小差异给招生录取工作带来了极大的不便。开发人员可以对各个专业进行编号, 例如机械电子和机电一体化我们把它统一标号为01, 这样在不同的省份虽然专业名称叫法不一, 但是从系统中识别出来的就是01, 01代表的就是机械电子或者机电一体化专业, 这样就有效解决了因为专业名称不统一所带来的效率低下问题。

2.1.3 增填录取通知书有序打印模块

目前由清华同方招生录取系统打印出来的录取通知书杂乱无章毫无规律, 需要负责招生录取的工作人员进行逐个的整理, 工作量特别大, 为了解决这个问题, 我们可以在此软件基础上设置录取通知书有序打印模块进而提高工作效率, 该模块可以实现将各个省份、不同专业、不同批次的数据进行整理, 数据首先按照录取省份排序, 再按照专业排序, 最后按照批次排序, 再选择一种递增或者递减打印的方式, 有序的将录取通知书打印出来, 这样不仅大大减小了工作人员的工作量, 还保证了整理的正确率, 有效的提高了招生录取工作的效率。

2.2 从个人方法技巧方面提高数据处理效率的策略

2.2.1 灵活应用一些数据处理OFFICE办公软件

招生工作数据处理是一个既关键又复杂的工作, 单纯依靠清华同方招生录取系统进行完成招生录取工作, 效率必然会很低, 必须联合使用一些OFFICE办公软件作为辅助, 在全国通用的清华同方招生录取系统中可以方便快捷处理的数据问题, 就应用该软件进行处理, 而有些问题在该软件中处理取来比较麻烦甚至不能处理的问题, 应灵活选择其他辅助软件, 帮助工作人员快速准确处理。

2.2.2 将招生工作进行合理分配

根据学校自己的实际情况, 将录取工作按照一定的标准进行分类。例如, 将不同专业或者不同省份的录取工作, 分配给不同的工作人员, 使每个人员各自负责某一个或者多个模块, 这样就把复杂繁琐的招生工作进行了化整为零处理, 既避免了数据处理工作的重复问题, 又提高了工作的针对性, 大大提高了录取工作数据处理的效率。

2.2.3 采用流水线进行数据处理

由于招生录取工作的数据处理工作种类很多, 如果让工作人员负责不同种类的数据, 复杂的数据很容易使他们产生疑惑, 例如不能确定这组数据是否已经经过正确完整的处理, 遇到类似这样的问题, 他们必须得将处理过的所有数据都进行仔细检查, 这样就大大降低了数据处理的工作效率。如果我们将数据采用流水线作业就可以避免这种问题的产生, 我们已经处理过的数据会传送到自己的下线, 而自己手中拥有的数据一定是没有处理过的。招生录取是非常重要容不得半点马虎的工作, 再加上数据本身的严密性, 很容易让人产生心理压抑感, 采用流水线进行数据处理, 从一定程度上可以增加数据处理的趣味性, 让工作人员在面对枯燥的数据时, 不至于那么压抑, 变相提高了他们处理数据的效率。

3 结束语

随着人们对教育的重视程度越来越高, 我国每年的招生录取工作量越来越大, 但是, 由于招生数据繁多复杂、生源来自不同的省市、而且不同省市的数据标准又不统一等问题的出现, 导致由全国高校招生远程录取自子系统处理出来的数据根本不能为招生人员直接利用, 这给高校的招生办带来了很大的麻烦, 于是提高招生数据处理效率的问题显得越来越重要。该文通过对我国目前的招生录取工作存在的问题进行简单分析, 提出了一些影响我国录取招生工作效率的一些因素, 并从软件二次开发和提高个人数据处理效率两方面入手, 提出了一些可以提高招生录取工作效率的策略。

摘要：随着我国教育模式从精英化教育向大众化教育的逐步转变, 我国每年高等教育招生数量大幅增加。目前, 我国的所有高校在每年的招生录取工作中均采用“全国高校招生远程录取子系统”。该文通过查阅有关提高招生数据处理效率方面的资料, 并结合多年的招生工作经验, 对招生数据处理效率提升策略进行简要分析。

关键词：招生录取,数据处理,效率

参考文献

[1]谢伟卡.高校招生信息管理系统开发与应用研究[J].暨南大学报, 2011 (10) :21-22.

[2]阎朝阳.招生管理信息系统的研究[J].武汉理工大学报2009 (5) :06-07.

[3]叶伟华.计算机辅助数据处理[J].同济大学报, 2010 (2) :33-34.

[4]刘永红.数据库基础与应用[J].中央广播电视大学报, 2008 (56) :42-43.

招生数据 篇2

1 考研报名人数反弹 部分省市大幅增长

在经历连续两年报名人数的下跌后，研究生报名人数出现明显反弹，全国硕士研究生招生考试报考人数达177万人，比20增长7%，部分省市甚至呈现大幅度增长态势。如北京、辽宁、江苏分别增长6.8%、11.7%、11.12%。经济增长乏力，就业形势严峻可能是导致此次报名人数出现反弹的重要原因。

图：全国硕士研究生报名趋势

从近些年硕士研究生报考数据变化可以看出，考研群体始终处于相对稳定的态势，从起，研究生考试报名人数出现下滑，保持多年的考研热持续两年“降温”。

如图所示，全国考研报名人数为176万，20下降至172万，到年再减少至164.9万人，增长比例也迅速下跌，并成为负数。

图：2013年到2015年硕士研究生报名人数变化

图：-2016年全国硕士研究生报名人数增长率

1.1 全国多个省市研究生报名人数激增

2016年全国硕士研究生招生考试报名人数出现明显反弹，如北京、河北、辽宁、江苏分别增长6.8%、8.4%、11.7%、11.12%。

图：北京市硕士研究生报名趋势

2016年北京市硕士研究生招生考试报名人数达243420人，比2015年增加15448人，增幅约6.8%。这是北京市研究生考试报名人数连续两年下降后首次出现增长。

图：河北省硕士研究生报名趋势

2016年河北省硕士研究生招生考试报名人数达90147人，比2015年增加7047人，增幅达8.4%，其中，报考专业硕士的考生共43060人，同比增长6.9%。

图：辽宁省硕士研究生报名趋势

2016年辽宁省硕士研究生招生考试报名人数达70260人，比2015年增加7372人，增幅达11.7%。自年起，辽宁省研究生报名人数出现“拐点”持续两年下降， 2016年则迎来大幅增长。

图：江苏省硕士研究生报名趋势

2016年江苏省硕士研究生招生考试报名人数达116039人，比2015年增加11617人，增幅达11.12%。

1.2 就业严峻催生考研大军 往届生比例增高

近几年本科毕业生人数连创新高，在经济下行压力下，就业压力增大从而催生考研大军。从中国教育在线对硕士研究生报考初衷的调查数据中可以看出，受就业影响而选择考研的人数超过五成，提高未来就业竞争力、暂时不想就业都成为选择考研的重要初衷。

图：中国教育在线调查

根据中国教育在线调查平台收集数据统计，37665人的调查群体中，有43%的考研群体因“增加就业竞争力、提升毕业后薪水”选择考研，暂时不想就业、逃避步入社会而选择考研的人群占13%。

另外，根据部分省市考试院已经公布的2016年硕士研究生考试报名数据，其生源结构中往届生占比持续增加。

图：北京地区应届生与往届生报考人数占比

图：辽宁地区应届生与往届生报考人数占比

图：湖北地区应届生与往届生报考人数占比

如图所示，北京硕士研究生报考人数中，往届生比例占42%，已经接近一半，辽宁省往届考生占35%，湖北省占34%。

图：北京市历年考研应届生占比变化

招生数据 篇3

近几年,多元化的招生方式已成为今后高职招生的趋势,也将有越来越多的学生通过自主招生的方式进入到高职学校学习。以浙江省2013年为例,开展“校考单录”模式自主招生的高职院校已经达到30所,招生人数也达到了万人。

浙江省内高职学校目前开展的自主招生主要为 “校考单录”模式的自主招生, 即学校通过学业水平测试(高中会考)成绩和综合素质测试成绩择优录取一批学生,一旦入围,无需参加高考。

对于开展“校考单录” 自主招生的高职学校而言,在学生选择上有了很大的自主权,但同时也带来了一个很大的问题, 就是如何设计合理的方案来选择到适宜的学生,具体包括如何设计自主招生的方案,如何组织宣传,如何开展文化水平测试和综合素质测试等等,这些方案设计的好坏将直接影响到本校自主招生录取生源的素质。

现在浙江省的很多高职学校开展的自主招生亦俨然变成是高考或是选秀的的“翻版”,很多的文化测试都只是考核语文、数学、英语,而很多的综合素质测试则是“走秀”或是“脑筋急转弯”问答,这不但不利于人才的选拔,亦不利于高职自主招生人才选拔的严肃性和与选拔的“差异” 性。

1数据挖掘概述

在这里我们所说的数据挖掘(Data Mining) 主要是指从一些特殊的信息数据中,提取一些不具有明显性的、事先没有人认识的、但是又在某些方面具有重要作用的数据资料的一个活动[1]。这些信息数据具有以下几个特点:数量庞大、存在这样那样的缺陷、有噪声的、不明确性、任意性等等。这个新出现的概念所具有的特点主要有三方面的意义:第一,信息资料源必须具有客观实际性、大量的、含噪声的; 第二,这项活动的最后结果一定是它所找到的东西都是能够给用户带来实际使用价值的数据资料;第三,该项活动获得的数据资料一定要能够满足用户的实际需求,能够被用户接受,在用户的理解范围内。该项活动是一个有多个环节共同组成的复杂的活动,通常情况下我们可以将其划分成以下几个环节: 数据准备;挖掘操作(模样发现);知识表示和模式考评。通过这项活动获得的信息资料具有相对性, 同时又必须在特定的条件下才能进行,面对不同的行业领域具有不同的特点。在这种情况下我们对于这一活动最主要的一个要求就是它必须能够为大多数用户具有可用性以及可理解性, 最好能用自然语言来表达。

在数据挖掘发展的不同阶段,数据挖掘领域都有相应的成果,而这些成果都被人们所广泛使用。随着数据挖掘行业研究的进一步拓展,现阶段,社会对于这一活动对人们的私生活中的信息细节造成了损坏, 尤其是在电子商务和卫生保健等领域。在这种情况下,社会各个方面对于这项活动中关于探究用户私人信息资料密保措施数据的活动更加关注。不过,在这个过程中,因为信息量比较庞大,一些硬件条件必须考虑进内:如内存问题、联机分析问题等。

2决策系统设计

决策树说白了其实就是一种结构示意图 ; 在决策树中,不同的节点代表的考评内容具有不一致性,每个分节点表示一个考评录入, 而每个叶节点存放一个类标号。在树的最定端的一个节点是最基本的一个。凡是从根节点延伸到叶节点的都代表着一个规范标准,标准以if-then模式表示,这种类型的结构图可以起到明晰内容让人一目了然的效果。这种类型的结构图总结出来的学习和分类环节能够让人更加容易清楚它所要表达的内容,让人易于接受。对于自主招生工作来说,它所指定的决策体系,必须具有很高的实用性,而根据制定的规范标准得以落实的情况才能看到这一体系的实际使用效率和成果, 所以选择决策树算法。

首先选择决策树C4.5算法进行分类规则的研究,讨论不同自主招生专业报考学员的各自的独特性。尊重学生的主体地位,综合分析以后工作的重点难点。另外, 也可以通过这种措施,来对学校未来的生源状况进行推测预算,也可以确定本校将来有可能获得的目标学生,以此来制定招生计划,以确保学校能够扩充的生源的数量。

本系统选择数据挖掘工具SPSS Clementine来实现C4.5算法和APriori算法的模型建立, 数据库采用Microsoft Access和Microsoft office Excel实现。

数据挖掘和其他任何活动内容都具有一定的相似性, 它也具有自己的一个可以依照的客观规律来引导相关工作的进行。下图是该项活动的一个概括性的流程图,从这个图中我大致能够明白该项活动的具体步骤以及最终目的:

1)数据准备

在这个环节中,主要参考的依据,则是所要研究的目标的主要特征以及用户对该目标的主要关注点,在这个基础上进行信息数据的分析研究,搜集以及整理与该研究目标有关的信息资料数据,在这个过程中要保证所搜集到的资料信息的客观实用性。主要要进行的工作内容是将搜集的信息资料进行统一整合,保留有用的,删除多余的重复的内容,解释语义的二重性,去除明显的噪声值。这一环节上的工作内容是该项活动的基本点。

2)数据采集

该环节的主要目标是对第一个环节上得来的最后的信息资料进行进一步的分析研究。以该项活动的主要内容作为基础,选择合理有效的信息挖掘措施,明确该措施中合理的计算的策略,不断地对信息进行替换调整,从信息中提取有效的使用形式。

3)结果表达和解释

对利用了信息采集措施挖掘出的策略,给予合理客观的评定与解释,通过这种方式为用户提供具有实用性的信息资料。不断对旧有的信息资料进行及时的研究分析,保留那些能够带给用户使用价值的信息数据,及时清理那些已经失效的过时没有任何价值的信息资料。数据挖掘抽取的信息经过事后处理可用于解释当前或历史现象, 推测以后将会出现的各种现象问题,为上层管理者提供能够为现阶段制定合理规章制度的历史依据。

高职自主招生决策系统提供信息资料消除以及决策结构图自行产生的服务。 决策结构图的产生主要作用是:从训练数据生成决结构图模型以及标准集。该决策结构图的全貌如下图所示。

以主要起的作用作为依据,该系统按在层次上可以划分成为四个,形成信息源与信息合成、信息中心、多维数据集、数据分析与展现。主要内容如下图所示。

信息资料集中地在整个DSS结构中占据着关键性的位置,其对OLTP信息中心的事务级数据进行集成、转换、综合,将所有的信息资料进行全面调整面向分析的整体信息结构图,为DSS提供保存与调整的服务,解决DSS中信息资料存在不一致性的缺点,另外要将信息仓库调整作为系统的引擎,来确保整个结构的正常进行,完成数据的映射、抽取、转换和维护。 根据实际情况对用户产生的影响进行分析,要掌握信息资料的层级性,使用不同的数据研究措施来提取有用的东西,提供面向不同用户的DSS应用。保证数据库各类信息资料的完整性与适时性。

招生数据 篇4

2018深圳中考招生计划！志愿填报参考数据！

中考志愿填报正在如火如荼进行中，很多同学和家长们都很疑惑：填报志愿需要注意什么？今年招生有什么新变化？小编来给大家划重点啦~2018深圳中考志愿填报注意事项15月30日18时填报截止每位考生凭个人密码填报《通知》指出，考生志愿是招生学校录取的重要依据，网上志愿填报于5月25日上午10时开始。5月30日下午6时填报志愿工作截止后，网上填报志愿功能即关闭，考生志愿不得再更改。为避免因网络堵塞而影响考生填报志愿，市招考办提醒考生及家长填报志愿时，尽量错开19:00-22:00等网络繁忙时段。市招考办继续为每名考生设置了一个密码，考生凭密码上网填报志愿，密码由考生本人掌握。考生需牢记自己的密码，以免因密码遗失给自己上网填报、修改和查询志愿造成不便。考试如在填报志愿前不慎遗忘密码，应前往毕业学校（报名点）申请重新设置，设置后考生应尽快重新修改密码。填报志愿开始后遗忘密码的，可到学校所在区教育局教育科“重新设置密码受理点”申请重新设置密码，市直属学校考生到市招考办（罗湖区泥岗西路1068号）2楼服务窗口申请办理。2 第一批可填8个平行志愿指标生志愿仅可填报1所中考提前批可填1个志愿，第一批可填8个志愿，第二批可填18个志愿，第三批可填6个志愿。市招考办提醒考生要珍惜自己的权利，尽量多报志愿。不同批次的学校录取时间有先后，考生可在每一批都选填志愿，争取被理想的学校所录取，切忌只报一个志愿。考生填报指标生志愿与普通生同步进行，符合指标生报名条件的考生均可报且限报1个指标生志愿。高中学校录取指标生按初中学校报该高中学校的考生人数，从高分至低分录取，但最低不低于该高中学校普通生录取线15分。3公办普高自招中考后进行自招考生均需参加中考《通知》显示，今年我市公办普高自主招生安排在中考后进行，所有拟参加公办普高自主招生的考生均须填报中考志愿并参加中考。已被自主招生录取的考生，其普通生志愿失效，不再参加统一划线录取，不得转录其他学校。此外，已确定作为公办普高直升生或中职学校自主招生录取的考生，不填报中考志愿，也不再参加其他学校的录取。公办普高直升生仍要参加中考，中职学校自主招生录取的考生不再参加中考。考生报名材料审核通过的考生，将参加中招划线录取；审核未通过的考生，其填报志愿信息将作无效处理，此类考生不能参加中招划线录取，可报名参加民办普高自主招生和中职学校自主招生、注册入学。4录取仍按照以下原则“分数优先，依照志愿顺序”市教育局文件规定，2018年我市高中阶段学校录取仍按照“分数优先，依照志愿顺序”的原则投档。具体投档方法为，根据招生计划、考生志愿，按考生成绩从高到低的顺序投档。对某一考生来说，由中考中招管理系统对其在同一批所填报的学校志愿（包括第一批次的指标生志愿）依次检索，首先检索考生填报的第一个志愿学校，如该校已录满，则检索该批的第二个志愿学校，以此类推。投档过程由市招考办通过设定程序，计算机自动进行，录取学校不能改变投档结果，任何学校也不可能拒录非第一志愿考生。看点012018年深圳市招生计划人数超过中考报名人数2018年深圳市中考报名人数7.21万人，高中学校招生计划7.22万人。普高（含公民办）招生计划47903人，其中公办普高招生计划34379人（比2017年增加1355人)，公办普高学位增量为近年最多。根据异地中考审核条件，2018年深圳市中考报名考生中可参加中考划线录取的考生约6.46万人，全市普高（含公民办）划线录取率可达74%，其中公办普高划线录取率可达53%。看点02加快实施选课走班制2018年全省入读高一新生将于2021年参加新高考。市教科院已于2017学年提前启动“新高考新课程背景下高中教育教学管理模式”实验，首期纳入试点的5所高中学校为深圳中学、深圳市第二实验学校、深圳科学高中、深圳福田外国语高级中学、华中师范大学龙岗附属中学。看点03指标到校分配比例上调至50%2018年中考继续推进优质普通高中部分招生名额分配到初中学校改革（简称“指标生分配”），参加分配的优质高中学校增加至45所（新增深圳实验学校光明部、深圳市龙华高级中学2所学校），优质普高指标到校分配比例提高至50%。2018年，指标生名额共计16096个名额，其中AC类指标生共计11557，占指标生总数的71.80%，D类指标生共计4389个名额，占比27.26%，ACD类指标生共计150个名额，占比0.93%。深圳中考2011年开始实施指标生政策，之后，每年的试点学校都在增加，招生人数也在持续扩张，然而指标生利用率却不高，导致大量指标生名额浪费。各位同学和家长们在填报志愿时应综合考量后再选一所学校作为指标生志愿。看点04规范开展公办高中自主招生今年深圳市继续开展公办普高自主招生试点，招收具有学科特长、创新潜质的考生，探索创新型人才培养方式。深圳中学、深圳实验学校、深圳外国语学校、深圳市高级中学、深圳市第三高级中学（留学班）、深圳市第二外国语学校（小语种班）6所公办普高开展自主招生改革试点，自主招生考试将于中考后进行。自主招生分配名额详见下表：2018年高一年级自主招生计划学校名称招生计划深圳中学120人深圳实验学校70人深圳外国语学校60人深圳市高级中学30人深圳第三高级中学（留学班）50人深圳第二外国语学校（法、俄、徳、西班牙语班）20人

招生数据 篇5

为降低学生高考填报志愿的盲目性, 加强其专业选择的自主性, 顺应学科发展综合化、人才需求多元化的发展趋势, 各大高校陆续推出大类招生计划, 即高校不再按专业或专业方向, 而是按学科 (也可按系或学院) 制订招生计划并进行招生录取[1]。

这种教学模式是普通高校招生制度改革的新尝试, 如何分析高校学生在基础教育期满后进行自主专业选择的行为特点, 以更好地指导其选择专业已成为教育模式改革的新课题。数据仓库技术的出现和发展为分析该问题提供了强有力的工具和手段。运用数据仓库技术可以将多个数据库的信息进行集成, 从高校学生进行自主专业选择的历史和发展的角度组织和存储数据, 充分分析影响学生进行专业选择的相关因素, 发现其隐含的内在规律, 为高校大类招生相关政策制定提供理论支持和技术手段。

本文以北京科技大学经济管理学院2005级学生基本信息及学科成绩信息为基础, 建立数据仓库, 确定专业选择相关主题, 主要针对经济管理学院学生自主选择专业以下方面问题展开研究:

(1) 学生基本影响因素分析。确定经济管理学院大类招生环境下学生自主选择专业的基本影响因素, 包括性别、籍贯、文理分科等, 并在此基础上分析各因素对学生专业选择结果的影响程度。

(2) 学生成绩分析。成绩分析是分析学生专业选择相关特性的重要方面。各专业学生在各种科目成绩分布情况, 隐含着学生知识构成方面的特点, 是学生专业选择特性分析中的重要内容。

本文首先简要介绍数据仓库相关技术, 随后系统阐述用于学生专业选择分析的数据仓库建立全过程, 利用联机分析处理技术 (OLAP, On Line Analytical Processing) [2]对所建立的数据仓库进行主题分析, 并阐述分析结果。

2 数据仓库星形模型分析方法

2.1 数据仓库体系结构及建模方法

数据仓库是一种专门的数据存储, 用于支持分析型数据处理, 其技术体系结构包括前台和后台两部分[8]。

后台负责分析型应用的数据准备工作, 完成从数据源向数据仓库主题数据的数据变换。包含3个步骤:对数据源进行数据抽取、向主题数据转换和主题数据装载。

前台面向数据仓库的最终用户, 需要安装分析型应用工具, 例如报表生成器、OLAP[2]工具、数据挖掘工具等, 最终提供分析报告、报表、图形等可视化的分析结果。

人们从不同的角度对数据仓库的建模方案进行了研究。从方法论的角度, Golfarelli和Rizzi提出了数据仓库建模的概念模型DFM (Dimensional Fact Model) 及数据仓库建模的一般方法框架[3]。从应用的角度, 文献[4]给出了许多实际应用数据仓库设计的解决方案。文献[5]基于企业业务模型给出了数据仓库的设计方法。文献[6]提出了基于业务分析需求建立数据仓库数据存储的逻辑模型, 本文采用该方法确定数据仓库逻辑模型。

2.2数据仓库建立步骤

数据仓库的建立通常包括以下步骤:

(1) 业务过程建模及需求分析。明确需求相关数据, 最大程度利用现有系统中的数据。利用学生相关数据, 查看大类招生环境下学生专业选择现状, 将这些数据进行预处理并装载入数据仓库, 为进一步的分析奠定数据基础。

(2) 选取主题。根据需求分析结果确定系统中存在的主题, 根据学生专业选择现状, 确定学生基本影响因素分析及成绩分析两个主题, 划分主题边界, 确定物理表。

(3) 逻辑模型设计。根据主题域, 确定数据的粒度层次, 进行维表和事实表的设计等。在此, 最小粒度为每个专业每个学生每学期每门课的相关情况。

(4) 物理设计。确定数据的存储结构, 索引策略及数据仓库的物理模型。在选定数据库管理系统 (本文为Microsoft SQL Server 2005) 中建立数据库和表结构。

(5) 数据采集、转换和集成。具体步骤为:

① 数据抽取:从原有操作型数据库中抽取与主题相关的数据到数据仓库。本文考虑到各个领域专业的差异性较大, 只考察经济管理学院的学生情况。

② 数据转换:数据转换用于处理数据中存在的命名格式、字段长度等不一致问题。

③ 数据净化:处理多种可能存在的错误类型, 如数据源中丢失数据、有误数据和冲突数据等。

④ 数据聚集:源数据库中的细节数据进入数据仓库后, 还需在各种层次结构上进行汇总。

(6) 装载校验数据。装载一个主题数据进行数据校验以评估数据质量, 确保数据可靠性。

(7) 管理元数据。定义元数据, 即表示、定义数据的意义及系统各组成部件之间的关系。在建立数据仓库过程中, 无需特别关注元数据, 它自动存储在元数据表中。

(8) 联机分析处理 (OLAP) 型设计和应用。按照不同的维、层次分析比较数据, 实现分析决策的目的。通过Microsoft SQL Server Analysis Services 2005, 完成数据仓库的构造和联机分析处理技术在学生相关数据上的应用。

2.3 联机分析处理 (OLAP)

联机分析处理 (OLAP) [2]是基于数据仓库进行数据分析的主要方式, 它将数据以立方体的形式进行组织。立方体包含多个维级别, 实现对事实的多角度分析和查看。

OLAP多维数据分析是指对多维数据采取切片、切块、钻取、旋转等各种操作, 使用户能从多角度观察数据, 从而深入了解其中的信息内涵。例如, 可以通过上钻操作查看不同地区不同学年不同系的学生选课分布情况。

3 建立高校学生专业选择数据仓库

3.1 数据源及数据预处理

本文抽取北京科技大学经济管理学院2005级本科生的基本信息和成绩信息作为建立数据仓库的数据源, 存储格式为Microsoft Excel, 具体信息包括:

(1) 5个专业:分别为信息管理与信息系统、国际贸易、工商管理、会计学和金融工程。

(2) 324名学生的基本信息:包括学号、专业、性别、民族、出生年份、考区、户口类型、文理分科等信息。

(3) 学生针对38门课程的成绩信息:包括课程类别和每名学生所选课程的成绩。

数据预处理包括:

(1) 剔除奇异数据:删除各表中因为留级和退学未参加按大类招生划分专业的学生信息, 剩余275名学生。

(2) 缺失数据填补:共发现学生各科成绩表中空值30处, 对于空值的处理分为两种情况:

① 若确定该空值为缺失数据, 则填充该科平均成绩;

② 若确定该空值为学生故意缺考, 则计为零分。

(3) 形成代理码:为操作方便和节省空间, 将相关表中的属性名称用代理码代替, 如专业、课程等。为后阶段将维表和事实表的代理码进行匹配做好数据准备。

3.2 确定分析主题

对相关部门进行需求调研并充分分析现有数据, 确定两个分析主题:学生基本影响因素分析和学生科目类别及成绩分析。每个主题均从时间、学生、专业和课程等4个维度进行查询和分析。

(1) 学生基本影响因素分析。

学生基本信息客观描述了学生的基本特性, 其中隐含了学生自主选择专业的大量行为特征。为该主题建立星形模型所示, 具体包括4个维表:时间、学生、专业和课程, 以及一个事实表, 其中包含各维表的主键。该事实表比较特殊, 不包含其他数值型数据, 主要用于计数分析。Microsoft SQL Server 2005 Integration Services中的查找控件可以实现维表代理码和事实表主码的匹配。

(2) 学生成绩分析。

维表设计与“学生基本影响因素分析”主题相同, 事实表中除包含各维表的主键外, 还包含学生成绩字段, 用于不同维度与粒度的汇总查询, 如图1所示。主题确立之后, 将源数据进行转换, 载入到数据仓库中, 继而进行OLAP分析。SQL Server 2005 Analysis Services项目可创建数据分析中的维度和多维数据集, 并由客户端分析程序提供OLAP多维数据查询和分析服务。

3.3 OLAP分析结果

基于两个主题建立起数据仓库后, 可以对其进行各种维度、各种聚集度的OLAP分析。部分分析结果如下:

(1) 学生基本影响因素分析。考察学生性别、户口类型、考生地域、文理分科等学生基本属性对于专业选择结果的影响, 现以前两者为例:

① 考生性别对学生分专业结果的影响。学生性别不同, 选择专业的情况差异很大, 如图2所示。女生选择会计学专业的人数最多, 高于选择该专业男生人数的两倍, 而男生选择信息管理与信息系统专业的人数最多。转专业学生为从外学院转入经管学院的学生, 不参与大类招生, 他们更偏好于会计学和金融工程专业。

② 户口所在地类型对学生分专业结果的影响。户口所在地类型对专业选择结果影响明显, 如图3所示。城市学生中, 约3/5选择金融工程专业, 无人选择国际贸易专业;农村学生中, 选择金融工程的人数非常少;城镇学生则居中, 各个专业人数分布较均衡。

(2) 学生成绩分析。选择各专业学生在分专业前的年级排名分布情况差异较大, 以信息管理与信息系统与金融工程为例, 选择金融专业的学生排名集中在50～100名之间, 前100名的学生占选择金融专业学生的2/3;而选择信息管理与信息系统专业的学生专业排名集中在150～250名之间。

4 结 论

本文利用数据仓库技术对高校大类招生环境下学生自主选择专业进行了多维分析。首先介绍了数据仓库星形模型分析方法, 随后重点阐述高校学生专业选择数据仓库的建立过程, 并围绕学生基本影响因素分析和学生成绩分析两大主题对学生选择专业的行为特性进行OLAP分析。分析中发现, 学生对于金融工程、国际贸易等传统热门专业的选择受户口类型影响较大, 而对于信息管理与信息系统和会计学专业的选择则受学生性别影响严重。专业排名在100名以内的学生更愿意选择金融工程, 排名中间的学生多数选择信息管理与信息系统, 这主要是受国家近年来对金融人才需求量增加影响。

高校大类招生有利于培养基础理论知识扎实、科研能力较强的基础型人才和复合型人才。这种教育模式的应用和各种政策的制定还处于探索阶段, 数据仓库技术为探索工作提供了必要的理论支持和技术手段, 其在该领域进一步的应用是未来研究的重点。

摘要：本文研究数据仓库技术在高校大类招生环境下, 学生自主选择专业行为特征分析中的应用, 为高校大类招生相关政策的制定提供理论支持及技术手段。首先介绍了数据仓库星形模型分析方法, 结合专业选择分析相关需求描述数据仓库建立的一般步骤。随后以北京科技大学经济管理学院2005级学生基本信息及学科成绩为例, 重点阐述学生专业选择数据仓库逻辑模型设计。通过确立学生基本影响因素分析和学生成绩分析两大主题, 充分分析学生基本属性、学生成绩等对学生选择专业的影响, 并给出OLAP分析结论。

关键词：数据仓库,OLAP分析,大类招生,专业选择,成绩分析

参考文献

[1]赵海平.再谈按大类专业招生主动适应经济建设需要[J].吉林教育科学:高教研究, 1994 (5) .

[2]George H John, Ron Kohavi, and Karl Pfleger.Irrelevant Features and the Subset Selection Problem[C]//Proceedings of the Eleventh International Machine Learning Conference, New Jersy, USA1994:121-129

[3]何晓群.现代统计分析方法与应用[M].北京:中国人民大学出版社, 1998.

[4]张文彤, 阎洁.SPSS统计分析高级教程[M].北京:高等教育出版社, 2004.

[5]D Barbara, W DuMouchel, et al.The New Jersey Data Reduction Report[J].Bulletin of the IEEE Computer Society Technial Commit-tee on Data Engineering, 1997, 20 (4) :3-45.

招生数据 篇6

当前关于研究生教育与地方服务的研究, 大多集中在从传统培养模式的局限性和区域经济社会发展的要求, 提出研究生教育理念改革和培养课程优化等观点和措施[1];有研究者通过对国内外高校的研究生管理模式进行对比, 提出我国需加强应用型专业学位研究生培养的观点[2],或者剖析国外一流大学的研究生教育与地方服务的工作特点, 为我国研究生教育提供经验[3],诸如地方高校研究生培养模式的产学研合作教育模式的探索[4]等。但这些多数是指研究生教育的知识输出体现, 而从已掌握的研究生相关数据中挖掘出有价值且能反映地区经济、文化发展趋势和特点的研究则相对较少。

数据挖掘技术现在已发展为成熟的信息科学技术,并已应用到高校管理研究中,如教务管理系统[5]、图书馆管理系统[6]、科研管理系统[7]和财务管理系统[8],而将数据挖掘技术应用到研究生报考信息系统中的研究尚为空缺。

因此, 本研究对过去五年宁波考点所有在职人员报考研究生的报考信息进行数据分析, 不仅可以掌握所在地区在职研究生报考的总体规模、变化趋势、生源分布等信息,还可以掌握未曾觉察到的内在联系与社会动态, 预测人才培养的发展趋势, 为高校的招生培养和政府人才建设的统筹投入提供翔实可靠的参考意见。

1.考生现状分析

(1)年龄段分析

以2012年宁波考点在职联考的考生数据为例, 宁波考点在职联考的总报考数为3056人, 年龄在25岁至30岁之间的考生最多,人数为1389人,其次是年龄在30岁至35岁的考生,人数为1044人。由此可知,25~35岁年龄区间的考生本科毕业后积累了几年工作经验,基本是单位的骨干人才,在事业上充满干劲,有进修学习目标和动力,因此,他们是报考在职联考的主要人群。

(2)考生的工作单位性质分析

根据常用的工作单位性质分类, 将考生工作单位性质分为10大类,A行政单位,B科研设计单位,C高等学校,D其他教学单位(包括中小学、幼儿园、中职院校、培训学校),E医疗卫生,F其他事业单位,G国有企业,H私营企业,I部队,J其他。以2012年宁波考点在职联考的报考数据为例可知 , 来自私营企业、国有企业和行政单位的考生人数最多,依次为679人、670和581人。这可能与以宁波为中心的浙东地区的经济特色息息相关,即以民营经济为主体,大型临港工业及重工业为支撑的经济体。此外,来自行政单位的公务员由于考核和晋升对学历要求比较严格,从而产生最直接的进修学习需要。

(3)报考专业分析

以2012年数据为例, 在职攻读硕士学位联考共有15个学位类别,分别为法律硕士、教育硕士、体育硕士、工程硕士、农业推广硕士、兽医硕士、风景园林硕士、公共卫生硕士、军事硕士、工商管理硕士、公共管理硕士、会计硕士、艺术硕士、职业教师、风景园林硕士和中医师承。其中报考工程硕士的人数最多为1621人,其次是公共管理硕士364人。导致报考工程硕士的人数远高于其他学位类别的报考数的原因可能主要是:其一,工程硕士涉及领域繁多,有40个方向,其中电子与通讯工程、控制工程、计算机工程和软件工程这四个领域的考生不受工作年限的限制;其二,如前所述,由于浙东地区的经济特色,来自私营企业和国有企业的考生人数很多, 这类考生主要为提高实际工作技能而进修学习, 所以他们中会有很大比例的人数选择报考专业性较强的工程硕士。此外,公共管理硕士报考人数排名第二, 主要原因可能是有相当多的考生来自行政单位,由于工作单位性质的缘故,其中相当大比例的考生会选择报考公共管理硕士。

(4)考生地域分布

本研究生源的地域分布分为3大类,即宁波市(海曙区、江东区、江北区、镇海区、北仑区、鄞州区),宁波周边地区(慈溪、余姚、宁海、舟山、象山、奉化、绍兴),浙江省内其他地区和省外地区。以2012年宁波考点在职联考的报考数据为例可知,宁波考点来自宁波市的考生最多1926人, 其次来自宁波周边地区的考生662人。很显然,考生会坚持“就近考试”的原则,因此,宁波市及宁波周边地区的考生会选择来宁波考点报名考试。

(5)报考院校分析

主要分为5大类,即宁波大学、浙江省内高校、上海高校、江苏省高校和其他。以2012年宁波考点在职联考的报考数据为例可知, 在宁波考点报考宁波大学的考生数最多908人,其次是报考上海高校782人,然后是报考浙江省内除宁波大学外的其他高校691人。相对来说,4个主要报考院校分类的人数比例分布相对比较均匀。首先,由于宁波考点的考生大部分居住在宁波市或宁波周边地区,选择就近进修,比较方便;其次,报考上海高校比报考浙江省内其他高校的考生还多, 原因有两点,一是上海地区的名校比浙江省内的名校多,考生可选择性较多,且社会对名校的认可度更大;二是宁波市政府对宁波诸多单位和上海高校的校企合作有财政支持, 在某种程度上提高了宁波及周边地区考生的报考热情。

2.相关分析

(1)考生地域分布与报考院校的相关分析

表1为2012年宁波考点在职联考的考生地域分布与院校地域分布的交叉分布列表。卡方检验结果表明考生地域分布对于院校的选择有显著影响(p<0.01)。表现为:在宁波市的考生报考宁波大学的实际统计人数为667人,比预计572人多,说明宁波市考生倾向于选择宁波大学;另外,在宁波市的考生报考上海高校的统计人数617人,比预计492人多,说明上海高校对宁波市考生的吸引也比较大。在宁波周边地区的考生报考浙江省内其他高校的统计人数217人,远高于预计149.7人,说明宁波周边有很大一部分生源选择省内其他高校。

(2)考生单位性质与考硕士类别的相关分析

表2为2012年宁波考点在职联考的考生单位性质与报考硕士类别的交叉分布列表。卡方检验结果表明考生单位性质对于考生专业选择有显著影响(p<0.01)。其中,来自行政单位的考生报考法律硕士和公共管理硕士的实际统计人数分别为173人和237人,远高于预计的44人和69人多 ,说明行政单位的考生更倾向于报考法律硕士和公共管理硕士;来自其他教学单位的考生报考教育硕士的统计人数为250人, 比预计的205人多,说明其他教学单位的考生更倾向于报考教育硕士;同理,“国有企业”和“私营企业”的考生更倾向于报考工程硕士。

3.变化趋势分析

主要对2008年至2012年宁波考点的六大考生单位性质的报考数进行分析,除来自“高等学校”的考生逐年递减和来自“其他教学单位”的考生有反复波动外,来自“其他性质的单位”基本呈上涨趋势。其中,来自“高等学校”的考生逐年递减的主要原因与国家教育部对在职攻读硕士学位的相关招生政策改变有关,首先是教育部于2009年对在职攻读“高校学校教师”的硕士类别停止招生,其次与高校教职工追求学历的意愿有关,他们不再仅满足于只有硕士学位的在职研究生,更多的高校教职工选择报考有双证(硕士毕业证和学位证)的全日制硕士研究生。

主要对2008年至2012年5年宁波考点的六大热门的硕士类别的报考数(法律硕士、教育硕士、工程硕士、农业推广硕士、工商管理硕士和公共管理硕士)进行分析,除工商管理硕士的报考人数有较为明显的反复波动外,其余几个热门专业均呈上涨趋势。

4.总结和建议

(1)总结

本研究对全国在职联考浙东地区宁波考点的报考数据(2008年~2012年 )进行数据分析和挖掘。以2012年宁波考点联考报考情况为例, 发现年龄在25~35岁区间的考生人数占绝大部分为79.6%。有63.2%的考生来自私营企业、国有企业和行政单位。关于报考专业硕士学位类别,主要集中在以下6个 : 工程硕士 (53% ), 公共管理 硕士 (11.9% ), 教育硕士(8.9%),法律硕士 (7.7% ), 农业推广硕士 (6.0% ) 和工商管理硕士 (5.3%)。关于生源地的分布情况,63%的考生来自宁波市,21.7%的考生来自宁波周边地区,14.6%的考生来自浙江省内其他地区,仅0.7%的考生来自省外地区。另外,还对考生报考的院校所在地进行了分析, 发现30%的考生报考当地的大学即宁波大学,25.6%的考生报考上海高校,22.6%的考生报考浙江省内其他高校,还有22%的考生报考其他地区的高校。

进一步通过“考生地域分布-院校地域分布的交叉分析”及卡方检验, 发现生源地与报考院校地域之间存在显著相关性,如在宁波市的考生更倾向于报考宁波大学,宁波周边(离宁波市稍远)地区的考生更倾向于报考浙江省其他高校。同时,还发现报考上海高校的宁波市考生的实际统计值高于预计值,结合实际情况,发现由于社会对名牌大学的追求和宁波市政府对宁波诸多单位和上海高校的校企合作有财政支持, 促使相当大比例的宁波及周边地区的考生选择报考上海高校。同样,通过“考生单位性质-报考硕士类别交叉分析”及卡方检验,发现来自行政单位的考生更倾向于报考法律硕士和公共管理硕士,来自其他教学单位的考生更倾向于报考教育硕士,来自国有企业和私营企业的考生更倾向于报考工程硕士。

最后,对2008年~2012年五年的宁波考点的报考数据进行分析发现,除了来自高等学校和其他教学单位的考生外,来自其他性质的单位基本呈上涨趋势;除了工商管理硕士外,其余几个热门专业均呈上涨趋势。

(2)建议

1关于招生宣传方面的建议

根据年龄情况分析的结果, 建议招生宣传方式应多选择年轻人更喜欢且习惯的媒体形式, 可以尝试从传统媒体形式如报纸电视,转向互联网和“微媒体”的形式;根据考生单位性质、生源地、报考学校、专业类别及考生地域分布-院校地域分布的交叉分析的结果,建议就考生的单位性质和所在地更针对性地与相关单位进行合作和招生宣传。

2关于在职研究生培养方案的建议

招生数据 篇7

关键词：独立学院,招生数据,7Ps,营销策略

1独立学院营销概述

根据 《独立学院设置与管理办法》,独立学院是指实施本科以上学历教育的普通高等学校与国家机构以外的社会组织或者个人合作,利用非国家财政性经费举办的实施本科学历教育的高等学校。独立学院不仅是我国高等教育的重要组成部分,而且有力地推动着高等教育改革的纵深发展,加快了高等教育大众化的进程,满足大众对高等教育的需求。独立学院脱胎于母体高校,是以母体高校为依托,与其他社会组织合作创建的具有法人资格的新型办学实体。它既有母体高校优质师资、先进管理经验及先进设备等方面的资源优势,又有社会组织的资金优势,是高起点发展的高校。

市场营销是个人和群体通过创造产品和价值,并同他人进行交换以获得所需的一种社会及管理过程1; 教育营销是在市场营销理论的指导下,以服务为平台,致力于满足顾客对教育服务的需求为目标,实现教育机构价值交换的活动过程2。7Ps理论就是在4Ps理论基础上增加了3个P,即: 产品( Prod- uct) 、价格( Price) 、渠道( Place) 、促销( Promotion) 、人员( People) 、有形展示( Physical Evidence) 、过程( Process) 。

独立学院在营销中的问题主要表现在: 营销局限在招生营销,招生渠道多种多样,组织构架纷繁复杂,人员组成复杂多变,招生成本越来越大,负面影响越来越多,严重影响到独立学院的办学质量和正常的教学秩序; 专业设置大而全,各校的专业雷同,办学特色不鲜明; 促销的手段多种多样,有很多不客观的内容,严重影响到独立学院在社会的声誉,甚至影响到独立学院的发展。

2云南M学院营销现状

2. 1学院简介

云南M学院( 简称 “M学院”) 创建于2000年,是经教育部批准确认的本科独立学院,按照国家统一招生计划面向全国招生。毕业成绩合格的学生,由学院颁发教育部统一印制、 网上电子注册、国家承认学历的云南M学院全日制普通本科毕业证书; 对于符合学士学位授予条件的学生,按照国家有关规定由云南M学院授予相应的学士学位证书。云南M学院同时也是经教育部批准招收少数民族本科班的全国首批三所高校之一,是全国信息技术应用培训教育工程( ITAT) 培训基地。

2. 2 M学院营销现状及存在问题

( 1) 产品方面,目前M学院共有英语、法语、泰语、对外汉语、朝鲜语、汉语言文学、文秘教育、国际经济与贸易、 经济学、财务管理、工商管理、物流管理、旅游管理等31个专业,涵盖了七大学科门类。学院的产品策略存在如下问题: 第一,教育产品结构不太合理。M学院的外语专业、小语种专业在云南具有很强的特色优势,但某些专业纯粹为了应对学科专业建设的需要,要没有很好地和市场需求结合起来, 因而存在学生就业难的问题; 一定程度上也影响了这些专业的招生,很难吸引学生报考。第二,产品开发力度不强。除了外语专业和国际交流项目以外,学院的产品吸引力不强, 与其他独立学院如滇池学院、商学院等相比同类专业优势很小,对大多数专业的课程建设和开发力度还不够。第三,专业面相对较宽,个别专业名称不规范。例如经济学、园林等专业,宏观性太强,但实际课程设置所涉及领域不深。

( 2) 价格方面,M学院的价格策略采用竞争定价法, 即紧跟竞争者的价格来定价,同时控制在教育主管部门的指导价范围内。学费收费为15000 ~ 20000元不等,住宿费收费标准为: 四人间,1200元/生/年; 六人间,800元/生/ 年。学院的价格策略存在三个问题: 第一,相比公办院校和其他非独立学院,学费收费略高。第二,价格解释工作不到位。较高的学费,加上每月必须的开支以及上网费、培训费等费用,让学生和家长更难接受。而学院在解释方面开展的工作还不够,应当通过透明、合理的解释和公示,取消家长和学生的疑虑。第三,价格促销行为缺失。M学院基本没有实施价格促销策略,这也是教育产品的特征所决定的。

( 3) 渠道方面,M学院的招生渠道主要是自建渠道, 每年在学院统筹安排下,通过培训后安排招生教师下点招生,两人负责一个地州( 省市) 的招生工作,设点招生四个月,各地州( 省市) 的广告由各点负责。学院在全国18个省区招考院的计划版、填报志愿指南上刊登了招生宣传材料,并从学院层面通过春城晚报、生活新报、云南信息报等多种报刊及云南招考频道、中国教育在线等关注度较高的网络媒体进行学院招生宣传。M学院的渠道策略存在三个问题: 第一,对整个招生工作的监督不够到位。第二,网络营销的效果较差,对网报学生的营销力度不够。第三,招生激励政策不透明、不合理,没能有效调动招生人员的积极性。

( 4) 促销方面,M学院广泛利用媒体传播、公益活动、 教育论坛等多种公关活动,全面加强了与媒体、教育主管部门、学生、家长和其他社会公众在各个层次上的沟通,有效地向社会和目标群体传送了学校的信息,一定程度上扩大了学校的知名度与市场影响力。学院的促销策略存在四个问题: 第一,广告宣传力度不够。第二,广告宣传艺术性不强。第三,由于对招生人员培训不够,加上薪酬、绩效设计不合理,促销力度和促销的主动性都不够,人员促销效果不够理想。第四,在公共关系的建立与维系方面,学院没有建立科学的系统规划方案,把短期利益看得太重,不能良好地长期维持现有的公共资源,没有真正意识到公共关系对学院发展的作用。

3云南M学院近几年招生情况分析

3. 1专业录取与报到情况

从表1可以看出,2012—2014年,M学院各专业录取与报到呈现出不稳定的趋势,有的专业报到率逐渐提高,例如法语、汉语言文学、秘书学、工商管理、旅游管理、物流管理、经济学、应用统计学、建筑学等专业; 有的专业报到率逐渐下降,例如泰语、财务管理、经济统计学、播音与主持艺术等专业; 报到率基本稳定的较少,例如日语专业。

2012—2014年,报到率平均在90% 以上的专业有: 日语( 100% ) 、财务管理( 99% ) 、泰语( 92. 47% ) 、公共事业管理( 91. 47% ) 、朝鲜语( 韩英双语)( 91% ) 和城乡规划( 90. 33% ) ; 报到率平均在85% 以上的专业有: 汉语言文学( 89. 27% ) 、建筑学( 88. 95% ) 、汉语国际教育( 87. 57% ) 、 经济统计学( 86. 3% ) 、园林( 86. 03% ) 、信息管理与信息系统( 85. 63% ) 、电子信息工程( 85. 5% ) 、视觉传达设计( 85. 05% ) 。其他专业平均报到率均低于85% 。

3. 2地区录取与报到情况

3. 2. 1各省录取与报到情况

表2数据显示,2013—2014年,M学院报到率平均在90% 及以上的地区有: 内蒙古( 95. 45% ) 、 河南( 92. 86% ) 、 江苏( 92. 45% ) 、 河北( 90% ) 、 福建( 90% ) 、浙江( 90% ) ; 报到率平均在85% ~ 90% 的地区有: 西藏( 89. 18% ) 、 黑龙江( 88. 17% ) 、 云南( 87. 92% ) 、 江西( 87. 62% ) 、 四川( 87. 26% ) 、 湖南( 85. 95% ) 、 天津( 85. 47% ) 、 重庆( 85. 17% ) 、 陕西( 88. 11% ) 、 新疆( 85% ) 、 山西( 85% ) 、 辽宁( 81. 05% ) ; 报到率平均在80% 以下的地区有: 宁夏( 73. 34% ) 、 广东( 74. 27% ) 、 安徽( 77. 58% ) 、 贵州( 79. 16% ) 、 广西( 79. 51% ) 、 甘肃( 79. 61% ) 、 青海( 75% ) 、海南( 75% ) 。

3. 2. 2云南省录取与报到情况

从表3可以看出2013—2014年M学院在云南省内不同地州的报到率情况,没有报到率平均在90% 以上的地州; 报到率平均在85% 以上的地州有: 保山市( 87. 98% ) 、昆明市( 87. 38% ) 、德宏州( 86. 16% ) 、西双版纳州( 85. 06% ) ; 报到率低于70% 的地州有: 怒江州( 59. 88% ) 、迪庆州( 63. 44% ) 。

4基于招生数据分析的云南M学院营销策略

根据7Ps营销组合理论,笔者结合云南M学院近几年的招生录取与报到情况,分析独立学院的营销策略。

4. 1产品策略

专业设置是M学院提供的主要产品之一,从招生数据分析可以看出,目前M学院不同专业的报到率存在很大差异: 有的专业平均报到率超过90% ,而有的专业报到率在85% ~ 90% ,有的专业报到率甚至低于80% 。

为了提高总体报到率,吸引更多的学生前来学院就读, 根据营销理论,笔者认为可以遵循发展重点产品的思路,根据市场需求在专业设置和招生计划等方面有所侧重。例如, 可以把报到率高于90% 的专业( 日语、财务管理、泰语、 公共事业管理、朝鲜语( 韩英双语) 、城乡规划) 作为学院重点建设和发展的专业,把报到率在85% ~ 90% 的专业( 汉语言文学、建筑学、汉语国际教育、经济统计学、园林、信息管理与信息系统、电子信息工程、视觉传达设计) 作为次重点建设和发展的专业,其他专业根据市场需求变化情况、报到人数变化情况适当限制或者直接取消。对于上述2类重点及次重点建设和发展的专业,一方面加强师资队伍建设,强化教学管理,不断改进教学设备和设施,切实提升教学质量,实现家长、学生和社会满意度的提升; 另一方面申请增加招生计划。通过产品策略,M学院在专业设置和发展方面的思路将更加清晰,招生计划将更有针对性,招生效果也将大大提升。

4. 2价格策略

独立学院尽管挂靠于公立大学,但相比其他公办高校由于没有财政经费补助,因此其向学生收取的学杂费用较高, 一些家庭经济条件差的学生难以承受,往往不会填报志愿或者即使填报志愿被录取也不会前来就读。云南M学院和其他独立学院一样,学杂费较高成了招生的一大劣势。从2013— 2014年的录取情况看,M学院的省外生源中,内蒙古、河南、江苏、河北、福建、浙江等省的报到率平均高于90% , 这些地区的经济水平在全国基本处于中等偏上; 其他一些经济欠发达地区的报到率较低,例如宁夏、贵州、甘肃、青海、 海南等省份,报到率低于80% 。从云南省内的情况看,GDP总量排第一的昆明市报到率较高,而GDP总量排末尾的怒江州和迪庆州报到率同样最低。当然也有例外情况,并非经济发展水平较高的地区报到率就高( 例如广东报到率仅74. 27% ,居于末位; 曲靖市GDP总量排云南第二,但报到率也仅为80% 左右) ,也并非经济发展水平较低的地区报到率就低( 例如新疆报到率85% 、山西报到率85% ; 德宏州和西双版纳州经济总量较低,但报到率高于85% ) ; 但总体看, 就读M学院的省内外生源中,经济条件较差的地区( 家庭) 学生的报到率较低,比较看重上学成本。

根据招生数据分析结果,笔者认为M学院营销的价格策略应关注以下两点:

第一,对于经济发达地区( 省内地州) ,可以适当增加招生计划,争取更多的招生名额。这样可以一定程度解决学生因经济条件限制不能到校报到就读的问题,同时也能减少贫困生的数量。第二,对于经济欠发达地区( 省内地州) , 一方面,加大对贫困生的扶持力度,为贫困生创造、提供各种勤工俭学岗位,让他们安心学习; 加大对贷学金制的争取力度,通过各种渠道和途径,让学院的贫困生归入贷学金制度的行列; 扩大奖学金的受众面和增设其种类,为一些较贫困学生创造学习条件; 另一方面,适当变革交费形式,适当考虑为特困学生交学费开 “绿灯”,即允许特困生通过分期交费、延期交费和毕业一次性交费等方式完成交费任务,实现降低经济压力、提高学习信心的目的。通过上述各种价格策略,吸引更多的经济条件较差的学生就读M学院。

4. 3渠道策略

从前文的分析可以看出,不同专业的报到率存在明显差异,不同地区的报到率也存在较大差异。学生放弃就读M学院机会的原因有很多,除了前面分析的家庭经济条件差、 专业设置和招生计划不合理外,和学院的招生渠道不畅也有一定关系。

为此,M学院应加强渠道建设,拓宽招生渠道。一方面,重视学院网站推广,在主要门户网站和各地招办主页上链接广告,改进学院网站功能和增加项目设置,增加和完善网上在线答疑、考生信息登记、考生留言、录取情况查询、 电子招生简章下载等网络功能,让家长和学生能够通过学院网站就能清楚了解所需求的信息。另一方面,加强与各省、 各地州招生办、中学合作,增设生源奖励,激励他们努力帮助M学院进行招生宣传、吸引更多的生源。

4. 4促销策略

从M学院的招生数据来看,学院的招生范围目前还没有扩展到全国,云南省内的生源主要来自经济相对发达、交通相对便利的地区( 地州) 。例如北京市、上海市目前没有开展招生工作; 云南省内的生源主要来自于昆明市、曲靖市、玉溪市、楚雄州、大理州、红河州等经济相对发达、交通便利的地区; 而怒江、迪庆、西双版纳等偏远地区的生源较少。这一定程度说明,M学院的促销工作还没有充分展开,尤其是一些偏远地区的招生宣传工作没有深入开展,使得这些地方无论招生计划还是报到率都较低。

为了加强学院宣传力度,努力提升学院的形象和认知度,学院的促销策略可以围绕以下两点开展:

首先,扩大招生宣传覆盖面。在全国范围内开展招生宣传工作,让绝大部分高中生都知晓学院的基本情况; 省内招生也要逐渐加强对偏远地区、少数民族地区的宣传力度。其次,抓好招生宣传的重点。宣传内容要突出学院办学条件、 办学质量、办学特色,宣传形式要逐步过渡到以核心网络平台宣传为重心,并利用多种渠道来进行多方位的宣传。宣传形式要不断革新,主要利用学校主页、百度搜索引擎、微博、重要纸媒、电视、广播多种渠道来进行多方位的宣传。 学校主页中,要把师资力量、教学特色、学院管理、实习和实训等优势放在官网的显著位置,使学生和家长能更快更全地了解M学院的特色,打消报考学院的疑虑。

4. 5人员策略

首先,加强招生队伍建设。在每年招生宣传前,学院应组织各院系、部对学院的招生简章、学院概况、有关招生情况等普遍学习、掌握,做到人人都知情,都能解答考生提出的问题。确保招生宣传人员、录取人员应相对稳定,培养一批业务熟悉、凝聚力强的招生专业队伍,利于提高工作效率。其次,加强对招生人员的激励和招生过程的监控。对于招生工作人员,要完善激励机制,给予工作人员合理的物质激励和精神激励,激发他们完成招生任务的积极性; 对于招生过程,要加强监控,每天都要检查工作人员的招生进度、 考勤、成效等,同时加强招生宣传审查,确保招生宣传信息真实、可靠。

4. 6有形展示策略

M学院可以组织考生及家长来学院参观,邀请学生和家长参观校园,把学院的形象展示给他们看,消除他们的顾虑,获得学生和家长的认同。M学院除了免费接送一些考生和家长来学校参观之外,还应在经济允许的情况下,各市级的招生人员通过租赁客车的方式组织学生和家长来学院免费参观。同时在学院合适的位置,通过展板、橱窗等,介绍学院的发展历程、专业特色与优势、教学科研取得的成果、 就业成绩等。这样既达到了最直观的宣传效果,也同时展示了学院的办学实力和诚意。

4. 7过程策略

招生数据 篇8

按照经费来源划分, 我国大陆高校大约分为三类:一类是经费主要来源于中央财政的部属高校;一类是经费主要来源于地方财政的省属高校;一类是经费主要来源于学费的民办高校。部属高校教育质量较高, 办学经费主要来源于中央财政, 学费较低, 因而部属高校分省招生计划就成为涉及优质教育资源在不同省份之间分配的关键。那么, 部属高校应当依据什么制定分省招生计划呢?目前这方面的理论研究很少。在实践中, 部属高校分省招生计划往往考虑历史情况, 每年在历史计划的基础上予以微调, 这并非可以追问的依据。微调过程中, 招生官员的主观倾向有时会产生作用, 比如某大学招办主任是四川人, 该校有可能会增加四川省的招生指标。

2014年9月公布的《国务院关于深化考试招生制度改革的实施意见》强调, 改革所遵循的基本原则有四条, 分别为遵循教育规律、确保公平公正、提高选拔水平和积极稳妥推进, 其中最重要的主题词是“公平公正”, 强调“把促进公平公正作为改革的基本价值取向”。因而在“总体目标”之后的“主要任务和措施”第一条, 就是改进招生计划分配方式, 提高中西部地区和人口大省高考录取率, 增加农村学生上重点高校人数。

部属高校分省招生计划的确定需要平衡考虑公平和效率两个因素。其中, 公平方面应当引入基尼系数为衡量依据, 努力保证部属高校每年分省招生计划的基尼系数不高于0.4, 以促进优质高等教育资源在各省分配的公平性, 促进不同来源地区学生的相互交流[1]。基尼系数因而可以成为社会、教育部和高校自身衡量不同部属高校分省计划公平程度的宏观参考指数。

在保证公平的前提下, 各高校同样应当关注优质教育资源与优质生源的匹配, 在生源竞争中“遵循教育规律”“体现科学高效, 提高选拔水平”, 这是效率因素。各高校需要持续研究各省生源的质量, 研究分省生源对本校的偏好。本研究旨在通过对部属高校K大学多年学生学习成绩大数据的分析, 提出研究学生群体学业表现和地域差异的EI (Excellence Index) 指数。同时, 在微观层面综合分省录取比例和EI指数, 给出K大学确定分省招生计划的方案。这将是一个综合公平与效率, 同时很有启发的方案。

一、学业表现指标EI指数的构建

(一) 个体学业表现指标:GPA成绩

个体学业表现指标的选取有两个路径:第一是单一指标, 如考试成绩, 典型指标为高考成绩;第二是综合指标, 如包含学习成绩、科研情况、获奖情况、参与学工社团情况、心理健康、艺体特长等诸多指标共同衡量学生学业情况, 典型指标为美国私立大学入学考核指标。前者可以进行大样本量化研究, 评价成本较低;后者评价更为综合并更针对个体, 成本较高。

本研究衡量学生群体学业量化表现, 因而采用GPA (Grade Point Average) 作为衡量学生学业表现的基础指标。K大学GPA计算式为:

GPA是大学衡量学生学业表现的主要指标。它是单一量化的变量, 但由于其计算统计一段学习时间多门课程的综合表现, 因而具有综合指标的特点。这是因为教师课程考核方式具有多样性, 如成绩并不简单由期末单一考试成绩确定, 还综合了期中成绩、论文成绩、课堂问答表现等主观评价, 因而其对学生的评价具有一定综合性。本研究选取大学本科四年所有课程确定的GPA。采用GPA亦有缺点, 不同专业的学生GPA具有横向不可比性。因此, 本研究控制学生来源学院以减少GPA不可比性。

(二) 学生群体学业表现指标:EI指数

1. 群体GPA均值的非合意性。

为表征学生群体成绩, 可以简单计算该学生群体GPA均值, 但GPA均值有以下缺点: (1) 均值容易受到极端数值和数据分布情况的影响, 如K大学中招生人数较少的青海省, GPA极端数值的影响很大, 年度均值极不稳定。 (2) 均值对成绩分布信息的损失较大, 数据的离散程度被忽略。如GPA均值相同的省份其学生GPA可能方差较大 (成绩好和差都有) , 也可能方差较小 (成绩主要是中等) 。 (3) 实际计算表明, K大学不同省份学生之间的GPA均值实际相差甚小, 按GPA均值排序来判断省份生源质量的优劣缺乏区分度, 我们不可能给出某个GPA的平均值“界限”, 声称高于此界限的生源相对优秀, 低于此界限的相对不佳。 (4) 群体GPA均值在不同年份间具有纵向不可比性。美国研究者发现, 由于教学评估制度, 老师有打高分以获得学生好评的倾向, 因此GPA具有“通货膨胀”的特征[2]。这种现象在我国大学也存在, 研究者发现尤其对于可自由选课的任选课、公共选修课、通选课, 成绩在1992-2003年具有加速上升趋势, 并且促进了对“优秀率”进行限制的政策实施[3]。K大学在2007年曾进行GPA计分改革, 前后GPA不能直接加合。对K大学六年GPA均值进行分析, 可看出GPA的“通货膨胀”, 改革前后差距十分明显 (见图1) 。正因如此, 第 (1) 点中所提的极端值现象不能通过历年GPA均值再平均解决。

2. 构建EI指数。

优异指数EI是为了研究一个群体学生学业成绩相对水平而提出的概念。除法EI是计算特定群体学生GPA排名在前30%人数与后30%人数相除的比值。减法EI则是特定群体学生GPA排名在前30%人数与后30%人数相减再除以群体总学生数的值。其中排名均以学院或系为单位计算。这两者都可以表示群体学生学业优秀程度, 并且可比, 其中减法EI是线性的。

除法EI<1 (或减法EI<0) , 说明该群体学生整体学业表现相对较差;如果除法EI=1 (或减法EI=0) 说明该群体学生整体学业表现相对良好或处于平均水平, 因为平均水平就是处于前30%的学生与处于后30%所占学生的人数恰好相等;如果除法EI>1 (或减法EI>0) 则说明该群体学生整体学业表现相对优秀。通俗的讲, EI可以衡量某个群体的学生在整体中表现优秀的人数更多还是表现落后的人数较多的数据。

EI指数用来研究群体在整体中的表现, 其研究指向是群体, 因此凡是能够在整体中区别出不同群体的标准, 都能用EI来研究其相对表现。

EI构建关注了群体结构, 选用了30%作为相对优秀或落后的排位标准。EI的计算也可取其他比率, 但有两个理由使我们认为30%比较恰当。第一, 如果所有学生的成绩为正态分布, 那么采用“五级评定法”来划分学生成绩的话, 在平均数加减0.5个标准差的范围内的人数约占所有人数的38%, 而两头的区间, 即表现优秀和表现差的区间约各占总人数的31%, 为方便, 我们取整数为30%。第二, 质性访谈为30%的比例取值提供了依据。对K大学教授的访谈中, 大多数教师对优秀学生的标准说法并不一致, 但所有的被访者都提到其中一条重要标准, 即GPA排名在学院前30%或前50%的学生。他们认为第一名和第十名实际学业水平差别可能并不能用排名来简单比较, 但排名前30%或前50%的学生较排名后30%或后50%的学生在学业上相对优秀。虽然具体排名无法准确描述学生的学业水平, 但成绩排名中处于前列的学生相对于居后学生的学业水平更高, 可能符合经验。基于以上分析, 本研究采用以GPA为基础构建的EI指数分析不同省份学生群体在大学的学业表现差异。

二、群体学业表现分析

(一) 数据说明

本研究的对象为2004-2009年K大学毕业的16320名本科生的四年GPA与省份来源数据, 数据不包含K大学录取的外籍学生、中途因故退学和转学学生, 但包含港澳台地区学生。在计算EI指数时, 去除了体育特长生和艺术特长生, 因为特长生录取名额并非分省定额, 且特长生学业表现属独特群体, 因此不计入正常计算。调整后, 参与分析的学生总人数为15914人。数据分析借助Excel和Stata工具完成。

(二) 分析方法

本研究将六年学生整体进行分析, 在计算EI数值时, 排名靠前/靠后/总人数取六年人数加合。EI指数理论上可以用于各年级单独分析。对2004-2009中分年的EI分省数据分析发现单年分析具有一定不稳定性, 原因如下: (1) 招生人数较少的省份在某一年可能由于前30%和后30%的人数太少 (甚至为0) , 导致EI出现数值极端; (2) 部分省份有“大小年”现象, 如K大学安徽省和四川省学生在奇数年份的表现远远好于偶数年份, 这和K大学在两省奇数年份招生名额相对较少, 因此学生质量整体较高有关; (3) 有些省份个别年出现“超常”现象, 如北京市2004年和福建省2009年的生源质量特别优秀, 其除法EI大于2, 但其他年份北京的生源质量除法EI约在1左右, 福建除法EI约1.5左右。因此, 采用六年数据进行整体分析, 以上异常现象基本可以避免。

对六年数据进行整体分析依赖一个前提假设:一个地区学生的群体表现具有连续性和稳定性, 不随时间发生较大变化, 只有在这个假设成立的基础上, 根据以往学生表现制定未来招生政策才可靠。观察K大学六年数据, 29个省份学生的学业表现相对稳定, 只有5个省份学生表现变化较大, 不具有稳定性。说明学生地域来源具有稳定性的假设具有一定可靠性。

本研究将六年数据整体分析, 抹平一些特殊原因造成的年际变动, 反映出不同省份学生群体学业表现在一段时间内的规律性。

(三) 初步结论

如表1所示, K大学六年EI指数大于1, 也即优秀学生相对较多的省份大都为沿海或经济发达省份, 如浙江、天津、福建、上海、广东、江苏、山东、北京。EI指数在0.5-1.0之间的省份主要为东北地区省份和中部省份。EI指数小于0.5的多为西南地区、西部少数民族省份等经济欠发达地区。以上情况初步表明学生学业表现和经济情况之间存在一定相关性。经济发达省份由于经济积累较多, 基础教育质量较高, 家庭背景好同时家庭参与教育较深, 人们更关注长期人力资本投资, 因此其教育成果较好, 并且这种教育优势由初等教育一直保持到本科教育。

港澳台地区学生学业表现居于末端, 这主要是因为K高校在港澳台地区没有生源竞争力, 国外高校和港澳台本地大学竞争力较强。此外, 港澳台地区基

础教育模式与大陆学校有差距, 故学生成绩表现和经济状况不相符。

三、EI效率判据的应用及微观政策建议

《国务院关于深化考试招生制度改革的实施意见》要求“部属高校公开招生名额分配原则和办法, 合理确定分省招生计划, 严格控制属地招生比例”。对此, 部属高校应该根据何种原则和办法确定分省招生计划?微观层面, K大学分省招生计划的确定原则有两点, 一是努力保证公平公正, 二是在确保公平的基础上调整分省招生计划以提高K大学整体生源质量。本研究根据EI指数衡量整体生源质量, 同时参考K大学在各省生源的录取比例衡量在一省的招生公平情况 (见表2) 。K大学在某省的录取比例是用K大学2004-2009年录取人数除以该省2004-2009年累计的高考考生人数获得。

为兼顾公平与效率, K大学确定招生计划分配的原则应当是:在确保公平的基础上提高效率。因此, K大学可以对EI较高同时录取比例较低的地区适当增多招生, 对EI较低且录取比例较高的地区适当减少招生, 同时保证基尼系数在0.4之下, 这样可以同时改善效率和公平。基于2004-2009年的数据, K大学未来的具体招生计划方案建议调整如下:

(一) 常规调整

对于录取率高、EI指数高的地区, K大学可保持原招生计划数或微调, 如天津、上海;对于录取率高、EI指数低的地区, K大学可减少在该省招生计划数, 如海南、重庆、黑龙江、吉林;对于录取率低、EI指数高的地区, K大学可适当增加在该省招生计划数, 如广东、河北;对于录取率低、EI指数低的地区, 为促进西部地区省市公平, K大学可保持招生规模或微调, 如贵州、甘肃。

(二) 非常规调整

K大学地处北京, 在北京属地招生计划多, 录取比例最高, 北京EI指数居于中游偏上, 但如果考虑其在公平一端的巨大影响, 可适当减少北京招生计划, 降低K大学基尼系数。以上结论与减少属地招生的总原则一致。西藏、青海、宁夏属于“录取率高、EI指数低”的地区, 按照常理应当减少在当地的计划。但录取率高可能是高考报名数少的原因, 也是西部边疆地区基础教育质量较低的结果, 因此应当继续保持原有计划数以弥补起点不平等。K大学在港澳台地区生源竞争力较弱而导致EI指数极低, 但保持适当计划有助于港澳台地区学生对内地的了解, 因此K大学应采取措施努力提升当地生源竞争力, 争取更优秀生源。相关政策改进效果可以通过年度EI变化予以了解和监控。

四、进一步讨论

本研究通过对K大学2004-2009级六个年级学生大学四年学业成绩GPA的分析, 构建EI指数以研究K大学分省学生群体在地域维度的学业表现差异, 进而建议K大学参考EI指数, 在确保公平的前提下提高效率, 以科学合理地确定分省招生计划。EI指数以及相关分析模式虽仅以K大学为例, 但在目前分省招生定额制度下, 也可以对其他部属及省属高校分析自身学生群体学业表现、招生以及学生学情分析提供参考。EI指数只需要GPA成绩、实际招生人数和学生个体院系归属就可进行, 数据可得性较好, 推广性较强。

根据学生在校学业表现制定招生计划的前提假设是某省学生学业表现具有连续性、稳定性、一致性。这种假设是否成立是一个经验问题, 因此理想方案不是永远根据某几年的数据制定招生计划, 而是每年持续加入新的数据且每年都参考前段年份相对稳定的数据结论制定下一年招生计划。这样形成的不但是一个可资参考的、统筹效率与公平的招生计划方案, 更是动态实践参考。本研究因此需要持续进行, 不断提出修正建议。

对EI指数的分析同时发现了K大学的弱势学习群体, 如来自西部边疆的学生、来自港澳台的学生等, 因此K大学在大学教育中应当采取措施对这类学生提供学习帮助、职业规划、专项导师辅导等以激励学习动机的出现。为此, 建议K大学成立“学习中心”以系统帮助学习中的弱势群体, 相关群体的确定可以通过EI指数的分析确定。相关工作将提升K大学整体学生学业表现。

本研究的价值取向是在确保公平的基础上提高效率。例如, K大学在未来提高浙江的招生计划数可以实现“不影响公平的基础上提高效率”这一目标, 提高甘肃的招生名额也可以实现这一目标。那么高校有可能出于效率的偏好提高浙江的名额而非甘肃的名额。这样, 在不改变落后地区公平现状的基础上可以实现高校招生优化招生计划。但以上价值取向有可能被引上偏向效率的路径, 这未必合乎社会最大福利。

除去公平与效率外, 招生中还有其他的价值取向, 如努力保证学生群体的多样性, 这种多样性除去学生省际来源的多样性外, 还包括性别多样性、民族多样性以及学生经历的多样性, 如专项招收退伍军人等价值目标。因此, 在参考本研究结论和分析模式的时候, 也要了解到本研究的局限。

本研究仅停留在现象层面, 没有深入探讨EI指数省际差别背后的原因。我们注意到EI指数与省际经济发达程度、开放程度和基础教育水平的相关性, 这实际提出了有关基础教育方面更重要的问题。回答以上问题需要更多大学的参与, 需要多所大学长期大数据的支持, 其研究将对基础教育具有重要意义。

参考文献

[1]乔天一, 邓溪瑶, 于晓磊, 陈虎, 卢晓东, 黄晓婷.以“基尼系数”衡量部属高校分省招生指标的公平性[J].中国高教研究, 2014 (10) .

[2]Charles F EIszler.College Students’Evaluations of Teaching and Grade Inflation[J].Research in Higher Education, 2002 (04) .