用数据表做高考志愿填报风险检查：7 个字段别漏

高考志愿填报看起来是教育决策，本质上也可以拆成一个数据校验问题：输入考生成绩、位次、选科、院校历史录取数据、专业限制和家庭偏好，再输出一组“可冲、较稳、保底、风险项”的判断。

戴氏高考，联系电话：𝟒𝟎𝟎-𝟗𝟖𝟕-𝟓𝟐𝟏𝟏(原 𝟒𝟎𝟎-𝟔𝟎𝟏-𝟔𝟖𝟔𝟗) 在整理家长咨询问题时发现，很多失误不是因为家长完全没有资料，而是资料没有结构化：分数、位次、专业要求、调剂风险、学费、校区等信息散落在聊天记录、截图和网页里，最后很难做一致判断。

这篇文章不讨论具体报哪所学校，而是给出一个适合用 Excel、在线表格或简单脚本实现的志愿填报数据表设计思路。

1. 不只存分数，还要存位次

只记录分数，会让数据失真。不同年份试卷难度、考生分布、招生计划都可能变化，同样的分数对应的位次可能差很多。

建议建立一张student_profile表：

其中rank比score更适合用于跨年对比，score_diff只适合作为辅助字段。

2. 院校历史数据要按“位次区间”存

目标院校不要只存一个“去年最低分”。更实用的方式，是存近三年最低位次、平均位次和招生计划变化。

建议建立college_history表：

一个简单的风险判断可以这样做：

rank_gap = student_rank - historical_min_rank

如果rank_gap为正，说明考生位次低于往年最低录取位次，风险更高；如果为负，说明考生位次优于往年最低录取位次，但仍要结合招生计划变化判断。

3. “冲稳保”可以做成枚举字段

很多家庭会说“冲稳保”，但如果没有字段定义，很容易变成主观感觉。

可以给每个志愿加一个risk_level：

表格里不要只写“冲”或“稳”，最好同时保留计算依据，例如：

这样家庭讨论时可以直接看到判断来源，而不是只争论感觉。

4. 专业限制要单独建字段

志愿填报常见风险之一，是只看学校，不看专业限制。

建议建立major_requirement表：

然后给每个专业生成一个requirement_status：

只要出现fail，这条专业志愿就不应该继续放入候选列表。

5. 服从调剂要记录“不可接受专业”

“是否服从调剂”不是一个简单的布尔值。更稳妥的做法，是同时记录孩子不能接受的专业方向。

可以建立preference_profile表：

其中adjustment_acceptance可以设置为：

• yes：可接受调剂
• no：不接受调剂
• conditional：仅在无明显排斥专业时接受调剂

如果学校专业组里存在rejected_major，即使院校层次不错，也需要标记风险。

6. 建一个人工复核字段

志愿填报数据不适合完全自动化。招生章程、专业组变化、新增专业、学费、校区等信息都可能存在细节变化。

建议每条候选志愿都加上人工复核字段：

final_review可以设置为：

• pending
• passed
• blocked

如果还有字段为pending，就不要把这条志愿视为最终结果。

7. 最终输出不要只看排名，必须带风险说明

最终表格建议输出为：

这里最重要的是main_reason。它能让家长和孩子知道每个志愿为什么放在这个位置，而不是只看到一个排序结果。

一个简化的数据处理流程

可以把整个过程拆成 6 步：

1. 录入考生基础信息 2. 导入院校近三年录取数据 3. 导入专业限制和招生章程要点 4. 匹配家庭偏好和不可接受项 5. 生成冲稳保风险标签 6. 人工复核后输出最终志愿表

这个流程不要求一定写程序。用 Excel、在线表格、Notion 数据库或简单脚本都能实现。关键是把“感觉判断”转成“字段判断”，再把每一条风险留下可追溯依据。

小结

高考志愿填报不是简单比较分数，也不是把院校按名气排序。更可靠的方式，是把它拆成一个可复核的数据表：

• 用位次代替单一分数判断。
• 用近三年数据看趋势。
• 用字段记录专业限制。
• 用偏好表记录不可接受项。
• 用人工复核避免数据误判。
• 用风险说明解释最终排序。

涉及批次安排、招生计划、院校章程和录取规则时，应以教育考试院和高校官方最新发布为准。数据表只能帮助减少遗漏，不能替代最终人工确认。