一种高考志愿填报自动化分析与决策方法与流程

本发明涉及信息处理及决策技术领域，具体地，涉及一种高考志愿填报自动化分析与决策方法。

背景技术：

现有市场上的传统产品，有两类：第一类也是最常见的一类，其主要功能均仅限于“高考分数”这一单一指标来帮助高中毕业生进行志愿分析与填报，而且这种分析也仅限于高考志愿填报的一般性分析思路(或者称着“高考志愿填报模拟”系统)。其分析的逻辑结构是单一的；功能上则侧重于“能上大学”的“保险系数”上；技术原理与方法也仅限于“模拟级”。第二类近期出现的产品，也有类似“职业性向”测评的设计。但是，这种测评工具(或叫量表)大多是从国外资料中“引用”过来的。其最大的缺陷有三：第一，作为普遍意义上的“职业性向”测评，不是专业针对高中生升学管理设计的专业测评工具(或叫量表)；第二，因缺乏基于中国本土化的专业实证性研究，没有形成一个基于中国人的常模，因此也将不能对中国中学生形成真正意义的指导；第三，其测评结果(兴趣代码)所对给出的“对应专业”，是“广泛意义上专业”，无法给出与大学招生专业完全相匹配的“专业匹配性”信息和建议。

由此可见，现有市场上传统的高考志愿填报工具(或系统)，最大的不足之处在于：第一，传统的高考志愿填报工具(或系统)不能帮助考生依据自己的职业性向(通过职业兴趣探索、能力倾向探索、以及职业价值观探索等来完成)，去找到与其相匹配的专业和大学。已明显地不能适应我国高等教育的“大众化”需求。第二，传统的高考志愿填报工具(或系统)因不能为考生提供所要报考的大学和专业的规范化文本描述，以及未来职业形态的专业案例检索，从而无法有效地帮助考生对高考志愿(大学与专业)的正确认知，不能解决考生对报考大学和专业的信息不对称问题，回避了考生在专业选择时的“未来性”需要。第三，传统的高考志愿填报工具(或系统)，因不具备考生“职业性向”与“专业选择”的匹配技术，以及通过“匹配的专业”自动检索“招生院校”的技术支持，从而使得考生在进行高考志愿填报的决策时，缺乏科学性和全面性。

技术实现要素：

本发明的目的在于提供一种高考志愿填报自动化分析与决策方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种高考志愿填报自动化分析与决策方法，包括以下步骤：

S1.性向测评，通过使用职业性向量表进行专业测评，帮助考生发现和确定自己的“客观兴趣”，完成考生的“客观兴趣专业”的评估与自动化检索。这可解决考生普遍存在的“不知道自己喜欢干什么”“不知道自己能干什么”“不知道自己适合干什么”的职业生涯困境，从而更好地做出高考志愿的决策。

S2.专业认知，通过系统地归纳编写我国大学的“所有学群”、“典型专业”以及“未来职业标杆案例”的规范化文本描述和解读，帮助高中生准确而全面地认识高考志愿目标大学与专业，并直观地进行自己的“主观兴趣”评估，完成考生“主观兴趣专业”的评估与自动化检索。这可解决考生因对将要填报的大学与专业信息缺乏基本了解和判断而盲目选择专业和大学的问题。

S3.大学寻踪，具体包括以下步骤：

S31.检索出“我想上的大学”：将所述“主观兴趣”与“客观兴趣”评估功能相结合，帮助高中生准确定位与其评估结果相匹配的专业，形成考生志愿“匹配的专业”，并籍由“匹配的专业”自动检索出“我想上的大学”,完成基于“我想上的大学”目标志愿大学的评估；

S32.检索出“我能上的大学”：通过对招生信息的大数据处理设计，帮助考生自动检索出“我能上的大学”，完成基于“我能上的大学”目标志愿大学的评估；

S33.检索出“适合我的大学”：在“我想上的大学”和“我能上的大学”的基础上，帮助考生自动检索出“适合我的大学”，完成基于“适合我的大学”目标志愿大学的评估；

S4.志愿决策：结合“适合我的大学”等的评估，帮助考生“锁定目标”，完成“最后的决择”。

优选的，所述S1步骤中进行性向测评使用的职业性向量表是基于霍兰德(Holland)人格类型理论设计的职业性向测评量表，包括兴趣探索、能力探索、职业价值观探索等三个部分，所述S1步骤具体包括以下步骤：

S11.编制职业性向量表，建立常模，根据所述职业性向量表进行考生的职业性向测试，识别考生的职业性向类型；

S12.根据所测试的职业性向类型结果，从建立的常模和预定的职业性向计算算法确定考生的客观兴趣；

S13.根据客观兴趣参数，利用“客观兴趣专业”的自动检索计算算法完成“客观兴趣专业”评估。

优选的，所述职业性向量表包括六个维度，所述兴趣探索部分用于评估考生客观兴趣，包括兴趣活动、兴趣职业、人格特质、兴趣抓周码等四个维度；所述能力探索部分用于评估和确认考生的能力特长，为一个维度；所述职业价值观探索部分用于评估和确认考生的基本职业价值观，为一个维度。

优选的，所述S12步骤中的所述计算算法包含作为客观兴趣参数的六种职业性向类型：实用型、研究型、艺术型、社会型、企业型、事务型，所述计算出的职业性向类型数据一方面用于输出用户，另一方面作为后续输入数据。

优选的，所述S12步骤包括以下具体步骤：基于计算出的职业性向类型数据输入，进一步为考生的客观兴趣参数——兴趣主码、兴趣代码、抓周码、谐和度和区分值、扇形区域，以及“我的志向、我的擅长、我最在乎的、发展建议”等评估结论，确定自动化的计算算法，并部分用于输出用户；所述S13步骤包括以下具体步骤：基于计算出的客观兴趣参数数据，进一步确定考生的高考志愿“客观兴趣专业”的自动检索计算算法，计算出“客观兴趣专业”一方面用于输出用户，另一方面作为后续输入数据。

优选的，所述“主观兴趣专业”的评估设有“纳入兴趣车”，考生将“主观兴趣”加入“纳入兴趣车”以完成“主观兴趣”专业的评估，然后基于”纳入兴趣车“的主观兴趣评估数据，确定“主观兴趣”的自动检索算法，计算出“主观兴趣专业”一方面用于输出用户，另一方面作为后续输入数据。

优选的，所述S2步骤中，基于预定的“典型专业”计算算法，确定本年度院校招生专业的自动检索算法，计算出的年度院校招生专业作为后续输入数据。

优选的，所述S31步骤中，包括以下步骤：

S311.基于所述“客观兴趣专业”数据和“主观兴趣专业”数据，确定考生的“匹配的专业”的自动检索算法，计算出“匹配的专业”一方面用于输出用户，另一方面作为后续输入数据；

S312.基于计算出“匹配的专业”，确定考生“我想上的大学”的自动检索算法，计算出“我想上的大学”一方面用于输出用户，另一方面作为后续输入数据；

S313.基于计算出的“匹配的专业”，确定考生高考志愿专业的“专业匹配性”的自动检索计算算法，计算出“专业匹配性”一方面用于输出用户，另一方面作为后续输入数据。

优选的，所述S32步骤中，包括以下步骤：

S321.接收多个输入，每一输入与该对象属性有关，每一属性定义考生的高考分数、地区排位、文理分科以及考生学籍所在地(省、市)本年度录取分数线、往年录取线的一个或多个；

S322.从所述接收的输入中确定参数组，输入数据已经被接收作为用于所述参数组的输入；

S323.根据所述参数组，从预定的“我能上的大学”计算算法组中选择“我能上的大学”计算算法；

S324.根据所选择的算法，为考生计算出“我能上的大学”一方面用于输出用户，另一方面作为后续输入数据。

优选的，所述S33步骤具体包括：基于“我想上的大学”和“我能上的大学”数据，确定考生“适合我的大学”的自动检索算法，计算出“适合我的大学”一方面用于输出用户，另一方面作为后续输入数据。

优选的，所述S4步骤包括“问计于人”的设计，增加考生重要他人评估环节，提高考生高考志愿填报的可靠性。

优选的，所述S4步骤的“问计于人”设有“纳入目标车”评估功能，确定“问计于人(重要他人评估)”的自动检索算法，计算出“问计于人(重要他人评估)”的评估数据，帮助考生“锁定目标”志愿。

优选的，所述S4步骤具体包括：

S41.基于“适合我的大学”和“问计于人(重要他人评估)”的评估数据，确定考生高考志愿的“目标院校及专业”的自动检索算法，计算出“目标院校及专业”一方面用于输出用户，另一方面作为后续输入数据。

S42.基于“目标院校及专业”、“专业匹配性”的算法数据，以及“往年录取线”的预定输入数据，形成考生高考志愿填报分析决策工具——志愿平衡单“最后的抉择”的计算算法，计算出“最后的抉择”用于输出用户。

优选的，所述S4步骤还包括运用“平衡记分卡”原理设计的决策分析工具，帮助考生在高考志愿填报时，从“报考成功率”、“重要他人评估”和“个人职业兴趣”三个维度科学客观的决策分析，进行高考志愿填报的“最后抉择”。

优选的，所述高考志愿填报自动化分析与决策方法还包括”求助导师”步骤，所述”求助导师”步骤包括搭建“高考志愿填报个性化导师辅导平台”，包括以下步骤：

(1)接收导师的多个输入，每一输入与该对象属性有关，每一属性定义对象的导师介绍、辅导经验、辅导价格的一个或多个；

(2)根据所述接收的输入，形成高考志愿填报个性化导师辅导平台的“导师信息管理系统”和“导师信息浏览系统”，根据查看“导师信息浏览系统”中的“导师列表”信息，为考生找到满足个性化高考志愿填报辅导需求的专业辅导师并“发起邀约”；

(3)接收考生“发起邀约”输入，并被接收作为用于导师“接受邀约”的输入；根据所述“发起邀约”的输入，接收导师决定是否“接受邀约”的输入；所述接收导师是否“接受邀约”的输入数据已经被接收作为用于“支付管理”的输入；

(4)根据所述接收的输入，接收多个输入，每一输入与该对象属性有关，每一属性定义对象的付款记录，提现记录，分销体系的一个或多个；

(5)根据所述接收的输入，从预定的“支付管理”计算算法组中选择支付计算算法；根据所选择的算法，为对象完成辅导支付与邀约；所述的“辅导支付与邀约”信息已经被接收作为用于“个性化导师辅导组群”的输入；

(6)根据所述接收的输入，形成高考志愿填报个性化导师辅导组群：团体辅导组群、一对一辅导组群；输入数据已经被接收作为用于所述组群的输入。

(7)根据所述辅导组群，从预定的辅导形式中选择辅导计算算法；根据所选择的算法，为对象开展辅导活动；

(8)接收受辅导考生的多个输入，每一输入与该对象属性有关，每一属性定义对象的导师辅导质量等级、导师辅导评价的一个或多个；

(9)根据所述接收的输入，完善“导师信息浏览系统”。

通过导师平台的设计，为考生轻松找到满足个性化高考志愿填报辅导需求的专业辅导师，开展基于微信群或线下的约谈约辅导(团体辅导或“1对1”辅导)。

与现有技术相比，本发明的有益效果是：本高考志愿填报自动化分析与决策方法，是基于职业生涯管理的高考志愿填报自动化分析与决策方法系统，是将个人生涯管理系统和高考志愿填报、选科/分科等升学管理与咨询系统完美地结合为一体的个人发展管理平台，重点解决了现有技术中存在的以下两大缺陷：第一，通过增加“主观兴趣”和“客观兴趣”(统称“职业性向”)测评的工具性设计，将高考志愿填报系统的分析功能，从“我能上的大学”的单一维度，增加到了“我能上的大学”、“我想上的大学”和“适合我的大学”的全面性的三个维度，从而突显了本发明技术的时代性和科学性。第二，通过“兴趣”与“专业”、“专业”与“招生院校”的自动检索功能设计，使高考志愿填报系统，从传统的“模拟级”分析，提升到了本发明技术的“全面自动级”分析水平，从而突显了本发明技术使用的便捷性(傻瓜式)和可推广性(无需专家指导)。

附图说明

图1为本发明实施例的流程示意图；

图2为本发明实施例“求助导师”步骤的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1所示，一种高考志愿填报自动化分析与决策方法，包括以下步骤：

根据职业性向量表为考生做职业性向测试，识别考生的职业性向类型；基于计算出的职业性向类型数据输入，确定考生的高考志愿“客观兴趣专业”；提供一种考生直观而全面地认识高考志愿目标大学与专业评估与自动化检索方法；通过“纳入兴趣车”的设计，完成考生的“主观兴趣专业”的评估；提供一种确定考生“我想上的大学”和“专业匹配性”的自动检索算法；根据所述的方法，确定考生“匹配的专业”；根据所述的方法，确定考生“我想上的大学”和“专业的匹配性”；接收多个输入，每一输入与该对象属性有关，每一属性定义考生的高考分数、地区排位、文理分科以及考生学籍所在地(省、市)本年度录取分数线、往年录取线的一个或多个；从所述接收的输入中确定参数组，输入数据已经被接收作为用于所述参数组的输入；根据所述参数组，从预定的算法组中选择“我能上的大学”计算算法；根据所选择的算法，为考生计算“我能上的大学”，以及提供所述计算出的“我能上的大学”作为输出。根据所述的方法，基于“我想上的大学”和“我能上的大学”数据，确定考生“适合我的大学”的自动检索算法，并用于输出用户。提供一种确定考生高考志愿决策工具；应用所述工具，确定考生高考志愿填报的“目标院校及专业”、“专业匹配性”，并结合“往年录取线”的预定输入数据，形成考生高考志愿填报的决策分析工具——志愿平衡单，并用于输出用户。

确定考生的“客观兴趣专业”的评估与自动化检索方法，包括以下步骤：

编制职业性向量表，建立常模。这里的职业性向量表是一个基于霍兰德(Holland)人格类型理论设计的职业性向测评量表。包括三个小部分：兴趣探索、能力探索、职业价值观探索，共六个维度。

根据职业性向量表进行考生的职业性向测试，识别考生的职业性向类型；根据所测试的职业性向类型结果，从建立的常模和预定的职业性向计算算法确定考生的客观兴趣。这一算法包含作为客观兴趣参数的六种职业性向类型：实用型(realist，简称R)、研究型(investigative，简称I)、艺术型(artistic，简称A)、社会型(social，简称S)、企业型(enterprising，简称E)、事务型(conventional，简称C)，以及用于输出用户，并提供所述计算出的客观兴趣类型作为输入。

基于计算出的客观兴趣类型数据输入，进一步为考生的客观兴趣参数——兴趣主码、兴趣代码、抓周码、谐和度和区分值、扇形区域，以及“我的志向、我的擅长、我最在乎的、发展建议”等评估结论，确定自动化的计算算法，并部分用于输出用户。

基于计算出的兴趣代码数据，进一步确定考生的高考志愿“客观兴趣专业”的自动检索计算算法，以及用于输出用户，并提供所述计算出的“客观兴趣专业”作为输入。

确定考生“主观兴趣专业”的评估与自动化检索方法，包括以下步骤：系统地归纳、编写我国现行院校招生的“所有学群”、“典型专业”以及“未来职业标杆案例”等规范化文本，提供考生直观而全面地认识高考志愿目标大学与专业。

通过“纳入兴趣车”的设计，完成考生的“主观兴趣”专业的评估。

基于”纳入兴趣车“的主观兴趣评估数据，确定考生的”主观兴趣专业“的自动检索算法，并用于输出用户。

基于预定的“典型专业”计算算法，确定本年度院校招生专业的自动检索算法，并提供所述计算出的年度院校招生专业作为输入。

基于客观兴趣和主观兴趣评估数据，确定考生的”匹配的专业“的自动检索算法，并用于输出用户。

基于“匹配的专业”算法数据，确定考生“我想上的大学”的自动检索算法，并用于输出用户。

基于计算出的“匹配的专业”，进一步确定考生高考志愿专业的“专业匹配性”的自动检索计算算法，并用于输出用户。

确定考生“我能上的大学”自动化检索方法，包括以下步骤：

接收多个输入，每一输入与该对象属性有关，每一属性定义考生的高考分数、地区排位、文理分科以及考生学籍所在地(省、市)本年度录取分数线、往年录取线的一个或多个；从所述接收的输入中确定参数组，输入数据已经被接收作为用于所述参数组的输入；根据所述参数组，从预定的“我能上的大学”计算算法组中选择“我能上的大学”计算算法；根据所选择的算法，为考生计算“我能上的大学”；以及提供所述计算出的“我能上的大学”作为输出。

基于“我想上的大学”和“我能上的大学”数据，确定考生“适合我的大学”的自动检索算法，并用于输出用户。

基于“适合我的大学”和“问计于人(重要他人评估)”的评估数据，确定考生高考志愿的”目标院校及专业(锁定目标)“的自动检索算法，并用于输出用户。

基于“目标院校及专业”、“专业匹配性”的算法数据，以及“往年录取线”的预定输入数据，形成考生高考志愿填报分析决策工具——志愿平衡单“最后的抉择”的计算算法，并用于输出用户。

参照图2所示，搭建“高考志愿填报个性化导师辅导平台”，包括以下步骤：

接收导师的多个输入，每一输入与该对象属性有关，每一属性定义对象的导师介绍、辅导经验、辅导价格的一个或多个。

根据所述接收的输入，形成高考志愿填报个性化导师辅导平台的“导师信息管理系统”和“导师信息浏览系统”。根据查看“导师信息浏览系统”中的“导师列表”信息，为考生找到满足个性化高考志愿填报辅导需求的专业辅导师并“发起邀约”。

接收考生“发起邀约”输入，并被接收作为用于导师“接受邀约”的输入；根据所述“发起邀约”的输入，接收导师决定是否“接受邀约”的输入；所述接收导师是否“接受邀约”的输入数据已经被接收作为用于“支付管理”的输入。

根据所述接收的输入，接收多个输入，每一输入与该对象属性有关，每一属性定义对象的付款记录，提现记录，分销体系的一个或多个。

根据所述接收的输入，从预定的“支付管理”计算算法组中选择支付计算算法；根据所选择的算法，为对象完成辅导支付与邀约；所述的“辅导支付与邀约”信息已经被接收作为用于“个性化导师辅导组群”的输入。

根据所述接收的输入，形成高考志愿填报个性化导师辅导组群：团体辅导组群、一对一辅导组群。输入数据已经被接收作为用于所述组群的输入。

根据所述辅导组群，从预定的辅导形式中选择辅导计算算法；根据所选择的算法，为对象开展辅导活动。

接收受辅导考生的多个输入，每一输入与该对象属性有关，每一属性定义对象的导师辅导质量等级、导师辅导评价的一个或多个。

根据所述接收的输入，完善“导师信息浏览系统”。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。