据包括申请人的班级排名，GPA，AP课程的数量，标准化考试分数，或任意组合。质化数据包括申请人以下自我评估项:参加的课外活动，文书质量，面试表现，推荐信或任意组合。质化数据还包括预期的专业，助学金的需求以及其它额外因素(例如，参加过Intel天才研究项目)。在具体实施中，预测服务器108可以通过学院服务器105从学院的数据库104中获取学院统计数据。
[0056]S202对比所述留学申请人的申请数据和之前被录取学生的申请数据得到第一对比结果；在一些具体方式上，预测服务器108会将申请人录入的数据与学校给出的之前录取学生的数据进行对比。在一些具体方式中，学院统计数据是量化的。在一些具体方式上，学院统计数据也可以是被转换成统计形式的质化数据(例如，申请人在文书上的质化表现可能被特定为杰出、好、平均、差)。
[0057]S203对比所述留学申请人的申请数据和之前被拒绝学生的申请数据得到第二对比结果；具体方式是，预测服务器108会将申请人录入的数据与学校给出的之前被拒学生的数据进行对比。在一些具体方式中，学院统计数据是量化的。在一些具体方式上，学院统计数据也可以是被转换成统计形式的质化数据。
[0058]所述之前被录取学生的申请数据包括:之前被录取学生的统计量化数据、之前被录学生数据化的质化数据；所述之前被拒绝学生的申请数据包括:之前被拒学生的统计量化数据和之前被拒学生数据化的质化数据；所述留学申请人的申请数据包括:申请人统计量化数据和申请人统计质化数据；从留学申请人搜集的量化或质化数据包括:班级排名、GPA、AP课程数量、SAT阅读、数学和作文成绩、留学申请人曾经参加的体育运动、对申请人课外活动、入学文书、入学面试以及推荐信强度的评级、留学申请人的定制选择度量标准、留学申请人的意向专业和奖学金需求。
[0059]S204将上述的对比结果保存至学院预测模型中，再根据所述留学申请人输入的数据计算出申请人的录取概率；
[0060]S205将匹配的录取概率展示给留学申请人，并生成预测结果和规划方案结果。
[0061]请参考图3，为本发明一实施例中输入屏幕展示示意图。
[0062]质化输入308包括课外活动、预想专业或者奖学金需求。具体方式是，质化输入308包括其他特殊因素，如参加过Intel天才班、Google科技、奥林匹克竞赛或者国家级交响乐比赛。在做申请时，申请人可以输入一个或多个和大学有关的度量标准。所以在一些【具体实施方式】上，额外因素还包括留学申请人曾经发表过的书籍、文章和特写稿版或者留学申请人是否是奥林匹克运动员或者体育队队长以及留学申请人是否曾经创立过科技创业公司或者非政府机构。
[0063]例如，输入屏300允许申请人输入他是否需要奖学金。但他要求计算录取概率的大学可能是提供“资金需求无关”的学校，也就是说，学校在录取时不会将该因素纳入度量标准。
[0064]在一些具体方式上预测服务器108会追踪大学在录取标准时不使用的度量标准，但在做概率预测时会将其包括在内。预测服务器108可以通过保存申请人的资料来追踪申请人的度量标准。
[0065]在一些具体方式上，申请人之后可以添加、修改甚至删除这些标准。申请人可以指出他是被相应的大学录取或者拒绝。预测服务器108可以从申请人的资料里收集相应信息来调整该校的录取预测模型。这能让预测服务器108做出更精确的概率预测。例如，一个未来申请人可以在他的资料里包括:国籍、年龄、所在高中、高中GPA，AP课程数目、标准化考试成绩(SAT I，SAT II，ACT，AP，IB等等)、英语考试成绩，还包括荣誉、奖励以及发表刊物的质化度量标准。资料里还可以包括申请人已经申请过的学校，录取申请人的学校，拒绝申请人的学校，申请人打算就读的学校。
[0066]当申请人输入、更改或者更新数据的时候，预测服务器108可以根据用户资料里面的数据与用户有关的数据库。考虑到从大学、申请人以及其它公共领域收集的信息存在不精确或者造假的可能，预测服务器108会通过各方资源来合成大学预测模型。另外，预测服务器108可以在大学使用的度量标准外，给出学校偏爱的学生类型的其它见解。
[0067]在一些具体方式上，用户可以选择特定的大学进行概率预测。用户可以输入自己的偏爱让预测服务器108根据偏爱来推荐学校名单。在一些具体方式上，预测服务器108可以根据用户偏爱使用排名来产生推荐学校名单。在一些具体方式上，推荐学校名单中会包括最低概率门槛。例如，预测服务器108提供一系列的东部沿海大学，它们的学费都在$ 40, 000以下，申请人的录取概率都在75%以上。在一些具体方式上，选校名单同时可能会展现学校事实和申请见解，比如根据学生的偏爱和输入的价值，提供针对特定学校有用的申请小技巧。在一些具体方式上，申请人可以要求为自己提供的大学名单做概率预测。具体方式是，预测服务器108可以利用多种大学预测模型和申请人预测数据库107里储存的大学数据，根据概率预测价值和用户偏爱来提供推荐大学名单。
[0068]例如，图3中的申请人，除了输入质化或者量化度量标准外，还输入了他偏爱的专业或者是否需要奖学金。
[0069]预测服务器108会根据申请人的偏爱来提供一个选校名单。具体方式是，预测服务器108可根据概率预测价值(例如P (录取率)=0.8)和找到的用户偏爱来提供选校名单。例如，用户指出奖学金对其非常重要，预测服务器108会在推荐名单中将“每个学生获得的奖学金数额”较高的学校排在名单的前面。如果用户未来预想专业是数学，因为大学的院系教学声望也是大学数据库的一部分，预测服务器108会将有强势数学专业的大学排在名单的前面。
[0070]请参考图4，为本发明一实施例中学校列表的入学概率预测页面。
[0071]概率预测页面400可以包括大学列表410。大学列表410可包括大学名称415和425，大学校徽412和422，总录取人数和每年学费416和426，申请人特定大学分类417和427 (例如梦想学校、目标学校和保底学校)，预测服务器108估算出的申请人录取概率414、424以及特定大学申请技巧或者特定大学申请见解419和429。
[0072]在一些具体实施中，大学列表是由申请人自己选定的，大学列表是由预测服务器108产生的。大学列表410可以包括三所梦想大学、六所目标大学和三所保底大学。梦想学校是竞争激烈的大学，申请人需要努力才有可能被录取。目标大学是预测服务器108选出的申请人有较大录取概率的学校(比如概率大于50% )。保底大学是预测服务器108选出的申请人有非常大录取概率的学校(比如概率大于90% )。
[0073]在一些具体中，特定大学申请技巧或者特定大学申请见解419和429包括大学是否在一个有着相对较低犯罪率的城市，或者需要较低学费。为了帮助申请人更好的理解预测结果，在大学列表410里的每一个学校都会给出相关大学资料库的数据，比如录取率、奖学金、大学生活数据、评价或者对未来申请人的建议。在一些具体中，预测服务器108以通过排名数