(1) 서비스 공급업체에 테스트 점수를 제공하고 보고 가능한 기관의 전체 목록을 반환하도록 요청합니다.
예를 들어, 온라인 40 점 근처의 수험생인 경우, 서비스 업체는 단시간에 200 개 정도의 대체 대학 명단을 반환할 수 있어야 합니다. 만약 서비스업체가 이를 할 수 없다면, 보유한 데이터의 규모는 기초업무를 전혀 지탱할 수 없다는 것을 설명할 수 있을 뿐이다.
(2) 기관 목록 데이터 반환의 기초를 요청하십시오.
대학 목록에 반환된 모든 기관에 대해 서비스 업체는 해당 학교의 거의 3 년 동안의 역사 학생 모집 데이터를 단시간 내에 제공해야 합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 학교명언) 역사 데이터에는 본 배치 아래 이 학교 및 이 학교의 모든 학생 모집 전공 학생 수, 최소 점수선, 평균 점수, 최소 점수선 및 각 점수선에 해당하는 순위 데이터가 포함되어야 합니다. 그렇지 않으면 서비스업체의 데이터 규모와 과학성이 심각하게 부족하다는 설명만 할 수 있다. 현재 주류' 합격 확률 예측 알고리즘' 은 모두 시험 성적에 해당하는 순위 데이터를 기반으로 하기 때문이다.
(3) 대체 대학의 입학 확률 값을 요구한다.
서비스 업체에 대체 대학의 입학 확률 값을 제공하도록 요구하는 것은 핵심 알고리즘이 있는지 확인하는 기본 수단이다. 허용 확률 값은 두 가지 수준으로 나뉩니다. 첫째, 수험생의 점수에 따라 대체 학교의' 학교 입학 확률값' 을 제공한다. 둘째, 대체 학교의 모든 학생 모집 전공에 대한' 전공 입학 확률값' 을 제공한다. 첫 번째 수준은 거시적인 관점에서 수험생이 학교에 합격할 확률을 평가하는 것이며, 학교는' 충, 안정, 보장' 의 어느 학년에 위치해야 하는가. 현재 대부분의 고교는 로트와 다른 전공에 대한 입학 점수선의 차이가 20 점 이상이며,' 학교 입학 확률값' 만으로는 학교의 한 전공에 대한 입학 확률을 평가할 수 없다. 전공입학 확률값' 을 제공하여 수험생이 마음에 드는 전공에 합격할 확률을 높이는 것도 기본이다.
이 세 가지 요구 사항을 잘 충족할 수 있다면, 보고 기관은 보다 정확한 자원봉사 서비스를 제공할 수 있을 것이다.