CN114817699A - 一种实时精准择校方法及系统 - Google Patents
一种实时精准择校方法及系统 Download PDFInfo
- Publication number
- CN114817699A CN114817699A CN202110127293.XA CN202110127293A CN114817699A CN 114817699 A CN114817699 A CN 114817699A CN 202110127293 A CN202110127293 A CN 202110127293A CN 114817699 A CN114817699 A CN 114817699A
- Authority
- CN
- China
- Prior art keywords
- user
- school
- list
- selection
- institution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title abstract description 4
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 235000000935 Santalum yasi Nutrition 0.000 claims 1
- 241000775525 Santalum yasi Species 0.000 claims 1
- 235000015149 toffees Nutrition 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2053—Education institution selection, admissions, or financial aid
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种实时精准择校方法及系统，包括如下步骤：首先在服务器中建立全面而又完整的院校数据库；然后用户获取院校数据库，根据用户可对自己关注的院校列表进行静态数据和动态数据的比对和筛选申请院校，建立的意向学校列表，同时服务器中处理平台根据的面貌和行为做同级院校的智能推荐，建立的推荐院校库；接下来用户通过服务器中处理器将意向学校列表和推荐院校库进行结合和过滤得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，最终推荐给用户。本发明其借助信息处理技术，帮助用户精准选择与自身相匹配的学校。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种实时精准择校方法及系统。
背景技术
随着生活水平的提高，除了进入国内学校学习以外，赴国外进行学习或者深造已经形成一种新风尚。而随着计算机网络技术的飞速发展，很多申请者在申请学校之前会通过互联网查询和了解不同学校/专业的相关录取信息，但是逐一的查询费时费力。
当前学生(用户)往往通过查看大量院校库，或者咨询留学顾问的方式来解决择校的问题。该方式下，由于院校数据量庞大，招生规则的浮动，以及受顾问的办理经验和认知的影响，获取的申请院校清单可能缺乏和用户的匹配性，并且用户获取的参考信息均采自于历史数据，具有一定的时效性。总之现有技术中用户在择校时由于院校数据庞大，缺乏专业性指导，以及对比申请数据缺乏时效性等问题，而不能选择和筛选到与自身相匹配的学校。
发明内容
(一)发明目的
针对现有技术中的不足，本发明提供了一种实时精准择校方法及系统，其借助信息处理技术，帮助用户精准选择与自身相匹配的学校，有利于解决用户在择校时由于院校数据庞大，缺乏专业性指导，以及对比申请数据缺乏时效性等问题。
(二)技术方案
为了实现上述目的，本发明所采取的技术方案是：
一种实时精准择校方法，包括如下步骤：
首先在服务器中建立全面而又完整的院校数据库；
然后用户获取院校数据库，根据用户可对自己关注的院校列表进行静态数据和动态数据的比对和筛选申请院校，建立的意向学校列表，同时服务器中处理平台根据用户的面貌(用户的面貌指的是户的个人资料里的信息,如:留学国家,留学类别,入学年份，留学择校，相关的各类成绩等等)和行为(根据用户搜索院校和查看院校时候的一些行为轨迹做推荐)做同级院校的智能推荐，建立的推荐院校库；
接下来通过服务器中处理器将意向学校列表和推荐院校库进行结合和过滤得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户。
优选地，所述首先在服务器中建立全面而又完整的院校数据库，然后生成二维码或者网址，通过用户的关注或进入来获取院校数据库。
优选地，所述意向学校列表和推荐院校库均具体不超过九所学校。
优选地，所述其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，第一类初级版本院校指的是用户的梦想类院校，第二类初级版本院校指的是用户的务实类院校，第三类初级版本院校指的是用户的保底院校。
优选地，所述第一类初级版本院校、第二类初级版本院校和第三类初级版本院校中每个均不超过三所院校。
优选地，所述静态数据包括学校类型/排名/国家/所在地区/师生比/在校人数/当年国际招生目标。
优选地，所述动态数据指的是用户占所有申请用户中的各项语言成绩的排名比，结合院校的历史录取情况，得到用户进入院校的竞争力。通过动态数据是录取机会的判断因素，其是依据当前入学竞争条件的动态数据排位对比，再考量该院校的历史录取人数数据，以作为是否列入择校名单(第一类或第二类或第三类的依据)。
优选地，所述各项语言包括托福考试(TOEFL)/雅思考试(IETLS)/美国大学入学考试(ACT)/学术能力评估测试(SAT)。
优选地，还包括在最终推荐给用户时，其同时同步到服务器中，可供机构代理中顾问查看了解，顾问根据用户所列清单进行调整说明，得到最终版本择校数据方案，其最终版本择校数据方案包括三种类型，即第一类最终版本院校、第二类最终版本院校和第三类最终版本院校，最终推荐给用户。
优选地，所述可供机构代理中顾问查看了解，顾问根据用户所列清单进行调整说明，在与用户相互沟通后得到最终版本择校数据方案。
优选地，还包括用户可在服务器中填写用户的申请材料信息，其中，所述申请材料信息包含用户的申请需求信息。
优选地，所述服务器分别连接有用户端和客户顾问端，所述用户端和客户顾问端采用的手机客户端或计算机客户端。
此外，为实现上述目的，本发明还提供一种实时精准择校系统，包括用户端和客户顾问端，用户端和客户顾问端通过服务器通信相连接；
所述用户端包括选择单元和储存单元；选择单元，用于用户从服务器中院校数据库中挑选出的院校，建立意向学校列表；储存单元，用于储存用户的意向学校列表；
所述客户顾问端包括获取单元和存储单元；所述获取单元，用于根据用户建立的推荐院校库；存储单元，用于储存用户的推荐院校库；
所述服务器包括数据库、推荐单元和通信单元；数据库包括院校数据库，用于预先存储有全面而又完整的院校；推荐单元，用于将用户端的选择单元中意向学校列表和客户顾问端的获取单元中推荐院校库进行结合和过滤建立择校数据方案向并生成对应的学校及专业推荐方案，即得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户；通信单元，用于用户建立初级版本择校数据方案分别与用户端和客户顾问端相互通信连接。
优选地，所述用户端还包括申请单元，用于用户填写的申请材料信息，其中，所述申请材料信息包含用户的申请需求信息；所述客户顾问端还包括修改单元，用于客户顾问可根据用户的意见进行院校的删减。
(三)有益效果
本发明的有益效果：
(1)本发明首先在服务器中建立全面而又完整的院校数据库，然后用户获取院校数据库，根据用户可对自己关注的院校列表进行静态数据和动态数据的比对和筛选申请院校，建立的意向学校列表，同时服务器中处理平台根据用户的面貌(用户的面貌指的是户的个人资料里的信息,如:留学国家,留学类别,入学年份等等)和行为(根据用户搜索院校和查看院校时候的一些行为轨迹做推荐)做同级院校的智能推荐，建立的推荐院校库，接下来通过服务器中处理器将意向学校列表和推荐院校库进行结合和过滤得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户，更加有利于帮助用户精准选择与自身相匹配的学校，有利于解决用户在择校时由于院校数据庞大，缺乏专业性指导，以及对比申请数据缺乏时效性等问题，查找出与申请者的申请竞争力结果匹配的学校，并生成对应的学校推荐方案，从而向申请者推荐更加符合申请者的自身实际情况的学校，有助于提高申请者与申请学校及申请专业的匹配度，从而有效地提升申请者的申请成功率；(2)本发明中包括用户端和客户顾问端，用户端和客户顾问端通过服务器通信相连接，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户，从而制定出用户专属的梦想(第一类初级版本院校)、务实(第二类初级版本院校)和保底院校清单(第三类初级版本院校)，节省了人力及物力，有助于实现咨询过程的电子化、标准化和智能化，从而提高申请者的测评效率和提升使用体验。
附图说明
图1为本发明的流程示意图。
图2为本发明的系统示意图。
具体实施方式
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
参阅图1，一种实时精准择校方法，包括如下步骤：
首先在服务器中建立全面而又完整的院校数据库。
在本发明实施例中首先在服务器中建立全面而又完整的院校数据库，然后生成二维码或者网址，通过用户的关注或进入来获取院校数据库。
然后用户获取院校数据库，根据用户可对自己关注的院校列表进行静态数据和动态数据的比对和筛选申请院校，建立的意向学校列表，同时服务器中处理平台根据用户的面貌(用户的面貌指的是户的个人资料里的信息,如:留学国家,留学类别,入学年份，留学择校，相关的各类成绩等等，最重要的是用户留学择校的和相关的各类成绩)和行为(根据用户搜索院校和查看院校时候的一些行为轨迹做推荐)做同级院校的智能推荐，建立的推荐院校库，意向学校列表和推荐院校库均具体不超过九所学校。
接下来通过服务器中处理器将意向学校列表和推荐院校库进行结合和过滤得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户。其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，第一类初级版本院校指的是用户的梦想类院校，第二类初级版本院校指的是用户的务实类院校，第三类初级版本院校指的是用户的保底院校。第一类初级版本院校、第二类初级版本院校和第三类初级版本院校中每个均不超过三所院校。
静态数据包括学校类型/排名/国家/所在地区/师生比/在校人数/当年国际招生目标。动态数据指的是用户占所有申请用户中的各项语言成绩的排名比，结合院校的历史录取情况，得到用户进入院校的竞争力。各项语言包括托福考试(TOEFL)/雅思考试(IETLS)/美国大学入学考试(ACT)/学术能力评估测试(SAT)。通过动态数据是录取机会的判断因素，其是依据当前入学竞争条件的动态数据排位对比，再考量该院校的历史录取人数数据，以作为是否列入择校名单(第一类或第二类或第三类的依据)。
还包括在最终推荐给用户时，其同时同步到服务器中，可供机构代理中顾问查看了解，顾问根据用户所列清单进行调整说明，得到最终版本择校数据方案，其最终版本择校数据方案包括三种类型，即第一类最终版本院校、第二类最终版本院校和第三类最终版本院校，最终推荐给用户。可供机构代理中顾问查看了解，顾问根据用户所列清单进行调整说明，在与用户相互沟通后得到最终版本择校数据方案。
还包括用户可在服务器中填写用户的申请材料信息，其中，申请材料信息包含用户的申请需求信息。服务器分别连接有用户端和客户顾问端，用户端和客户顾问端采用的手机客户端或计算机客户端。
在本发明的实施例中其中，申请材料信息包含用户的申请需求信息；
在本实施例中对于申请材料信息可以包括申请材料信息可以包括各类择校审核指标数据，具体包括各类结构化数据、半结构化数据、非结构化数据，例如①背景资料，包括但不限于：曾就读高中、曾就读大学、曾就读大学的院系学术声誉排名；②学术能力资料，包括但不限于高中GPA、大学GPA、大学专业GPA、年级/班级排名、荣誉课程(AP/Honor)、A-G科目(A为历史、社会科学，B为英语，C为数学，D为实验室科学，E为除英语之外的语言，F为视觉与表演艺术，G为大学预科选修课)、科研经历、发表论文情况；③课外活动资料，包括社团活动、体育活动、艺术才能、领导活动、预科情况、志愿者经历、工作经历；④标准化考试资料，包括AP/Honor成绩、TOEFL成绩、IELTS成绩、SAT成绩、SAT专业测试(SAT Subject)成绩、ACT成绩、GRE成绩、GRE专业测试成绩、GMAT成绩、LSAT成绩及其他语言和专业性测试成绩；⑤其他预设材料，包括但不限于：获奖情况、个人进步趋势、推荐信、自荐信。
此外，所述申请材料信息包含用户的申请需求信息；用户的申请需求信息具体可以是对学校/专业的偏好情况，包括各类申请需求项，例如学校所在国家地区、希望入读的学校/专业、学校地点(如一些进行理科研究生申请的申请者偏好安静的学习地点，则对应学校地点为坐落在郊区或县城周边)、学校类型(如一些申请者偏好文理学院，则对应学校类型为文理学院)。另外本发明实施例中用户的申请需求信息还可以包括用户在申请时的其它各类需求，比如除了学校/专业之外还可以包括奖学金资助、学校办学规模、学校/专业排名、学校环境、配套设施、男女比例、种族比例等。
在本发明实施例中根据院校的静态信息包括学校类型/排名/国家/所在地区/师生比/在校人数/当年国际招生目标，用户和客户顾问借此了解院校的大致所在档次，一定程度上判断申请的难易程度。在本发明实施例中用户的动态信息指的是用户占所有申请用户中的各项语言成绩的排名比，结合院校的历史录取情况，得到用户进入院校的竞争力，各项语言包括托福考试(TOEFL)/雅思考试(IETLS)/美国大学入学考试(ACT)/学术能力评估测试(SAT)。对于上述静态信息和动态信息的数据支持，用户参考自身申请院校的成功率主要是依据以往历史的Offer数据，可能受招生标准浮动的影响，降低数据的参考价值，可以就当下申请的数据进行统计分析，给出当年度最新的申请数据反馈(如排名百分比等)。
在本发明实施例中其择校数据方案包括三种类型，即第一类院校、第二类院校和第三类院校中，第一类院校指的是用户的梦想类院校，第二类院校指的是用户的务实类院校，第三类院校指的是用户的保底院校，第一类院校、第二类院校和第三类院校中每个均不超过三所院校，从而有利于用以进行后续申请进度的追踪。
在本发实施例中用户端和客户顾问端采用的手机客户端或计算机客户端，其更加有利于方便人们的使用和操作，更加有利于灵活运用。
本发明有利于避免现有技术中由于各种原因致使获取的信息不同步，本发明中客户顾问通过客户顾问端获取到用户的申请材料信息，基于用户的申请需求信息，客户顾问在客户顾问端预先挑选出若干院校，建立推荐院校库，同时用户可通过用户端挑选出院校，建立意向学校列表，推荐院校库和意向学校列表同时在对方的用户端和客户顾问端同步名单，实时更新直至确认后，在前端同步显示。
如图2所示，此外，此外，为实现上述目的，本发明还提供一种实时精准择校系统，包括用户端1和客户顾问端2，用户端1和客户顾问端2通过服务器3通信相连接。
用户端1包括选择单元11和储存单元12；选择单元11，用于用户从服务器中院校数据库111中挑选出的院校，建立意向学校列表；储存单元12，用于储存用户的意向学校列表。
客户顾问端2包括获取单元21和存储单元22；获取单元21，用于根据用户建立的推荐院校库；存储单元22，用于储存用户的推荐院校库；
服务器3包括数据库31、推荐单元32和通信单元33；数据库31包括院校数据库311，用于预先存储有全面而又完整的院校；推荐单元32，用于将用户端的选择单元中意向学校列表和客户顾问端的获取单元21中推荐院校库进行结合和过滤建立择校数据方案向并生成对应的学校及专业推荐方案，即得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户；通信单元33，用于用户建立初级版本择校数据方案分别与用户端和客户顾问端相互通信连接。
用户端1还包括申请单元13，用于用户填写的申请材料信息，其中，申请材料信息包含用户的申请需求信息；客户顾问端2还包括修改单元23，用于客户顾问可根据用户的意见进行院校的删减，其客户顾问可根据用户的意见进行院校的删减，且用户只有可实时查看该过程，无权删减院校。
本发明其主要适用于留学机构帮助用户挑选和分析申请院校时，能协助机构更加方便、科学、高效和智能地进行择校操作，深化和用户之间的互动关系，强化留学业务开展的透明度，从而获得双方满意的院校申请名单。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明专利的保护范围之内。
Claims (9)
1.一种实时精准择校方法，其特征在于，包括如下步骤：
首先在服务器中建立全面而又完整的院校数据库；
然后用户获取院校数据库，根据用户可对自己关注的院校列表进行静态数据和动态数据的比对和筛选申请院校，建立的意向学校列表，同时服务器中处理平台根据用户的面貌和行为做同级院校的智能推荐，建立的推荐院校库；
接下来通过服务器中处理器将意向学校列表和推荐院校库进行结合和过滤得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户。
2.如权利要求1所述的一种实时精准择校方法，其特征在于，所述意向学校列表和推荐院校库均具体不超过九所学校。
3.如权利要求1所述的一种实时精准择校方法，其特征在于，所述静态数据包括学校类型/排名/国家/所在地区/师生比/在校人数/当年国际招生目标。
4.如权利要求1所述的一种实时精准择校方法，其特征在于，所述动态数据指的是用户占所有申请用户中的各项语言成绩的排名比，结合院校的历史录取情况，得到用户进入院校的竞争力。
5.如权利要求4所述的一种实时精准择校方法，其特征在于，所述各项语言包括托福考试/雅思考试/美国大学入学考试/学术能力评估测试。
6.如权利要求1所述的一种实时精准择校方法，其特征在于，还包括在最终推荐给用户时，其同时同步到服务器中，可供机构代理中顾问查看了解，顾问根据用户所列清单进行调整说明，得到最终版本择校数据方案，其最终版本择校数据方案包括三种类型，即第一类最终版本院校、第二类最终版本院校和第三类最终版本院校，最终推荐给用户。
7.如权利要求1或5所述的一种实时精准择校方法，其特征在于，还包括用户可在服务器中填写用户的申请材料信息，其中，所述申请材料信息包含用户的申请需求信息。
8.如权利要求7所述的一种实时精准择校方法，其特征在于，所述服务器分别连接有用户端和客户顾问端，所述用户端和客户顾问端采用的手机客户端或计算机客户端。
9.一种实时精准择校系统，其特征在于，包括用户端和客户顾问端，用户端和客户顾问端通过服务器通信相连接；
所述用户端包括选择单元和储存单元；选择单元，用于用户从服务器中院校数据库中挑选出的院校，建立意向学校列表；储存单元，用于储存用户的意向学校列表；
所述客户顾问端包括获取单元和存储单元；所述获取单元，用于根据用户建立的推荐院校库；存储单元，用于储存用户的推荐院校库；
所述服务器包括数据库、推荐单元和通信单元；数据库包括院校数据库，用于预先存储有全面而又完整的院校；推荐单元，用于将用户端的选择单元中意向学校列表和客户顾问端的获取单元中推荐院校库进行结合和过滤建立择校数据方案向并生成对应的学校及专业推荐方案，即得到属于自己的择校名单，最终为用户建立初级版本择校数据方案，其初级版本择校数据方案包括三种类型，即第一类初级版本院校、第二类初级版本院校和第三类初级版本院校，最终推荐给用户；通信单元，用于用户建立初级版本择校数据方案分别与用户端和客户顾问端相互通信连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110127293.XA CN114817699A (zh) | 2021-01-29 | 2021-01-29 | 一种实时精准择校方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110127293.XA CN114817699A (zh) | 2021-01-29 | 2021-01-29 | 一种实时精准择校方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114817699A true CN114817699A (zh) | 2022-07-29 |
Family
ID=82525963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110127293.XA Pending CN114817699A (zh) | 2021-01-29 | 2021-01-29 | 一种实时精准择校方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114817699A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408843A (zh) * | 2023-07-25 | 2024-01-16 | 正起集团有限公司 | 基于公共服务的用户端到端智慧化服务系统 |
-
2021
- 2021-01-29 CN CN202110127293.XA patent/CN114817699A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408843A (zh) * | 2023-07-25 | 2024-01-16 | 正起集团有限公司 | 基于公共服务的用户端到端智慧化服务系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Callahan et al. | Describing the status of programs for the gifted: A call for action | |
| CN109118091B (zh) | 一种艺术素质测评系统 | |
| Martirosyan et al. | Student satisfaction and academic performance in Armenian higher education | |
| Bullock‐Yowell et al. | Explaining career decision‐making self‐efficacy: Personality, cognitions, and cultural mistrust | |
| Pampaka et al. | The association between mathematics pedagogy and learners’ dispositions for university study | |
| Begg et al. | Approaches to preparing young scholars for careers in interdisciplinary team science | |
| KR101248831B1 (ko) | 맞춤형 진로 설계 및 로드맵 제공 시스템 | |
| Jitendra et al. | The effects of tier 2 mathematics interventions for students with mathematics difficulties: A meta-analysis | |
| Gagné | From noncompetence to exceptional talent: Exploring the range of academic achievement within and between grade levels | |
| Liao et al. | Who is more likely to participate in private tutoring and does it work?: Evidence from PISA (2015) | |
| KR101488178B1 (ko) | 어플리케이션을 이용한 모의고사 및 학습 제공 시스템 | |
| CN110648259A (zh) | 基于大数据的高考志愿评估系统 | |
| Ketterlin-Geller et al. | Measuring middle school students’ algebra readiness: Examining validity evidence for three experimental measures | |
| Jolley et al. | SPESS: A new instrument for measuring student perceptions in earth and ocean science | |
| Temkin et al. | Toward better ways of measuring school climate | |
| Kim et al. | Analysis of clustering evaluation considering features of item response data using data mining technique for setting cut-off scores | |
| Al Mazidi et al. | Study of general education diploma students’ performance and prediction in Sultanate of Oman, based on data mining approaches | |
| Namkung et al. | The effects of algebraic equation solving intervention for students with mathematics learning difficulties | |
| Johnson et al. | Application of algebra curriculum-based measurements for decision making in middle and high school | |
| KR101170997B1 (ko) | 진로 상담 시스템 및 방법 | |
| Reshadi-Gajan et al. | Reading-metacognitive strategy awareness and use in reciprocal teaching settings: implementing a computerized RMSA system | |
| Nelson et al. | Reporting quality in math meta-analyses for students with or at risk of disabilities | |
| Bush et al. | Considerations for developing a student evaluation of teaching form | |
| Petcovic et al. | “How did you learn to map?” A model for describing influential learning experiences in geologic mapping | |
| Gewirtz-Meydan et al. | Retraining programmes in social work: Career considerations, factors influencing the decision to study social work and professional preferences among students |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |