大学申请机会最优化教育咨询系统

本发明涉及一种维护、转换和利用教育咨询业务数据的教育咨询系统，一种个人化 教育咨询系统，特别是涉及一种利用统计分析结果作为制定申请决策的指标的教育咨询 系统。

教育并非起始和终止于备考课程、辅导和大学申请，教育是数年的学术和个人发展 的累积。教育咨询业务可提供个人化的学术建议、课外活动(EA)和实习发展的计划、 一对一的辅导以及优质大学的申请咨询。申请美国大学的结果一直被认为是一个无法预 料、模糊不清的过程。太多的家长、学生甚至觉得申请结果根本是“随机的”。我们 长时期以来观察、记录、并且分析申请结果，发现申请的结果其实是可以预期和优化的！ 教育顾问/咨询师除了可以提供个人化的升学辅导、课外活动和实习的规划、一对一课业 辅导、以及顶尖大学的申请辅导，还可以利用“大学申请机会优化器(College Admission  Optimizer)”使申请结果最优化，大学申请机会优化器把复杂的大学申请过程简化成精 确的科学。

在个人化教育咨询业务中，不同的员工可以进行不同的教育任务。例如，教育顾问 /咨询师需要用资料库保存每个学生的GPA(学校平均成绩Grade Point Average)、SAT或 ACT、荣誉获奖以及课外活动(EA)和实习的数据，需要对学生进行面谈并根据学生的资 料完成战略性的定位结果，确定辅导需求，监控课程进度，选择学校并核查申请状态。 课程老师需要保存其学生名册、课程、课题和教学时间的记录。机构管理者需要管理教 室、资金，并准备调用日志报告、市场和销售报告以及每个客户的合同管理等等。人力 资源人员支持整个公司的招聘、培训并确定奖励。销售和市场人员负责新产品的开发、 研究客户的问题以确定下一个新的重点和广告的定位。系统工程师实施数据归总，系统 维护，新功能开发及执行，并基于来自公司内每个不同的角和部门的所有系统需求进 行权限控制和对数据进行资料显示。

传统的教育咨询系统可帮助教育顾问/咨询师核查学生分数(SAT、GPA、荣誉和学 校成绩等)并为他们的学生选择学校。然而，这些工具不能执行个人化学术咨询，例如 个人面谈(会面)以及为特定的学生制定其大学申请论文的战略性定位意见。这些传统咨 询系统不会基于学生的独特兴趣执行课外活动分析；它们不会提供录取机会分析，并且 它们不会基于学生当前的条件进行判断从而使得学生了解其需要在哪个领域上进行提 升。因此，这种教育咨询业务需要一种具有有效数据分析和管理功能的系统，其应用便 于教育顾问、辅导员、管理者、家长、老师、系统工程师和学生之间的交流，并能确保 数据有效地共享、更新和传递。

本发明旨在克服传统咨询系统中的上述缺陷，提供一种用于教育咨询公司中的个人 化教育咨询系统。该教育咨询系统是一种数据管理系统，其被设计为根据每个客户的独 特需求进行客户定制。该教育咨询系统基于学生的性格和个人化需求生成课外活动(简 称EA)计划、执行实习发展计划、一对一辅导、个人化诊断和优秀大学申请咨询。

本发明解决上述技术问题所采用的技术方案为：大学申请机会最优化教育咨询系 统，包括与连接网络、并且提供使用者操作界面的计算机，一个或多个应用服务器，和 数据库及数据库服务器，其特征在于还包括：

(1)战略性定位意见模块，存储由教育顾问在与学生面谈后制定的战略性定位意见；

(2)学生头脑风暴文件模块，存储教育顾问汇整该学生的战略性定位意见而形成的 头脑风暴文件；

(3)模块，存储该学生的学术数据、课外活动数据、标准化测试数据以及 目标学校等级；

(4)诊断预测报告模块，以该模块中存储的数据为基础，生成诊断预测报 告，其中诊断预测报告模块需要收集学生的学术数据、课外活动(EA)数据和标准化测试 数据，其中课外活动的分数，即EA分数的计算方法如下：

EA分数＝所有(EA参数x EA项目个数)的总和/EA项目的总数；

(5)录取机会最优化分析模块，也是“大学申请机会优化器”的所在模块；该模块 根据逻辑回归统计模式(Logistic Regression Statistics Model)计算每一个学校录取的可能 性，并存储该学生所选择的每一所学校的录取可能性；并可通过更改录取元素数值查看 录取元素数值必须达到什么条件才能使录取机会大幅增加；

(6)学生申请学校列表即申请状况模块，存储所有学校的申请资料及追踪申请状态。

其中，所述学术数据包括GPA，荣誉课程(AP/Hornor)，A-G科目；

所述标准化测试数据包括AP成绩，SAT或ACT成绩，和SAT学科测试(SAT  SUBJECT)考试成绩；

所述课外活动数据包括EA类别及课外活动时间数，其中EA参数可参见下表1，

表1

EA项目 EA参数

社团 1

体育活动 1

艺术才能 1

领导活动 3

预科 2

志愿者 2

工作 1

签名计划 2

每一级目标学校的学术数据、课外活动数据和标准化测试数据要求如表2所示，

表2

其中目标学校等级包括第一级：GPA等于3.85或以上，第二级：GPA等于3.75 或以上，第三级：GPA等于3.65或以上，第四级：GPA等于3.5或以上，3.5以下为 其它。

优选地，所述逻辑回归统计模式(Logistic Regression Statistics Model)的录取元素数 值包括A-G课程，荣誉/AP课程，SAT一般项目(SAT I)成绩，SAT特殊科目(SAT II) 评分，课外活动(EA)小时，UC-GPA，进步趋势，获奖，领导力，以及非UC GPA； 其中对于进步趋势，领导力以及获奖的数据，参见下表3：

表3

优选地，所述大学申请机会优化器计算录取机会的步骤是用逻辑回归统计模式 (Logistic Regression Statistics Model)，其公式如下：

$p_{(\mathrm{admission}{|X}_1,X_2,X_3......X_n)}=\frac{e^{a_0+a_1{X}_1+......+a_n{X}_n}}{1+e^{a_0+a_1{X}_1+......a_n{X}_n}}$

School1＝(a10，a11，a12，......a1n)

School2＝(a20，a21，a22，......a2n)

School3＝(a30，a31，a32，......a3n)

......

Schooln＝(an0，an1，an2，......ann)

Student1＝(X11，X12，......X1n)

Student2＝(X21，X22，......X2n)

......

Studentn＝(Xn1，Xn2，......Xnn)

其中p是录取机率，a是每一个学校不同的参数，X是每一位学生的不同因素，n是学校 和学生序数，为大于0的自然数，该a和X的各个数值均通过统计多年的各个学校的录取数据 得到。

与现有技术相比，本发明的优点在于发明所涉及的个人化教育咨询系统，不但能够 使教育顾问获得关于学生的透彻且个人的理解，并根据所述个人的理解为该学生提供定 制指导。而且本发明的个人化教育咨询系统为不同使用者提供专业化界面，每个界面允 许特定的使用者输入、获取、检索并修改特定数据组。由不同的使用者输入和修改的数 据被存储在共享的资料管理系统数据库中，并且根据每个使用者的权限来控制对数据的 检索及修改，还能够保持数据的实时更新、有效共享。

图1为本发明实施例的整体数据使用图表。

图2A为本发明实施例对指定的学生的“诊断结果”的画面窗口的示意图。

图2B为本发明实施例对指定的学生的学术数据、标准测试数据和EA数据进行分 析的“诊断结果”的画面窗口的示意图。

图2C是本发明实施例诊断过程的流程图。

图3A和3B为本发明实施例显示学生学术水平信息的“学术水平”画面窗口的示 意图。

图4为本发明实施例显示用于学生的标准化测试分数的“测试”画面窗口的示意 图。

图5A和5B为本发明实施例用于所选择的学校及其录取机会的“大学列表”画面 窗口的示意图。

图6为本发明实施例大学申请机会优化器针对一个学生的现有成绩：GPA 3.65，SAT 2000分，51个A-G课程，SAT II平均成绩655，没有领导活动，和14个荣誉(高等)课 程，其所有加州大学录取机会的预测结果；其中UCB(UC Berkeley)是加州大学伯克利 分校；UCLA(UC Los)是加州大学洛衫矶分校；UCSD是加州大学圣地牙哥分校；UCD 是加州大学戴维丝分校；UCSB是加州大学圣他巴巴拉分校；UCI是加州大学儿湾分校； UCSC是加州大学圣他克鲁兹分校；UCR是加州大学河滨分校；UCM是加州大学马塞 分校。

图7为本发明实施例大学申请机会优化器对所有加州大学的预测结果，当图6学生 的SAT成绩提升至2200分(其它成绩不变)。

图8为本发明实施例大学申请机会优化器对所有加州大学的预测结果，当图6学生 的领导项目提升至2(其它成绩不变)。

图9为本发明实施例大学申请机会优化器对所有加州大学的预测结果，当图6学生 的GPA提升至4.15(其它成绩不变)。

图10为本发明实施例大学申请机会优化器所产生的“录取树(Admission  Classification Tree)”示意图。

图11示出了本发明实施例用于该个人化教育咨询系统的硬件总体结构图。

图12为本发明实施例可被配置为执行图1-10中的教育咨询过程的计算机系统的示 意图。

以下结合附图实施例对本发明作进一步详细描述。

本发明实施例所涉及的个人化教育咨询系统，其能够使教育顾问获得关于学生的透 彻且个人的理解，并根据所述个人的理解为该学生提供定制指导。而且本发明的个人化 教育咨询系统为不同使用者提供专业化界面，每个界面允许特定的使用者输入、获取、 检索并修改特定数据组。由不同的使用者输入和修改的数据被存储在共享的资料管理系 统数据库中，并且根据每个使用者的权限来控制对数据的检索和修改。例如，教育顾问 使用来自学生的数据以及从学校收集的数据来开发学生的行动计划。该行动计划由该学 生执行，并且该教育顾问通过由本发明提供的该专业化界面来监控该行动计划的执行情 况。

该教育资料管理系统由多个功能模块构建而成；其中包括：信息建立与追踪、战 略性定位意见模块，学生头脑风暴文件模块，模块，诊断预测报告模块，录取 机会最优化分析模块，学生申请学校列表及申请状况模块。

一般来说，大学申请评估有三个主要领域，分别为：(1)学生的学术水平，包括 GPA(Grade Point Average)、荣誉(高等)课程(AP/Hornor)和A-G科目，其中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，以及G为大学预科选修课；(2)标准测试成绩，其包括SAT或ACT、SAT学 科测试、AP以及用于国际学生申请的TOEFL(托福)或IELTS(雅思)测试；(3)课外活动 (EA)，其包括社团、体育活动、领导活动、志愿者工作、实习或工作、签名计划等。

其中第一个领域，学生的学术水平，包括他/她自七年级至十二年级的学业成绩、荣 誉(高等)课程，这个项目的资料已被输入资料数据库，并可以从“学术成绩”选项查询， 见图3A和3B。

第二个领域，学生的标准测试成绩。这些成绩也已被输入资料数据库，并可以从“标 准测试”选项查询，见图4。

第三个领域，学生的课外活动这个领域可被归类为：“社团”、“体育活动”、“艺 术才能”、“领导活动”、“预科”、“志愿者”、“工作”以及“签名计划”等。根据美 国“新闻周刊”年度大学排名，在申请时我们把学校划分为五级，每一级有其最低要求。 例如第一级的学校(美国“新闻周刊”排名1-16名的学校)，学生需要有三个社团的活动， 两项体育活动，三项“艺术才能”，及两项“领导活动”，最低450小时志愿者服务，两项“工 作”和两项“签名计划”。该教育咨询系统量化每个必要元素(如社团活动，体育活动，艺 术才能，领导活动)成数据，然后根据特有的公式，自动计算EA总分，见下列表2。

以上所述的三个领域都可经由“诊断”功能列在“诊断结果”的画面窗口，见图 2A-2B，而该结果的诊断过程流程见图2C。

在学生努力于提升以上三个领域的表现时，家长和学生们常会疑问：到底怎么样的 成绩才是“够好”了呢？学生的精力和时间是否真的用到最需要加强的地方？为了解 答这个问题我们研究发展出一个“大学申请机会优化器(College Admission  Optimizer)”。这个工具是该教育咨询资料管理系统的一部分；它是使用逻辑回归统计 模型(Logistic Regression Statistic Model)为原理，设计出具有分析及预测录取结 果功能的工具；它根据以往录取学生各方面的记录，包括上述A-G课程，GPA，SAT，SAT 特殊科目，AP，课外活动，领导能力，获奖等，来预测现在要申请的学生针对特定学校 计算其录取可能性。它可以提供一个战略性定位意见，明确指出学生应该加强的地方。 譬如一个学生目前的GPA是3.65，SAT成绩是2000分，SAT特定科目平均655分，51 个A-G科目，和14个荣誉(高等)课程(AP/Hornor)；大学申请机会优化器分析的结果是 该学生以目前的成绩，进入加州大学圣地牙哥分校(UC San Diego)的录取机率是12％。 如果他只增加他的SAT分数，使SAT达到2200分，他被UCSD录取的机会变成14％，见 图7。如果他只增加他的领导项目，达到2，他的录取机会变成22％，见图8。然而如果 他把GPA提升至4.15，他被录取的机会达到71％，见图9。这个大学申请机会优化器提 供了学生一个明确的指标，在有限的时间内，全力冲高GPA成绩是最有利的。事实上根 据以往的录取结果，较高的GPA可以把所有加州大学的录取机会都提升许多。然而如果 GPA已达到4.15，那么其它项目的提升对每一个学校的录取结果又会不同，譬如加州大 学伯克利分校(UC Berkeley)对领导能力至为重视。

大学申请机会优化器也可以产生一个“录取树(Admission Classification  Tree)”(二叉树，Binary Tree)，见图10。“录取树”是根据分类与回归树 (Classification and Regression Trees，CART)的预测方法，它是另一种统计上用的逻 辑回归模型(Logistic Regression Model)。“录取树”针对每一个参考元素，显示入 学机会的分断点，譬如加州大学伯克利分校(UC Berkeley)，如果学生的GPA≥4.125， SAT成绩≥2150，而且具有超过50个A-G课程，他被录取的机率是97.1％(树的最右边 的节点)。录取树提供了关于临界点的GPA，SAT，AG课程等因子明确的参考数据。

咨询过程通常开始于最少两小时的沟通交流，即，在咨询的初期，教育顾问(或整 个申请过程中的顾问)会与学生会面、并与学生进行面谈。在交流之后，教育咨询顾问 将为学生制定战略性定位意见，这是基于学生的过往经历，对学生的强项、努力程度和 弱点所做的总结。大学申请机会优化器为学生分析特定学校的录取机率，并可给予该学 生在其较弱项目提示应该进步的程度，此分析结果也是战略性定位意见的一部分。该战 略性定位意见将引导该学生大学论文的方向，并用于提醒顾问，跟紧该学生特定的薄弱 环节。咨询过程将是长期努力的过程，时常需要家长收集更多关于该学生的信息。稍后 该战略性定位意见将为每个大学论文主题生成集思广益的文档，即头脑风暴文件。教育 顾问需要出什么是学生感兴趣的以及擅长的，并为该学生搜寻课外活动(EA)。教育顾 问还将为该学生选择学校；该个人化教育咨询系统基于预选学校等级，例如，第一等级 是“美国新闻周刊综合性大学排名”中排名1-16的学校，经由该教育咨询系统提供的 “诊断”功能，将生成该学生的学术水平、标准化测试和EA的分析结果，这样，学生 将了解其需提升的领域，从而达成其预选等级的学校。

本发明提供了针对不同使用者的用户界面，通过输入装置和显示装置，在各接口允 许一个指定的用户输入，检索和修改特殊的数据资料；而被执行各种功能后，不同的报 告会自动生成。图1是一个资料数据使用图；它显示出了资料数据可以由不同的使用者 进行查询或更改；其中连接的横线表示某类型的使用者(用户)可以行使的功能(椭圆 形)。例如，教育顾问，学生和分支机构的经理都可以使用/查询“学生详细申请合同会 议纪要”。它也表明行使的关系是1对多(1，*)，多对多(*，*)，或1对1。

资料的输入和修改可经由不同的授权使用者，并且存储在一个共享的数据库，通过 网络的连接使各分支机构都可以使用。该数据资料由数据资料管理系统所管理，每个使 用者对数据资料的使用是按照该使用者的指定权限加以控制。教育顾问只对他/她自己 的学生的资料数据有授权。例如，教育顾问为他/她的学生选择完学校，他/她只能监控， 查询或更改他/她自己的学生的录取机会，及学校的申请状态。

“战略性定位意见计算单元”是该数据资料管理系统的一部分(存在于战略性定位 意见模块)，其可生成战略性定位意见计算报告，根据存在数据资料库中该学生目前的 数据资料，其中包括系统为学生预先选择的学校层次，和目前的所有成绩。申请论文头 脑风暴文件是由学生“头脑风暴文件生成单元”所产生，“头脑风暴文件生成单元”也 是该数据资料管理系统的一部分(存在学生头脑风暴文件模块)。“头脑风暴文件生成 单元”分析存储在数据资料库中该学生目前的数据资料以及个人背景(根据教育顾问和 该学生之间的沟通交流)，生成学校申请论文的头脑风暴文件；此头脑风暴文件作为学 生未来的大学申请论文的一份蓝图。无论是战略性定位意见报告和学校申请论文的头脑 风暴文件都存储在数据资料管理系统并由该系统进行管理。

教育咨询系统的诊断功能(存在于诊断预测报告模块)可产生“诊断”的结果(见图 2A，2B，2C)；该结果自动被包含在战略性定位意见计算报告中。“诊断”结果提供了 该学生目前的学术水平，标准化测试和课外活动一个明确的指标。诊断功能是基于上述 的三个领域(学术水平，标准化测试和课外活动)和预选学校层次进行的。数据资料管 理系统基于特殊的计算方法将自动地生成诊断报告，诊断报告将指示哪些领域该学生仍 然需要改进，该诊断过程的流程如图2C。例如，凯瑟琳是一个在加州的高三学生，在 她的成绩，她的目标是第二级学院(美国新闻周刊综合性大学排名中名列17-28的学校)， 这需要GPA为3.75(见表2所示)，但她的GPA为3.72，虽然略低但符合门槛，因此诊 断报告显示橙的学术圈(绿圆圈表示符合要求，即学生的分数大于所需的分数，红 圆圈表示学生需要一个较大的进步)，参见图2A，2B，和图2C。教育顾问，家长和学 生可以参考系统预选的学校层次，然后再决定最终选定的学校。也就是说如果学生和家 长想尝试更有挑战性的学校或拔尖的学校，他们可以更改系统预选的学校层次，再决定 最终选择的学校名单(但教育顾问必须同意)。每个最终选定的学校将储存在数据资料 管理系统以便进行学校的申请状态监督。

本系统所具有的诊断功能基于特殊的因子，针对各学校的每一等级定义这些因子； 例如，如表2所示，对于第一等级学校(“美国新闻周刊综合性大学排名”中排名1-16 的学校)，其最低学术水平要求GPA是3.85，A-G课程单元是56，一般一学期的英语课 程是1单元，一年，即两个学期的英语是2单元，并且要求的荣誉课程(AP/Hornor)是 20单元。然而，对于整个评估来说，学术水平的权重是30％，EA是70％，这意味着顶 级学校很看重EA。EA包括“社团”、“体育活动”、“艺术才能”、“领导活动”、 “预科”、“志愿者”、“工作”以及“签名计划”，其每一个都具有最低的活动要求， 例如，如表2所示，对于第一等级学校，要求学生有三个社团活动、两个体育活动、三 个艺术才能活动、两个领导活动、最少450个小时的志愿者活动、两个实习工作以及两 个签名计划。通过以下公式计算得到EA分数：EA分数＝所有(EA参数x EA项目个 数)的总和/EA项目的总数。例如，学生参与的每个课外活动都被分配有特定的数字， 即EA参数，如表1所示，例如领导活动其参数可能最高为3，将所有的课外活动数字 累加并除以特定因子，例如是课外活动项目的总数，从而获得该学生的EA分数，该过 程即将EA数据化。如果该学生的EA分数大于或等于目标分数，则EA环显示绿环； 否则EA环将标记为红(少于目标分数而且在临界值之外)或橘(等于目标分数或在临 界值之内)。如果所生成的诊断结果表明该目标等级难以实现，则该系统会通过将环标 记为橘或红来告知该学生，该学生可以将其目标等级修改为较低的等级，例如，修 改为第二等级学校(“美国新闻周刊综合性大学排名”中排名17-28的学校)，其需要GPA 达到3.75，A-G单元达到52，荣誉课程达到16单元等。用于该诊断功能的所有等级因 子都会发生变化；这些因子可能每年都不同，并且该系统将根据从各大学收集到的数据 来更新等级因子和EA参数。表1为各项课外活动的EA参数表，表2为每一级目标学 校对于学术数据、标准化测试数据以及课外活动数据的要求表。

表1

EA项目 EA参数

社团 1

体育活动 1

艺术才能 1

领导活动 3

预科 2

志愿者 2

工作 1

签名计划 2

表2

其中目标学校等级包括第一级：GPA等于3.85或以上，第二级：GPA等于3.75 或以上，第三级：GPA等于3.65或以上，第四级：GPA等于3.5或以上，3.5以下为 其它。而目标学校等级是参考“美国新闻周刊”(Newsweek)每年所公布的综合性大学的 排名，例如，第一级学校是排名1-16名的学校；第二级：17-28名，第三级：29-45名， 第四级：排名46名以后。GPA(Grade PointAverage)是一种评估学生成绩的制度，计算方 法为把学科所得到的评级，换算成为一个绩点，再按照各学科的学分比例加权所得的数 字；最常见的成绩平均绩点系统为四分制：A为4分；B为3分；C为2分；D为1分； F为0分，加总之后的平均分数。

举例来说如果某个学生有三个社团活动，一项体育活动，一项艺术才能，超过450 小时志愿工作，及是学生会领导；她的EA分数计算结果是：(3x1+1x1+1x1+2+ 3x1))/5＝2。若EA的目标分数是2.5，临界值是0.5，她在第一级的EA的诊断圆环将 是桔。

学生的学术数据包括从7年级到12年级其上过的课程、所取得的学分和荣誉类型， 这些数据被输入并可在“学术水平(Academics)”选项下查看，参见图3A和图3B。

该教育顾问还输入该学生的标准化测试成绩并在教育资料管理系统中存储该成绩， 可在“测试(Tests)”选项下查看该分数，参见图4。

该个人化教育咨询系统还在“大学列表(Desired College List)”画面中提供了对于 每一所已申请的学校的录取机会的分析，参见图5A和图5B；其中，基于独特计算方法 和来计算录取机会，并且将结果划分为七个水平，分别为：VU(录取机会为15％ 或更低)、VU/R(录取机会在15％和35％之间)、R(录取机会近似35％)、R/T(录取机会在 40％和55％之间)、T(录取机会近似60％)、T/S(录取机会在65％和75％之间)以及S(录取 机会大于75％)。该录取机会还用于决定该学生应使用什么类型的合同。如果该学生有 很大机会被其目标学校录取，则可使用GTS合同(保证录取)。该功能非常利于市场专员 用于确定合同类型。录取机会分析是基于由历史录取数据生成的，该系统根据贝西恩的 统计模式(Bayesian logistic regression statistics)来进行计算。其中所用的参考值 (multi-variables)包含：每个学校参数(coefficient)，A-G科目(0-50)，荣誉/高等课程(1-15)， 学校成绩，SAT，SAT学科测试，课外活动，进步趋势(0，1，或2)，获奖(0，1，或 2)，领导才能(0，1，或2)，以及是否是新移民(0或1)。

另一个数据管理系统的关键功能是大学申请机会优化器，它提供了申请大学录取机 会的预测功能。大学申请机会优化器主要采用逻辑回归模型(Logistic Regression Statistics) 的统计模型，根据以往申请结果，以及学生目前的表现，为每个选定的学校计算其录取 的机会，从而提供了一个战略性的意见。申请大学录取优化过程是通过数据资料管理系 统自动执行的。大学申请机会优化器使用量化的因素，如加利福尼亚州A-G课程，荣誉 /AP课程，SAT一般项目(SAT I)成绩，SAT特殊科目(SATII)评分，EA(课外活动) 小时，UC-GPA(UC平均成绩的特有算法)，进步趋势(0-2)，获奖(0-2)，领导力(0-2)， 以及非UC GPA，见图6，在这些因素中，对于进步趋势，领导力，并获奖的数据，请 参见下面的表3：

表3

该大学申请机会优化器(College Admission Optimizer)根据逻辑回归统计方式 (Logistic Regression Statistics)利用以往录取资料，归纳出一个方程式，再纳入学生现 在所有的资料以计算该学生申请每所学校的录取机率；其中所用的参考值 (multi-variables)包含：每个学校参数，A-G科目，高等课程成绩(AP/Honor)，学校成 绩，SAT，SAT学科测试成绩，课外活动数据，进步趋势，获奖，领导才能，所述录取 机率可由″大学列表”窗口显示给使用者。

录取机会预测方法的优点是它可以提醒学生应该把他/她的时间和精力聚焦在仍然 薄弱的一个领域。

大学申请机会优化器主要采用逻辑回归统计模型(Logistic Regression Statistics)的模 型公式如下所示：

$p_{(\mathrm{admission}{|X}_1,X_2,X_3......X_n)}=\frac{e^{a_0+a_1{X}_1+......+a_n{X}_n}}{1+e^{a_0+a_1{X}_1+......a_n{X}_n}}$

School1＝(a10，a11，a12，......a1n)

School2＝(a20，a21，a22，......a2n)

School3＝(a30，a31，a32，......a3n)

......

Schooln＝(an0，an1，an2，......ann)

Student1＝(X11，X12，......X1n)

......

Studentn＝(Xn1，Xn2，......Xnn)

其中p是录取机率；a是每一个学校不同的参数；X是每一位学生的不同因素， n是学校和学生序数，为大于0的自然数，该a和X的各个数值均通过统计多年的各个 学校的录取数据得到。

图6为大学申请机会优化器针对一个学生的现有成绩：GPA 3.65，SAT 2000分，51 个A-G课程，SAT II平均成绩655，没有领导活动，和14个荣誉(高等)课程，其所有 加州大学录取机会的预测结果。当图6学生的SAT成绩提升至2200分(其它成绩不变)， 大学申请机会优化器计算出该学生被UCSD录取的机会从12％提升到14％；UDSB的录 取机会从37％提升到53％，等等，如图7所示。

当图6学生的领导项目提升至2(其它成绩不变)，他被UCSD录取的机会从12％提 升到22％，如图8所示。当图6学生的UC-GPA提升至4.15(其它成绩不变)，所有的学 校的录取机会都大幅提升，如图9所示。由图6，7，8和9我们可以知道UC-GPA达到 4.15是想进入加州大学排名前面两个学校(加州大学伯克利分校和加州大学洛衫矶分校) 的关键。所以在有限的时间内如果全力冲高学业成绩是最重要的，然而如果来不及冲高 成绩就该选择下一个最有影响力的因素(针对最想进的学校)，全力以赴。

“录取树”(Admission Classification Tree)是另一种统计预测方法的结果，是根据分 类与回归树(Classification and Regression Trees，CART)的预测方法，它是另一种统计上用 的逻辑回归模型(Logistic Regression Model)。“录取树”针对每一个参考元素，显示入学 机会的临界点，譬如加州大学伯克利分校(UC Berkeley)，如果学生的GPA＞＝4.125，SAT 成绩＞＝2150，而且超过50个A-G课程，他被录取的机率是97.1％(录取树的最右边的 节点)。录取树提供了关于临界点的GPA，SAT，A-G课程，获奖等元素明确的参考数 据，见图10。

图11是本发明的示例性硬件总体结构。其中Web-u-1是网络和数据库服务器； Web-u-2是备用的网络和数据库服务器，其被设计用于容错目的；并且Backup-u-1用于 备份所有来自Web-u-1的文件及资料。

图12是可实施本发明的计算系统环境的示例。本发明的个人化教育咨询系统可在 这种计算系统或与该计算系统类似的其他系统中运转实施。

该个人化教育咨询系统，不但能够使教育顾问获得关于学生的透彻且个人的理解， 并为该学生提供定制指导。而且为不同使用者提供专业化界面，每个界面允许特定的使 用者输入、获取、检索并修改特定数据组。由不同的使用者输入和修改的数据被存储在 共享的资料管理系统数据库中，并且根据每个使用者的权限来控制对数据的检索和修 改，还能够保持数据的实时更新、有效共享。该个人化教育咨询系统，采取量化录取元 素，由以往录取结果来分析及预测学生针对特定学校的录取机会，提供学生建设性的意 见，从而优化大学申请的机会。

尽管已经参考优选实施方式描述了本发明，应该理解的是，本发明不限于其描述的 具体细节。在前述说明书中已经提出了各种替换方案和变型方案，并且本领域技术人员 可构想出其他方案。因此，所有这些替换方案和变型方案都应归入本发明在随附权利要 求书中限定的范围内。应理解的是，在不同附图中示出的特征可在本发明的范围内简单 地进行不同的组合。