数据脱水算法说明：统考真名额、录取中位数与一分一段存活率怎么算

很多考生在研招网或高校官网看到的是「拟招生 50 人」，却不知道其中 40 个名额早在 9 月就被推免生占满。我们要解决的正是这个信息差：把公开数据里被平均掉的、被合并掉的、被推免吃掉的数字重新拆开。

这篇文章公开我们的全部计算口径，包括它做不到的地方。

一、四个核心指标的定义

先看结论也可以：为什么「计划 48 人、实际录取 62 人」——三类口径差异与判断方法 用武理、西南交大、重庆大学的真实数字拆开了扩招 / 推免溢出 / 调剂三类差异。

1. 计划名额与实际录取（双口径，必须分开看）

这是站点最重要的一次口径修正：「招生简章写了多少」和「实际录取了多少」不是同一个数。

计划名额（plannedQuota）  = 招生简章专业目录里的「拟招生人数」（原表数字，含推免与各类专项）
实际录取（admittedExam）  = 拟录取公示名单里剔除推免行后的统考录取人数
实际接收推免（exempt）    = 同一份公示名单里备注为「推免」的行数

两者可以差很多。以武汉理工大学 2026 届 085404 计算机技术为例（本院口径）：

计划 48、实际录取 62 —— 差额来自扩招与调剂。任何只给一个数字、不说口径的说法都是误导， 所以本站同时展示计划与实际，并标注各自来源；没有数据的一方显示「—」，不做推算。

如果某一年的公示无法区分专项考生，我们只标注「口径不完整」，不用估算值冒充精确值。

2. 录取中位数（scoreMedian）

把最终拟录取考生的初试总分排序，取中间位置的值。相比平均分，中位数不会被少数极高分或极低分拉偏，更接近「今年被录取的人里，最普通的那一个考了多少」。

同时我们保留 25% 分位（scoreQ25）与 75% 分位（scoreQ75）：前者对应「刚过线被录取」的位置，后者对应「比较稳」的位置。

3. 复录比（retestRatio）

复录比 = 进入复试人数 / 最终统考录取人数

复录比 1.2 表示进复试 12 人最终录取 10 人；复录比 2.0 表示进复试的人里有一半被刷。

边界：复录比需要「进复试人数」，而这只有部分学校公开（不少学校只发复试线、不发复试名单）。 对没有复试名单的院校，本站显示「暂无」而不是用「录取人数 × 假设比例」倒推——这条红线不会为了数据好看而破。

4. 一分一段复试存活率

按 10 分一档对进复试与最终录取做交叉统计：

存活率告诉你「处在哪个分数段才是真正安全的」，比单看复试线更有决策价值。

二、数据清洗流程（六段，可复核）

1. 存证：抓取公示页/附件，按内容哈希存档原始文件（PDF、HTML、图片），记录 URL 与抓取时间。
2. 提取：文本层 PDF 直接抽取；扫描件与超长图走本地 OCR（macOS Vision，不出网，原文不离开本机）。
3. 重建：把 OCR 的字符块按坐标还原成表格行，同一行跨列单元格用列中心就近归属。
4. 剔除：按「备注/录取类别/学习形式」识别并剔除推免、专项考生；同一考生编号只保留一条。
5. 校验（硬门禁，不达标就不发布）：
   • 覆盖率：解析页数必须等于 PDF 总页数，缺页直接拒绝发布；
   • 区间：初试总分不在 150–500 的视为串行，剔除并计数；
   • 突变：与上一次发布相比，单专业录取人数变化超过 30% 记为冲突，需人工确认；
   • 抽检：自动生成 5% 去标识化样本，供人工对照原文。
6. 发布：只输出聚合指标（人数、中位数、分位、复试线）+ 来源链接 + 抓取时间 + 覆盖页数； 含姓名的逐行数据只留在本地，不进仓库、不上线。

更新节奏：3 月补复试线与复试名单；4–6 月补上一年度拟录取名单；9–10 月补当年招生简章与推免结果。

三、我们做不到的地方

• 不预测分数：中位数是历史统计，不是对你明年的承诺。
• 不覆盖全部院校：目前只有少数院校完成「官方公示 → 页面」的端到端接入， 数据覆盖页 会实时列出哪些院校专业用的是官方数据、哪些还是演示数据。
• 复录比不是每个学校都有：需要学校公开「进复试人数」，缺就显示「暂无」。
• 计划名额会变：简章拟招是计划口径，扩招与调剂都可能让实际录取与之不同，所以我们不合并成一个数。
• 不替代官方文件：所有数据以高校研究生院公示原文为准，发现错误请发邮件到 hi@yikaoyan.com，我们会在核实后更正。

四、如何核对任何一个数字

在任意院校专业详情页中，已接入官方数据的专业会多出一块「官方公示数据」：

• 统考拟录取 / 推免人数 / 简章计划 / 初试中位数 / 25%–75% 分位；
• 分方向复试线（单科线 + 总分线）；
• 来源：官方公示链接、抓取日期、覆盖页数（例如「115/115 页」）。

核对方式：点开来源链接 → 找到同一专业 → 对照名单条数与分数。任何一处对不上，都欢迎反馈。

没有标注「官方公示」的区块仍是演示数据，用于验证页面交互，不构成对分数的任何承诺。

下一步：用四校同屏对比工作台把 2-4 个目标专业放在一起，看名额、中位数与复录比的组合，而不是只看分数线。