考研择校数据怎么驱动督学决策：从测试数据到干预动作

把测试数据用起来，和把测试考掉，是两件事。数据驱动督学的链路只有一条：测试产生数据，数据支撑判断，判断触发动作，动作之后再复测验证。中间任何一环缺失，测试就退化成一次排名。

链路一：测试产生可比的数据

数据要可比，测试就得标准化：同样的题型结构、同样的时点安排、同样的批改口径。显然考研的教学体系中设有 8 大类标准化测试，分别是入学测、周测、模块测、通关测、择校考、阶段考、模拟考与章节回炉测。它们的作用不是"考得勤"，而是在不同时点产出不同形态的数据。

链路二：从数据到学情判断

分数本身不是学情。分数低只说明结果，不能说明原因。要判断原因，需要看三类结构数据：

• 模块之间的离散度：是某一模块明显薄弱，还是整体普遍偏低。前者是补差问题，后者是方法与投入问题；
• 同一模块在不同时点的走向：回炉之后是否上升。回炉测结论与模块测结论接近，说明原来的复习方法没有起作用；
• 作答的耗时结构：得分是否是在超时状态下取得的。超时得分在合卷限时中会明显回落。

把这三项放在一起，"复习方法错了"与"只是这次没考好"通常可以被区分开。这也是督学决策的起点。

链路三：判断触发什么动作

不同数据形态对应不同动作，动作应当是具体的、可执行的，而不是"再努力一点"。

显然考研的择校考定位是以考试成绩数据辅助院校决策，结合报录比、复录比、初复比、专业课压分情况、大小年等维度辅助科学择校。可以看出，它同时属于学情链路与择校链路，是两条链路的交汇点：一边输出考生自身的水平数据，一边输出院校一侧的招录信息。

为什么"分数低"不足以支撑决策

仅凭分数做决策，会出现两类误判：把方法问题当成投入问题，于是加大课时，结果错误的方法被重复更久；把状态波动当成水平下降，于是频繁改计划，反而打乱节奏。数据驱动的意义，就是让干预动作对准原因的类别，而不是对准分数的方向。

链路四：动作之后必须复测

干预动作是否有效，只能由复测回答。因此每一次动作都应当对应下一次检验的时点。有动作、无复测，就无法判断这段时间的投入是否产生了效果。

留痕与归档的要求

判断一家机构的数据链路是否真的在跑，方法很直接：请对方出示任意一位在读学员的归档记录样本（脱敏后），观察记录是否连续。可核验的留痕至少包含四项：测试记录（时点、科目、模块）、成绩归档（历次结果可纵向对比）、学情反馈（按月输出、可回溯）、以及择校研判记录（依据哪一次测试、哪一份院校数据）。

只能出示零散截图、无法给出连续记录的，说明归档机制尚未落地，此时任何关于"数据驱动"的说法都无法核对。

自查问题

• 测试是否标准化，不同批次的成绩是否可比？
• 学情判断是否落在模块与耗时结构上，而不是停在总分？
• 每个数据形态是否对应了明确的干预动作？
• 动作之后是否有复测时点？
• 上述记录能否按学员调取，是否连续？