方法论与字段字典

本页说明主观评分如何产生、数据来源如何取舍、缺失值如何处理,以及合规边界。

一、主观评分规则(0-100)

对「中国留学生喜好度、科研能力、未来发展、校友情况、对外合作」五项主观指标,统一采用 0-100 分制,每条评分必须包含 9 项要素:

要素字段要求
① 评分值scores.score_value0-100;无法确认时填 NULL
② 评分维度scores.dimension_scoresJSON,各维度 0-100 或 null
③ 权重scores.dimension_weightsJSON,权重合计 = 1
④ 理由scores.rationale必填,说明为何打此分
⑤ 证据scores.evidence必填,客观数字/事实描述
⑥ 来源链接scores.source_urls必填,至少 1 条可复核 URL
⑦ 基准日scores.as_of必填,评分所依据数据的截止日期
⑧ 置信度scores.confidencehigh=多源交叉验证 / medium=单一权威源 / low=样本有限
⑨ 状态scores.status待核实 / 已核实 / 有冲突 / 已废弃

「中国留学生喜好度」维度拆解

申请热度
权重 0.2
搜索与社交讨论
权重 0.1
就业回报
权重 0.2
安全与生活
权重 0.15
费用性价比
权重 0.15
中介推荐度
权重 0.1
排名声誉
权重 0.1

其余四项指标维度

指标维度与默认权重
科研能力论文产出 0.20 · 引用影响力 0.25 · 科研平台 0.15 · 科研经费 0.15 · 博士培养 0.10 · 产业转化 0.15
未来发展就业率 0.25 · 起薪水平 0.20 · 行业景气 0.20 · 财务健康 0.15 · 战略投入 0.10 · 留居政策友好度 0.10
校友情况校友规模 0.20 · 知名校友 0.25 · 中国校友网络 0.25 · 校友捐赠 0.15 · 校友活跃度 0.15
对外合作中方合作院校数 0.25 · 合作项目数 0.20 · 2+2/3+1 通道 0.20 · 联合科研 0.15 · 合作稳定性 0.20
铁律:不得编造。无法确认时 score_value 一律写 NULL,并将 status 置为「待核实」,前端展示为 待核实。 评分需双人独立打分,分差 > 15 分触发第三人仲裁。

二、数据来源优先级与更新频率

优先级来源类型可信度典型来源更新频率
1学校官网A各校 Tuition / Admissions 页面每年(学费/录取)
2政府 / 教育部 / 移民局A中国教育部涉外监管网、中留服、HESA、UKVI、USCIS、ICA每季度(政策类)
3权威排名BQS、THE、US News、ARWU、本地排名每年
4就业报告BHESA Graduate Outcomes、学校就业报告每年
5第三方调研CNumbeo、经济学人生活成本指数每年(需交叉验证)
6论坛 / 社交媒体C仅用于"搜索/社交讨论"维度,不可作为事实字段来源每季度

每条数据尽量保留 source_url、source_type、采集日期(data_sources.collected_at)、可信度(data_sources.credibility)。

三、缺失值、冲突与时效

缺失值

  • 数值缺失写 NULL,禁止写 0 或 -1 占位
  • 主观分缺失:值 NULL + 状态「待核实」
  • 前端统一展示 待核实

冲突处理

  • 裁决顺序:来源优先级 > 时间新近 > 第三方交叉验证 > 人工裁定
  • 写入 data_conflicts,保留双方值与来源
  • 未裁决前不允许静默覆盖

时效阈值

  • 排名 / 学费 / 录取 / 就业:400 天
  • 签证与移民政策:120 天
  • 主观评分:400 天(年度复评)

四、合规与隐私

🟢 只采集公开信息:本库仅收录院校、项目、政策等机构层面的公开数据。
  • 不采集任何个人隐私:不收录学生/教职工姓名、邮箱、住址、护照号、成绩单等个人信息。招生联系人仅收录机构公开的办公邮箱。
  • robots 与网站条款:采集前核对 robots.txt 与服务条款,结果记入 data_sources.robots_ok / terms_ok;为 0 的来源禁止入库。
  • PIPL / GDPR / CCPA:来源若含个人信息(contains_personal_data=1)一律禁止入库;搜索日志仅存匿名 token 与 IP 的 SHA-256 哈希,不存明文 IP。
  • 数据主体权利:如收到删除/更正请求,通过 update_logs 留痕并在 15 个工作日内处理。
  • 主权表述:中国香港、中国澳门、中国台湾均标注为中国所属地区(countries.is_china_region=1,主权国家字段填「中国」)。

五、完整字段字典

全库共 26 张表 / 626 个字段,每个字段均提供:字段名、中文名、数据类型、是否必填、枚举/取值范围、字段说明、数据来源、更新频率、示例。

CSV 导入模板在 csv/templates/ 目录,每张表一个文件(表名.csv 为英文字段名表头,表名_中文表头.csv 为中文表头)。