用 AI 收集考研择校数据：报录比的解读

用 AI 收集考研择校数据，最实用的切入点是让大模型把各院校的报录比、复试线、招生人数这类散落信息汇成一张表，并逐项解释数字背后的竞争含义。报录比是其中的核心指标：报考人数除以录取人数，直观反映一个专业的竞争强度，但直接比大小容易误判，需要结合推免占比、弃考率、复试差额等细节一起读，下文按这个顺序拆解。

报录比怎么算才不失真

同样的报录比，口径不同含义完全不同。第一看分母：录取人数里含不含推免生，推免占一半的专业，统考实际竞争约为表面报录比的两倍，让 AI 抽数据时要求注明推免名额。第二看分子：报考人数含不含弃考，部分考区弃考率不低，实际走进考场的人数明显少于报名数，硬报录比会偏吓人。第三看年份：招生名额缩扩会剧烈改变报录比，只看一年的数字容易踩坑，至少拉三年做趋势才看得出方向。把这些口径要求直接写进给 AI 的指令，比如「录取人数注明是否含推免」，它填表时就会带上备注列，后续比较省事。

数字之外要看的三处细节

报录比之外还有三处值得让 AI 一并抽取：复试线与国家线的差距，反映这个专业是过线就稳还是复试就是第二场硬仗；复试差额比例，一比一点二和一比二的刷人力度差别很大；专业课命题与参考书目是否频繁变动，变动频繁意味着备考风险高。这三项和报录比放在一起看，才能判断一个专业是「人多了点但规则稳定」，还是「数字好看但年年变脸」。参考书目变动信息通常在九十月发布的招生专业目录里，往年目录只能作参考，当年的才有决策价值。

让 AI 建数据表的操作问法

有效问法是分步进行：先让它列出需要收集的字段清单，院校、专业、统考名额、推免名额、报考人数、录取人数、复试线、参考书目；再逐校粘贴官方发布的招生信息，让它按字段填表、标注来源与年份；最后让它按你设定的条件筛选，比如只保留报录比低于某个值且统考名额不少于五人的专业。凡 AI 给不出的字段让它标缺并注明去哪查，不要让它凭记忆填数，记忆性的往年数据最容易过时。表格建成后让它做一次交叉检查，报出名额与人数对不上的行，这些行往往就是信息粘贴时的错位。

两种最常见的误读

一是拿不同院校的报录比直接排名，忽略推免与弃考的口径差异，比出来的强弱可能是错觉；二是把低报录比当成安全垫，冷门专业报录比低但名额也少，一两个名额的波动就能让数字剧烈变化。更稳的用法是把报录比当趋势指标：连续三年上升的专业警惕扎堆，突然下降的要查是否缩招或改名。所有数据以院校研究生院当年发布的官方文件为准，AI 的整理只作为初筛，不能替代查证。

延伸阅读：院校专业信息怎么对照、考研专业课怎么梳理、三轮复习怎么排。

读报录比先问的四个问题

• 这个数字含不含推免名额
• 报名人数里有多少弃考
• 连续三年是升还是降
• 统考名额只有个位数就别排名

最容易漏掉的是推免占比，它能把同一张表上的强弱顺序整个倒过来。

报录比多少才算竞争激烈的院校？

• 报考人数哪里的数据比较准？：部分院校会在复试或录取公示中公布报考与录取人数，院校研究生院官网与教育主管部门渠道是主要来源；查不到的院校让 AI 标注「数据未公开」，用进复试人数与名额关系近似估算，并注明是估算值。
• 学硕和专硕的报录比能直接比吗？：不建议直接比。两者名额结构、考试科目、推免比例差异大，分别建表、分别看趋势更可靠。
• 数据表做好后怎么跟上年度变化？：每年九十月招生简章发布后更新名额与科目字段，复试线在三四月出结果后补录，表格滚动维护，之后查资料或帮他人参考时直接复用。