我们如何给大学排名

DeepColleges 采用四维决策评分 (Decision Score) 框架。与依赖声誉调查的传统排名不同，我们的每一项指标都基于可验证的联邦数据，使用公开公式计算。你可以审核本页的每一个数字——如果你对某个权重有异议，可以准确地告诉我们哪里不对、为什么。

决策评分：四大维度

每所学校会获得四项评分，每项范围从 0 到 100。默认情况下，这四项不会合并为一个总分——因为"最好"的学校取决于你最看重什么。在我们的排名页面上，默认按综合匹配度排序，但每所学校的四项评分都会完整展示。

综合匹配度评分 — 计算公式

综合匹配度是四个可量化因素的加权综合。每所学校的基础分为 50 分。

投资回报率评分 — 计算公式

投资回报率衡量一个学位是否物有所值。我们通过比较总成本与总收入来计算 10 年投资回报。

如果净价格数据不可用，该学校将获得默认分 50。

转学友好度 — 计算公式

该评分衡量一所学校对转学生的开放程度——一个重要但经常被忽视的指标。

AP影响力 — 计算公式

该评分告诉你 AP 课程在每所学校的录取和学分转换中到底有多重要。数据来源于 Common Data Set 第 C7 节，各学校在此自报每个录取因素的权重。

如果 CDS 数据不可用，则根据选拔性估算：录取率 < 10% → 80，< 25% → 65，< 50% → 50，50%+ → 35。

冲刺校 / 匹配校 / 保底校分类

在每所学校的页面上，我们会针对不同学术水平的学生，将该校归类为冲刺校、匹配校或保底校。分类依据包括：

• 录取率——预测录取概率最有效的单一指标
• SAT/ACT 分数范围——来自 IPEDS 的第 25 和第 75 百分位数据
• CDS 录取因素权重——学校官方表示看重什么（GPA 难度、标化成绩、文书、课外活动）

什么是 CDS 权重（以及为什么它很重要）

Common Data Set (CDS) 是大多数美国大学自愿发布的一份调查报告。第 C7 节要求学校对 14 个录取因素按四级量表评定：非常重要、重要、会考虑、不考虑。

这 14 个因素包括：学业 GPA、高中课程难度、班级排名、标准化考试成绩、申请文书、推荐信、课外活动、才艺/能力、品格/个人素质、第一代大学生身份、校友关系、面试、工作经历和志愿服务。

我们在每所学校的页面上解析并展示这些权重，因为它们揭示了招生办公室真正在乎什么——而不是宣传材料上说的。例如，一些常春藤名校将校友关系标记为"不考虑"，而另一些标记为"会考虑"。对于校友子女申请者来说，这是一个实质性的差异。

数据来源

数据处理流程

1. 采集——Python 脚本从 College Scorecard API (api.data.gov) 和 IPEDS 批量下载中提取原始数据。CDS 报告从各大学官网逐一解析。
2. 加工——联邦数据与 CDS 权重合并。使用上述公式计算决策评分。从结构化数据生成叙述性文本。
3. 校验——自动化检查标记异常项：缺失字段、离群分数、数据时效性问题。被标记的项目由人工复核。
4. 生成——11ty 静态站点生成器从结构化 JSON 生成 400+ 英文页面。i18n 流程另外生成 2,000+ 页面，覆盖 5 种语言。
5. 部署——构建后的页面部署至 Cloudflare 全球边缘网络（300+ 城市）。完整重建和部署不到 60 秒。

局限性

没有任何排名系统能涵盖一切。以下是我们的评分未能覆盖的方面：

• 校园文化与社交契合度——你是否会喜欢在那里度过的四年。没有数据集能衡量这一点。
• 具体院系质量——学校的整体评分可能无法反映其个别院系的水平。MIT 的工程学院和 MIT 的政治学系不是一回事。
• 地理位置偏好——有些学生想要城市校园，有些想要乡村环境。我们展示地理位置数据，但不将其纳入权重。
• 课外活动与科研机会——实验室资源、创业生态、体育项目——对很多学生很重要，但不在我们的公式中。
• 后疫情数据滞后——联邦数据有 1–2 年的报告延迟。收入数据反映的是几年前毕业生的情况，不是当前的就业市场。
• 收入 ≠ 人生满足感——我们的投资回报率评分衡量的是财务回报。从事教育或社会工作等薪资较低的职业可能才是适合你的选择。我们展示数据；你做决定。

我们鼓励学生将我们的数据作为择校决策的参考之一——而非唯一依据。去校园实地参观，和在读学生交流，亲自阅读 CDS 报告，然后再回来核对我们的数据。

版本历史

← 查看排名