与工程学院0811J2水下智能技术报录数据分析报告(初试+复.docx

研究报告

PAGE

1-

与工程学院0811J2水下智能技术报录数据分析报告(初试+复

一、数据来源与处理

1.1数据来源

(1)数据来源方面，本报告所采用的数据主要来源于工程学院0811J2水下智能技术专业的招生办公室。招生办公室负责收集整理每年的报考信息，包括考生基本信息、报考专业、初试成绩、复试成绩以及录取结果等。这些数据经过整理和清洗后，形成了我们分析的基础数据集。

(2)具体来说，我们收集的数据包括考生姓名、性别、年龄、本科院校、本科专业、联系方式、报考专业、初试成绩（包括政治、英语、数学和专业课）、复试成绩（包括面试和笔试）以及最终录取情况等。这些数据不仅涵盖了考生的基本信息，还详细记录了他们的考试表现和录取结果。

(3)在数据收集过程中，我们严格遵守了数据安全和隐私保护的原则，对所有涉及个人隐私的信息进行了加密处理。同时，为了保证数据的准确性和可靠性，我们对收集到的数据进行了一致性检查和交叉验证，确保了数据的真实性和可用性。通过这些数据，我们可以对工程学院0811J2水下智能技术专业的报考情况进行全面、深入的分析。

1.2数据预处理方法

(1)在数据预处理阶段，我们首先对原始数据进行初步的清洗，包括去除重复记录、修正错误的输入信息以及处理缺失值。对于缺失值，我们采用多种策略，如均值填充、中位数填充或删除含有缺失值的行，以确保数据的完整性。

(2)为了提高数据的质量和可用性，我们对数据进行了一系列的标准化处理。这包括将考生的年龄、初试和复试成绩等数值型变量进行标准化，以消除量纲的影响，使得不同指标之间具有可比性。同时，对于类别型变量，我们通过编码转换，将非数值型数据转换为数值型，便于后续的数据分析。

(3)在数据预处理过程中，我们还对数据进行了一系列的异常值检测和剔除。通过分析数据的分布情况，我们识别出了一些异常值，这些异常值可能是由于数据输入错误或特殊情况导致。对于这些异常值，我们进行了详细的分析和判断，最终决定将其从数据集中剔除，以确保分析结果的准确性和可靠性。通过这些预处理方法，我们确保了后续分析工作的数据基础坚实可靠。

1.3数据清洗与整理

(1)数据清洗是确保数据分析质量的关键步骤之一。在清洗过程中，我们对数据集中的异常值进行了详细检查和修正。针对考生的联系方式等可能存在的错误信息，我们进行了核实和修正，确保了数据的准确性。同时，对于一些明显不符合常理的数据，如年龄异常、成绩异常等情况，我们进行了必要的调查和调整。

(2)为了提升数据的结构化程度，我们对原始数据进行了一系列的整理工作。这包括对考生信息的重新组织，将分散在不同字段中的信息整合为更易于分析的格式。例如，将考生姓名、性别、报考专业等基本信息整理为单独的表格，以便于后续的统计分析。

(3)在整理过程中，我们还对数据进行了必要的分类和分组。通过对考生来源、报考专业、初试成绩等变量的分类，我们能够更清晰地观察不同群体之间的差异。此外，我们还根据录取结果对考生进行了分组，以便于分析录取情况与考生特征之间的关系。通过对数据的细致整理，我们为后续的数据分析提供了良好的数据基础。

二、报考人数分析

2.1报考人数总体趋势

(1)从过去几年的数据来看，工程学院0811J2水下智能技术专业的报考人数呈现逐年上升的趋势。尤其是在近三年，报考人数的增长速度明显加快，这可能与该专业近年来在社会上的热度提升以及行业需求增加有关。

(2)具体分析，2019年的报考人数为150人，而到了2023年，报考人数已增长至250人，增长了约67%。这一增长趋势表明，越来越多的考生对水下智能技术专业产生了浓厚的兴趣，并希望能够通过这一专业深造。

(3)进一步分析，我们发现报考人数的增长并非偶然现象。在招生宣传、专业课程设置以及就业前景等方面，该专业都表现出色，吸引了众多考生。此外，随着我国对水下智能技术领域的投入不断增加，未来该专业的报考人数有望继续保持增长态势。这一趋势对学院的招生工作提出了更高的要求，同时也为学院的发展带来了新的机遇。

2.2各年份报考人数对比

(1)通过对各年份报考人数的对比分析，我们可以清晰地看到工程学院0811J2水下智能技术专业的报考热度。以2019年至2023年的数据为例，2019年报考人数为150人，而到了2020年，这一数字上升至180人，显示出一定的增长趋势。

(2)继续观察，2021年的报考人数进一步增至210人，相比2020年增长了18.33%。这一增长趋势在2022年得到延续，报考人数达到230人，较2021年增长了9.52%。然而，到了2023年，报考人数虽然仍有增长，但增速放缓，达到250人，较2022年增长9.09%。

(3)通过对历年报考人数的对比，我们可以发现，虽然报考人数总体呈上升趋势