第四章 数据可信度分级说明

4.1 为什么要专门写这一章

大部分升学指南不会写这一章。它们把所有数字用同样的语气讲出来，让你无法分辨哪一句是政策原文、哪一句是作者的猜测。

这很危险。因为在升学这件事上，用一个错误的数字做对的推理，比不做推理更糟糕。

回到那个例子：“2027 年浙江高考 42 万考生“听起来很具体、很权威。但官方从未发布任何 2027 年预测，2026 年官方口径是“40 万名浙江学子”。如果你基于“42 万“判断竞争强度，你会系统性地高估压力，进而做出过度保守的决策——这个错误的成本，最终会落在你女儿身上。

所以这一章的目的是：把我的底牌全部翻开，包括我不确定的地方。 我希望你读完这本书后，具备的不是“知道很多数据“，而是**“知道该怀疑哪些数据”**。

4.2 A / B / C / D 四级定义

本篇信息构成（⚠️ 作者粗略自评）： 【A】约 55%｜【B】约 10%｜【C】约 30%｜【D】0%｜⚠️ 作者推断约 5%。

4.3 ⚠️ 标注规则

必须标 ⚠️ 的六种情况：

1. 所有对未来的预测——2027 年的考生人数、分数线、录取位次、报名日期；
2. 所有由我推算的 2027 年日期——即使依据是 2026 年官方日期，推算结果本身就是预测；
3. 所有阶段判断——1.6 节“12 个通道处在哪个阶段“整表都是主观判断，无官方依据；
4. 所有降分幅度估计——如“三位一体一般降 10–30 分“，年份/学校/专业差异极大；
5. 所有【C】级数据中被我用于推理的部分；
6. 所有我的倾向性建议——如“某选考 85 分以上不要重考“，这是判断，不是普适规律。

⚠️ 的含义不是“这条可能是错的“，而是“这条你必须自己再确认一次“。

必须坦白的方法论局限

我用 2026 年的规则推测 2027 年，前提是“规则不变“——而这个前提每年都在被打破。 就在 2026 这一年里，至少七处重要变化：

一年之内七处变化。所以请把这本书当作“2026 年 8 月的一张快照“，而不是“2027 年的操作手册“。它的价值在框架和方法，不在具体数字。

4.4 各章节数据来源索引

只列决策级数据（错了会改变你选择的数据）。所有 2027 年日期均为⚠️推算。

第一章｜竞争格局与套利框架

第二章｜制度与折算规则

第三章｜时间轴

4.5 三条数据自查纪律

纪律一：任何决策级数字，回溯到官方原文。

“决策级“的定义：如果这个数字错了，你会做出不同的选择。

• “2027 年约 41 万考生”——不是决策级（41 万还是 42 万，你的行动不变）；
• “西湖大学要求选考含物化”——是决策级（错了，你可能浪费三个月准备一个没资格报的通道）；
• “首考 400 分是高水平三位一体门槛”——是决策级（它决定你 1 月的目标分和 2 月的策略）。

对决策级数字，唯一可接受的来源是：高校当年发布的官方简章原文，或省教育考试院当年发布的官方公告。 不是家长群截图，不是机构 PPT，不是这本书。

纪律二：追问每个数字的“年份“和“分母“。

分母陷阱比年份陷阱更隐蔽。同一个事实“浙江 2024 年 0.71 万人被 985 录取“：

• “985 录取率 1.8%”——分母 39.6 万（全部报名，含单独考试招生）
• “985 录取率 2.4%”——分母 29.75 万（普通类高考人数）

两个数字都“对“，但差了 33%。 而后者才是你女儿面对的真实比例——她参加普通类高考，不会和职教高考考生竞争 985 名额。

→ 每次看到一个百分比，问：“分母是谁？“这个习惯能帮你避开一半的统计误导。

纪律三：区分“制度性节点“和“年度性节点“。

一句话规则：涉及“什么时候考、怎么算分、能报几个“的制度性规则 → 可以用这本书。涉及“哪一天截止、招多少人、要什么条件“的年度性信息 → 必须查官网当年版本。

4.6 本章小结：我该怎么做？

① 建一个文件夹叫“2027 招生简章“。 每决定认真考虑一个通道，就去官网下载 PDF，命名“学校名_年份_简章.pdf“。

为什么下载而不是收藏网页？ 因为学校会更新页面、旧版本会消失。手上有 3 月的 PDF，你至少知道它变了。

② 对每份简章，只找五件事（不要通读，会累死）：

五个词，十分钟，一份简章的核心信息就拿到了。

③ 对这本书本身保持怀疑。 我把来源摊开，不是为了证明我可靠，而是为了让你有能力检验我。

框架和方法不会过期。数字会。

④ 不要把这本书当权威，要把它当同伴。

我不比你更了解你的女儿。我不知道她在陌生人面前会不会紧张，不知道她数学的天花板在哪里，不知道她真正喜欢什么。

我能给你的是地图和工具。路要你们自己走。

如果这本书里有任何一句话让你觉得“这不适合我女儿“——请相信你的判断，不要相信我的。 你比我掌握着这个世界上最关键的那份数据：她这个人。