ChooseWiki 高考志愿专业适配度评测分析引擎（以下简称"引擎"）是一个基于多维度心理测量理论与大数据分析的智能评测系统。引擎通过能力评估、兴趣匹配、人格画像、职业价值观四个核心维度，结合中国高等教育专业体系特点，为考生提供个性化的大学专业适配度评估。
核心理念： 从"未来职业发展"反向推导"当前专业选择"。不是简单地问"你喜欢什么"，而是系统地评估"你适合什么"以及"什么职业路径适合你"。
引擎核心采用霍兰德（John L. Holland）职业兴趣六边形模型，将人的职业兴趣分为六种基本类型：
| 类型 | 代码 | 核心特质 | 典型专业方向 |
|---|---|---|---|
| 现实型 | R | 动手操作、具体任务、工具使用 | 机械、土木、电气、体育 |
| 研究型 | I | 观察分析、逻辑推理、知识探索 | 数学、物理、计算机、医学 |
| 艺术型 | A | 创意表达、审美追求、自我展现 | 设计、文学、传媒、艺术 |
| 社会型 | S | 助人合作、沟通引导、人文关怀 | 教育、心理、法律、护理 |
| 企业型 | E | 领导组织、说服影响、目标驱动 | 金融、管理、营销、政务 |
| 常规型 | C | 条理规范、细节执行、数据整理 | 会计、审计、行政、统计 |
引擎采用MBTI四维度性格评估框架，从以下四个维度评估用户的性格偏好：
引擎将人的核心能力抽象为8个维度，每个维度按1-5分评估：
| 能力维度 | 定义 | 相关题型 |
|---|---|---|
| 逻辑推理力 | 从已知信息推导未知结论的能力 | 数列推理、逻辑推理、类比推理 |
| 空间想象力 | 在脑海中对空间形态进行操作和变换的能力 | 空间想象、空间认知 |
| 数字敏感度 | 对数字信息的感知和运算能力 | 数字敏感、数列推理、数据洞察 |
| 语言理解力 | 对语言文字的理解、分析和表达能力 | 语言理解、知识理解 |
| 记忆力 | 信息编码、存储和提取的能力 | 记忆力、知识理解 |
| 观察细致度 | 对细节的感知和辨识能力 | 观察力、情境判断 |
| 抽象建模力 | 将复杂问题抽象为模型的能力 | 抽象建模、数据洞察 |
| 创新发散力 | 产生新颖想法和解决方案的能力 | 创新思维、偏好选择 |
引擎内置涵盖中国高等教育全部本科专业的全量数据库，共计 1,354个专业，每个专业包含35个维度的标签数据：
引擎包含 27个学科方向 × 500题 = 13,500题 的智能题库体系，每道题包含三层标签：
引擎内置 36个典型职业 到大学专业的映射关系，每个职业关联3-5个对应本科专业，覆盖中国就业市场的主要方向。
用户画像输入 → 提取标签向量 → 匹配题库 → 难度分层(简单30%/中等50%/困难20%) → 题型均衡(12种轮转) → 职业加权(霍兰德匹配+30%) → 排序输出
引擎根据用户实时答题准确率动态调整后续题目难度：
| 当前准确率 | 简单 | 中等 | 困难 |
|---|---|---|---|
| < 30%（困难） | 50% | 35% | 15% |
| 30%-50%（偏弱） | 35% | 45% | 20% |
| 50%-70%（平均） | 25% | 50% | 25% |
| 70%-85%（良好） | 15% | 45% | 40% |
| > 85%（优秀） | 10% | 35% | 55% |
综合适配度 = 8维实测能力匹配 × 0.50
+ 霍兰德职业兴趣匹配 × 0.20
+ 职业价值观匹配 × 0.15
+ MBTI性格适配 × 0.15
每道题根据难度加权计分，按题型分组计算得分率，并与常模数据对比得出百分位排名。
每个专业类都有六维霍兰德需求向量（如计算机类：R=4, I=5, A=2, S=2, E=3, C=3）。用户实际作答的职业兴趣题（60题，RIASEC各10题）生成用户六边形，与每个专业类的需求向量进行余弦相似度计算。
职业匹配度 = 霍兰德主代码匹配(50分)
+ 霍兰德次代码匹配(20分)
+ MBTI类型匹配(20分)
+ 学科方向交集(10分)
本引擎生成的个人评测数据和专业全量分析表完全开放。用户可以：
开放理念： ChooseWiki 坚信，高考志愿填报的核心价值不在于"独家数据"，而在于数据与个人之间的连接算法。将底层数据完全开放，可以让更多考生以零成本获得有价值的自我认知，这是我们践行"让每一个考生都用得起"理念的具体行动。
ChooseWiki 评测分析引擎采用四层架构设计，从用户输入到最终推荐输出，形成完整的数据链路：
┌────────────────────────────────────────────────────────┐
│ 👤 用户输入层（8步画像） │
│ Step1-2: 基础信息·学习定位 │
│ Step3-4: 性格倾向·兴趣特长 │
│ Step5: 未来规划·价值观初选 │
│ Step7⭐: 职业价值观（13维度·26题） │
│ Step8⭐: 认知风格（4维度·6题） │
└──────────────────┬─────────────────────────────────────┘
│ 标签提取
▼
┌────────────────────────────────────────────────────────┐
│ 🧠 评测引擎层（智能调度） │
│ 综合评测: 50题（8维能力+12题型+20%职业混合） │
│ 学科评测: 40题（方向知识+15%职业混合） │
│ 调度算法: 画像匹配→难度分层→题型均衡→职业加权 │
└──────────────────┬─────────────────────────────────────┘
│ 评分计算
▼
┌────────────────────────────────────────────────────────┐
│ 📊 评分分析层（5维综合评分） │
│ 8维能力(40%) + 霍兰德RIASEC(20%) + MBTI(10%) │
│ + 职业价值观(15%)⭐ + 认知风格(15%)⭐ │
│ 常模对照 · 百分位排名 · 适配度计算 │
└──────────────────┬─────────────────────────────────────┘
│ 标签匹配
▼
┌────────────────────────────────────────────────────────┐
│ 🎯 输出层（双重推荐） │
│ 专业推荐: Top10适配专业·冲刺/稳妥/保底 │
│ 职业推荐: Top5职业方向·专业路径映射 │
│ 全量分析表: 1354专业×35维度 │
│ + 白皮书方法论 = 可自行用AI复现 │
└────────────────────────────────────────────────────────┘
用户完成8步画像后，系统自动提取以下标签向量：
所有标签与专业全量分析表中的对应维度进行匹配计算，最终输出适配度排序。
适配度 = 8维能力匹配 × 0.40
+ 霍兰德兴趣匹配 × 0.20
+ MBTI性格适配 × 0.10
+ 职业价值观匹配 × 0.15
+ 认知风格适配 × 0.15
| 版本 | 日期 | 更新内容 |
|---|---|---|
| 1.0 | 2026-06-23 | 初始版本发布 |
© 2026 ChooseWiki（选择学习法） | cn.choose.wiki | gaokao.choose.wiki