高一高二学生该如何准备自主招生

谈谈我的认识。

首先，要努力学习，保证自己有优异的成绩，确保能够达到本一线，这是最基础的要求。

其次，根据自己的爱好特长，将来发展规划，确定参加相关比赛，比如五大学科奥赛，科技创新发明，论文等，确保取得相关证书，一般在省二以上最好。

最后，了解2-3所目标学校，目标专业，熟悉近几年学校自主招生要求，报考流程等。找专业机构，专业老师辅导，效果会更好。

高一就要开始准备。

第1步：选择院校做好“自我考察”

如何来选择目标高校?在2019自主招生简章即将发布前，早已成为老师、学生与家长较关注的问题。为了解决大家的疑问，我们从定位考虑因素、定位步骤、定位策略和定位注意事项4个方面来详细说明，便于大家选择适合适的院校及专业。

定位考虑因素

每年在自主招生报名之际，最令家长和考生头疼的就是，如何来合理的来进行院校选择。院校选择之所以难，主要是因为要综合考虑多方面的因素，主要集中在以下几个方面：

1、考生成绩/院校往年分数线

2、获得奖项

3、高校招生条件

4、高校限报情况

4、高校优惠政策

5、考生兴趣特长

定位步骤

定位自主招生院校需要考虑的因素众多，那么到底该如何来操作?以上因素应该哪些先考虑，哪些因素可以后考虑?

第一，确定自身成绩及高校往年录取分数线

考生成绩主要看高三阶段成绩平均成绩，对比查看本分数段本校考生往年的毕业走向，在此期间，明确高校往年在本省市的录取分数线及录取排名。在此基础上，进行第一轮院校筛选。

第二，明确考生的兴趣爱好

了解考生特长及未来想要就业的方向，确定第一轮筛选院校地址及优势专业。结合考生兴趣及未来就业方向进行第二轮的筛选。

第三，明确目标高校往年的招生条件

因高校招生简章暂时未出，建议重点参考高校往年招生条件做适当调整。在符合招生条件的基础上做第三轮的筛选，在此需要重点注意的是，高校招生条件每年或许有微调整，具体以当年公布的招生简章为准。

第四，明确高校限报及优惠政策

在尽量符合招生条件的情况，结合目标院校限报情况及优惠政策，最后确定3—5所目标高校，在2019年自主招生简章发布后，大家就需要重点关注自己前期定位院校的招生情况。

定位策略

在实际的备考过程中，我们一般建议考生采取“冲稳”结合的策略会推荐考生两类目标院校，一类是要比考生平时学习水平要高一些的院校，一类是跟平时学习水平相当的院校。而不能选择高考成绩要求太高的院校。

选择比水平要高的院校的优点：是可以最大程度地用足考生的“裸考”实力，考分一点都不浪费，有机会上更好的、更满意院校，在考生不特意挑选专业条件下是一个特优的选择方案。缺点是考生可能不能进入自己理想的专业，存在专业调剂的风险。

选择跟水平相当院校的优点：是比前一种成功的把握要大得多，当然可以说风险也小得多。最大的好处就是争取第一专业的机会大大增加。缺点是很可能会比录取分数线多富余几分，似乎有点“浪费”。特别是在考生超常发挥的情况下更会感觉如此。

定位需要注意事项

需要注意的是考生在院校选择前，一定要参考前一年的该校的自主招生报考条件，综合评估自身的条件，未免无法达到初审要求。

1、自己获得奖项是否能达到高校要求

在每年高考自主招生报名之际，有很多人都搞不清楚自己的奖项类型或者是奖项等级是否符合院校要求，建议大家，在报考前，一定要确认自己的奖项等级。

2、自己所获得奖项高校是否认可

很多考生奖项符合了高校招生条件，但是不确定高校是否认可，例如：高校招收发表过省级或者是国家级刊物论文的考生，考生发表过论文，但是不确定高校是否认可自己所发表的论文类型。此种情况，建议在报考前咨询高校招生办或者尽量选择与论文发表相关的专业。

1、打好基础。

自招用到的思想、方法和知识，大部分也都在高考的范围之内，甚至有些自招题出现在高考中都不意外。准备高考和准备自主招生应该是相辅相成，并行不悖的。

2、适当拓展。

自招的风格与难度，和典型的高考迥异，同时自招还会考高考范围边缘处的知识。既无接触竞赛，又未准备自招的“裸考”同学有极大概率"打酱油"。养成“多思考，多联系，多总结”的习惯会对同学们有所帮助。

3、多做真题。

在趋于稳定的风格、难度、考点的考试中，将往年的真题吃透是大有裨益的。同学们做真题的范围包括自主招生真题、近3-5年的全国卷，如果还学有余力的同学，可以做一些竞赛联赛题。

自招考试的核心目标在于对顶尖学生进行区分，所以考试难度必定难于高考，且有一定区分度。同时，自主招生是高考的辅助，不能也不应该成为学生额外的负担，所以自主招生考试内容一定是高考内容的自然延伸。

根据多年的经验来看，高校自主招生面试问题离不开下面9点：

一、考察个人基本情况

二、考察对报考高校的认识

三、考察基础知识

四、考察基本能力

五、考察思维发散能力

六、考察创新精神

七、考察对时政及社会热点的关注

八、考察生活中的常识

九、考察道德判断和情感价值观

首先是硬性材料的准备，比如获奖证书等;其次是成绩单的盖章等等，可以说，自招初审材料的准备很多都是由家长代替学生来完成的。

报名表

考生网上报名后系统会生成报名表，打印出来后由本人签字并且由学校审核并盖章。

身份证明文件的复印件

学生本人的身份证及学生证复印件。

需要学校提供的材料

学业水平的考试成绩、社会公益活动的情况、成绩单以及其他反映学生综合素质发展情况的材料等等，这些材料都需要加盖学校的公章。

各种获奖证书复印件

高中时期参加的竞赛、比赛及各种活动奖项的复印件，这些文件同样需要由学校进行审核并加盖学校公章。

发表过得论文、专利相关复印件

若发表过论文或专利，如有原件，需要提供出版物原件，没有原件可以提供如录用通知等重要信息证明。

自荐信

现在绝大部分学校都要求学生写自荐信。

谈到大数据，一定会提到三个小案例：第一个例子是某个未婚少女怀孕了，甚至她老爸也不知道这件事儿，但是商家却打过来问需不需要买孕妇用品。第二个是经典的“啤酒和尿布”的例子，这个例子比较早，讲的是基于关联规则分析来预测超市里面顾客购买行为规律。第三个是近年来才吵吵的比较火热的例子，是谷歌通过搜索引擎里面的关键词检索日志的时间序列数据成功预测了流感爆发的时间和规模。第一个例子背后是基于精准营销，是大数据针对个人级别的应用，第二个例子能够有效预测零售商需求，属于企业级别应用，而第三个例子则是地区级别和国家级别的应用。由此可看出，当大数据真正走进生活、走进社会，其施展能量的力度越来越大，越来越强。最后，大数据这个概念就被吹的神乎其神了。

当我们听到这些大数据的应用案例时，会很自然地去质疑这些案例的可靠性。心中不免默念，这玩意儿的确有如此靠谱么？而其中最让人感觉不靠谱的，无疑是第三个，Google预测流感这件事儿。2009年2月19日，Nature上面有一篇文章，“Detecting influenza epidemics using search engine query data”（感兴趣的朋友可以关注以下），论述了Google基于用户的搜索日志（其中包括，搜索关键词、用户搜索频率以及用户IP地址等信息）的汇总信息，成功“预测”了流感病人的就诊人数。

那么，Google为什么要干这件事儿呢？美国有个很牛的部门叫CDC，也就是疾控中心，这个部门统计美国本土各个地区的疾病就诊人数然后汇总，最后公布出来。但是呢，这个公布的数据的结果一般要延迟两周左右，也就是说当天的流感的全国就诊人数，要在两周之后才知道，Google呢就利用他的搜索引擎搭建了一个预测平台，把这个数据提前公布出来。所以说，Google做的工作并不是实际意义上的预测什么时候流感来，而是将CDC已经获得但是没及时公布的数据提前给猜出来，然后公布出来。当然，CDC为什么不及时公布数据，人家官方总是有自己的一堆理由的，我等草民不得而知，但是有一点是重要的，就是“越及时的数据，价值越高”，数据是有价值属性的。所以，Google的工作无论在公共管理领域还是商业领域都具有重大的意义。

Google的研究结果公布出来以后，大众对于这个研究案例的好评和差评都有不少，总之，引起了社会的热议，这个例子从而也成了经典的案例。那么社会为什么会对这个例子予以如此重要的关注呢？其原因就在于，如果在这个案例上成功了，Google就真正证明了大数据是“万能的”这件事，从而彻底颠覆社会对于大数据的看法。

首先，Google在这个研究中对于数据的处理只用了很简单的Logistic回归关系，稍微有点儿高中数学基础的朋友很快就可以理解应用，但是却成功地预测了复杂的流感规模的问题。Google用了简单的方法，预测复杂的问题。这件事为什么能成？根本就在于，Google的数据量大。这就是Google对于大数据的价值观。而大就是一切！Google有着世界上最大的搜索引擎，全世界每个用户的搜索行为都给存在Google的数据库里，Google想，我有这么多数据，不是想知道啥就知道啥。于是Google就做了这个伟大的事儿！

回过头来看三个经典的案例，从系统的角度上来看，一个人是一个小系统，一家超市是一个中等规模的系统，而一个国家一个地区则是一个超大的社会系统。如果要对一件事进行预测和分析，数据分析师要做两件事，一、构造理论模型；二、获取实证数据来拟合构造模型。对于小型简单系统，构造理论模型是可行的，而对于大规模的复杂系统，模型的构造则十分艰难（这也正是社会学家们每天忙碌研究的课题，也正是为什么社会革命家和思想家是如此的伟大，像马克思等等…）。大数据的观点之一认为，海量的数据可以弥补模型的不足，如果数据足够大，理论模型甚至根本就不需要。这种观点目前仍然处于争论中，搞理论的和搞实证（强调数据和统计方法）的专家们对此的口舌之战从没有停歇过。但无论如何，Google对于流感预测的研究无疑站在了支持大数据的一方，如果Google的案例是成功的，那么或许，拥有海量数据就真的意味着可以解决任意复杂的问题，大数据解决大问题！

上面的论述讲了半天Google案例的重要性，所以接下来，业界就把所有的目光凝聚在了Google预测的结果上。截止到Nature上面那篇Paper发表出来的时候，Google的预测还是准确的，不过到后来就发生了很大的偏差，偏差最大甚至高出了标准值（CDC公布的结果）将近一倍。

开始理论学家们是沮丧的，看到Google仗着自己庞大的数据库，在医疗监控这种复杂问题的预测分析过程中为所欲为，觉得自己马上就要下岗。然而时间到了2012年中旬的时候，他们就乐了，发现Google也不过如此，自己还是有价值的，实际上情况也确实如此。Google预测的失败也确实是过度地依赖于数据，导致很多被忽略了的因素对预测的结果产生了很大的影响。对客观世界进行预测需要模型，模型首先来自于理论构造，其次需要数据对模型进行训练对模型进行优化完善。大数据观点强调模型对数据训练的依赖，而尽可能地忽略理论构造这一部分的意义，这就有可能带来隐患。

从更加批判的角度来看，理论模型当中的确有一部分因素可以用数据量的规模来弥补，而仍然有一部分是不可弥补的。可弥补的部分因素，往往在数据量比较大的时候，被均匀的数据分布内部平滑抵消掉了，从整体上不会对最终的结果产生显著影响；而不可弥补的部分，往往和系统背后的结构性因素有关，这些因素不仅不会随着数据规模的增加而被消除，反而会由于系统的规模效应逐级放大最终产生背道而驰的结论。那么当数据分析专家需要对复杂的社会系统进行分析时，就一定要严谨地考虑对数据的依赖程度。因此，Google的案例既是一个很好的大数据的应用，同时其也为大数据在未来的发展道路上起到了很好的指示灯的作用。最后还是那句调侃的话：”Big Data is like teenage sex. Everyone talks about it, nobodyreally knows how to do it, everyone thinks everyone else is doing it, soeveryone else claims they are doing it too”。

你又是对大数据怎么理解的呢？

＇圆锥曲线难。

 高中数学选修一的圆锥曲线之所以难学,往往是之前有关联的内容没有理解到位,,需要从根源入手。 

2.而根实际上是在三角恒等变换、平面向量以及解三角形这块,内容表面上看好像简单,掌握的也确实比其它部分好一些。 

i3.也因为如此,我们往往容易忽略这块的重要性,这块内容实际上是起一个承上启下的作用,往前是函数性质应用的一个体现,函数的单调性、奇偶性、对称性和周期性都可以在三角函数上完美体现,而以前所学的函数基本上只是涉及一到两个性质,四个性质用到一个函数上,属于第一次,学习函数的性质从一定程度上是为了学习三角函数准备的。

4.解三角形(解直角三角形和余弦定理)在立体几何里应用也很广泛,三角函数在直角三角形中的定义和向量的数量积和夹角还用于空间距离公式的推导。 

现在的非全日制研究生，已经不像我们以前所认为的比较水了

他们现在的全日制和非全日制都需要参加统一的考试，两种都有名额限制，但是非全日制的名额会多一些，有些学校，如果你的分数不够(当然也是超过他们的基准线的)，他会让你选择，要么没考上，要么就上他们的非全日制。

但是整体而言，非全日制的学历在社会上的认可程度不是很高，但是随着时代的发展，越来越规范操作的话，可能会两者之间没有什么区别。

《高一高二学生该如何准备自主招生》由：互联网用户整理提供；
链接地址：/show/341503.html
转载请保留,谢谢!

• 上一篇：近几年你家乡农村的种植结构有什么变化 论
• 下一篇：从哪搜索毕业论文