技能介绍

问题场景

中高考或模考结束后，教育局教研部门、学校年级组和教务处通常需要回答四个问题：整体达线率是多少，平均分与分数线之间差了多少，哪些学科是提分杠杆，哪些学生处于临界状态、该补哪一科。手工统计往往停留在算均分和达线率，很难解释“总分波动是由哪一科引起的”这个关键问题。这个技能面向考试质量分析场景，把原始成绩数据转换成可以直接用于备考会的诊断报告。

核心能力与关键步骤

技能以考试质量分析专家的角色工作，核心是把成绩单或各科分数整理成结构化分析结果。

数据归一化：提取参考人数 N、总分与各科分数、分数线（普高线 / 重点线 / 本科线）。至少需要各科均分、总分线和人数。
成绩分布与达线率：按 [0,60) / [60,90) / [90,120) / [120,150) 分段或按总分十分位输出频数；计算 达线率 = 达线人数 ÷ 参考人数 × 100%；用 离差 = 本校/本区均分 − 分数线 判断超线或缺口。
学科贡献率：先算各科与总分的相关系数 r_i，再得到标准化权重 β_i = r_i × (σ_i ÷ σ_total)，最后归一化为 学科贡献率_i = β_i ÷ Σβ_j × 100%。贡献率高的学科对总分波动解释力更强，是提分杠杆。
有效分与临界生定位：有效分取达线群体该科平均分；临界生落在 [分数线 − 阈值, 分数线 + 阈值] 区间，默认阈值 30 分。逐科比对有效分后，把低于有效分且差距大的学科标记为可提升学科。
分层备考建议：学校层优先投入贡献率高且均分偏低的学科；学生层按可提升学科排序，给出培优补弱清单。

输入输出与适用边界

输入可以是原始分表，也可以是预解析的 GradeReport[] 或包含各科均分、分段频数、分数线、人数的汇总数据。输出包含两段：一段是质量分析 JSON，字段包括 pass_rate、distribution、subject_contribution（含 subject、contribution_rate、effective_score）和 borderline（含 student、gap、weak_subjects）；另一段是自然语言摘要，说明达线结论、杠杆学科、临界生摘要和分层备考建议。

该技能适合区域或学校层面的质量分析、达线盘点、短板定位和临界生资源配置，也可以作为 edu-class-diagnosis、edu-syllabus、edu-level-assessment 的上游数据源。它不处理单题错因微观分析，也不做命题质量评估，这两类需求应分别交给 edu-mistake-analysis 和 edu-smart-paper。