155 lines
6.1 KiB
Markdown
155 lines
6.1 KiB
Markdown
# MAJOR_DATA_SOURCE_OF_TRUTH
|
||
|
||
最后更新: 2026-06-18
|
||
真相源: 本文件是"专业目录"维度的入口索引。
|
||
审计上下文: `docs/PROJECT_PLANNING_REALIGNMENT_2026-06-16.md` §2.3-2.4
|
||
设计上下文: `docs/DESIGN_RULES_TRUSTED_CLI_2026-06-16.md` §4
|
||
执行上下文: `docs/ACTIVE_EXECUTION_BOARD_2026-06-17.md` §1.2-§1.4
|
||
|
||
---
|
||
|
||
## 1. 范围
|
||
|
||
本文件收敛以下两类信息:
|
||
|
||
- 教育部本科专业目录(国家级)
|
||
- 高校招生专业目录(校级)
|
||
|
||
---
|
||
|
||
## 2. 当前真相源路径
|
||
|
||
| 类别 | 路径 | 格式 | 写入方式 |
|
||
| --------------- | ------------------------------------------------------- | -------- | ------------------------- |
|
||
| 国家级专业目录 | `data/majors_catalog/national/<year>.json` | JSON | 半自动抓取 + 人工校对 |
|
||
| 国家级当前 | `data/majors_catalog/national/latest.json` | JSON | 当前先用同内容副本锁定 |
|
||
| 校级招生专业 | `data/majors_catalog/schools/<year>/<school_code>.json` | JSON | 人工为主,来源高校招生章程 |
|
||
| 元数据 | `data/majors_catalog/METADATA.md` | Markdown | 人工维护 |
|
||
| 已撤销/新设清单 | `data/majors_catalog/changes/2024-2026.md` | Markdown | 人工维护 |
|
||
|
||
### 2.1 当前已落地范围（2026-06-18）
|
||
|
||
执行 Phase 2 Batch 1/2/3 后，`P2-3` 已形成当前最小可信闭环：
|
||
|
||
- 已落地 `data/majors_catalog/` 包与 national loader/CLI（Batch 1）
|
||
- 已落地 `national/2024.json` + `national/latest.json`（13 个 curated subset, `coverage_mode=mvp_subset`）（Batch 1）
|
||
- 已新增 `schools/2026/10001.json` 校级招生目录样本，并显式带 `version` / `national_major_code` / `mapping_status`（Batch 2 + P2-3）
|
||
- 已新增 `changes/2024-2026.md`，作为版本化更新策略与风险标签解释入口（P2-3）
|
||
- loader / CLI 已显式暴露 `risk_tags`、`version_strategy`、`mapped_offering_count`、`unmapped_offering_count`（P2-3）
|
||
- 已落地 `major_validation` 接入 `audit_engine`（Batch 3）
|
||
- 已新增 CLI 子命令：
|
||
- `gaokao-cli majors {status,lookup,verify,changes}`（Batch 1）
|
||
- `gaokao-cli majors {school-status,school-verify --year}`（Batch 2）
|
||
- `gaokao-cli audit run --province --plan --truth-root --catalog-root --json` 命中 `MAJORS.not_found` / `MAJORS.non_active`（Batch 3）
|
||
- `school-verify` 当前会把“仅隐式 code 命中、未显式声明 `national_major_code`”视为映射缺口，而不是默许通过（P2-3）
|
||
|
||
### 2.2 尚未落地
|
||
|
||
- 更多学校 `schools/<year>/` 批量目录（仅 1 所样本）
|
||
- 国家层第二批扩面（>13 个专业）
|
||
- 国家层 2026 版（当前是 2024 版快照）
|
||
|
||
---
|
||
|
||
## 3. 两层数据模型
|
||
|
||
### 3.1 国家级(NationalMajor)
|
||
|
||
```python
|
||
NationalMajor:
|
||
code: str # 教育部专业代码, e.g. "120201K"
|
||
name: str # 官方名称, e.g. "工商管理"
|
||
discipline: str # 学科门类
|
||
category: str # 专业类
|
||
degree: str # 授予学位
|
||
is_directional: bool # 国家控制布点专业
|
||
status: "active" | "renamed" | "merged" | "deprecated"
|
||
year_added: int
|
||
year_removed: int | None
|
||
notes: str | None
|
||
source_url: str
|
||
last_verified_at: str # ISO 日期
|
||
risk_tags: list[str] # e.g. non_active / removed_in_last_2y
|
||
```
|
||
|
||
### 3.2 校级(SchoolMajorOffering)
|
||
|
||
```python
|
||
SchoolMajorOffering:
|
||
school_code: str
|
||
school_name: str
|
||
major_code: str
|
||
major_name: str
|
||
national_major_code: str | None
|
||
admission_year: int
|
||
province: str
|
||
duration_years: int
|
||
tuition_cny: int | None
|
||
study_mode: str
|
||
is_new: bool
|
||
is_discontinued: bool
|
||
mapping_status: "exact" | "mapped_alias" | "implicit_code_match" | "unmapped"
|
||
risk_tags: list[str] # e.g. missing_explicit_mapping / school_new_in_last_2y
|
||
source: str
|
||
last_verified_at: str # ISO 日期
|
||
```
|
||
|
||
> **当前落地情况**：校级目录仍只有 `schools/2026/10001.json` 1 所样本，但该样本已满足版本化与映射显式化契约。
|
||
|
||
### 3.3 版本化更新与映射策略
|
||
|
||
- 国家目录必须同时维护 `national/<year>.json` 与 `national/latest.json`
|
||
- 校级目录必须使用 `schools/<year>/<school_code>.json`，且每个文件显式带 `version`
|
||
- 跨年变更统一登记到 `changes/2024-2026.md`
|
||
- 校级专业必须显式声明 `national_major_code`；仅靠 `major_code` 隐式命中不算“可信映射”
|
||
- `majors verify` / `majors school-verify` 必须输出 `version_strategy`，不能把版本策略只留在文档中
|
||
|
||
---
|
||
|
||
## 4. 接入策略
|
||
|
||
### 4.1 国家级
|
||
|
||
- **首选源**: 教育部 2024 年《普通高等学校本科专业目录》
|
||
- **兜底源**: 阳光高考/学位中心
|
||
- **抓取方式**: 不自动爬取,使用人工收录 + 摘录
|
||
- **校验**: `python3 scripts/gaokao-cli majors verify --json`
|
||
|
||
### 4.2 校级
|
||
|
||
- **首选源**: 各高校 2025/2026 招生章程
|
||
- **覆盖范围**: 首批 5-10 所重点高校
|
||
- **接入节奏**: 每所高校每年一次,5 月前完成
|
||
- **校验**: `python3 scripts/gaokao-cli majors school-verify --year <year> --json`
|
||
- **映射要求**: 每条 `offering` 必须显式带 `national_major_code` 与可解释的 `mapping_status`
|
||
|
||
---
|
||
|
||
## 5. 审计引擎集成
|
||
|
||
`AuditEngine.audit_plan` 新增 `major_validation` 一步：
|
||
|
||
- 命中 `MAJORS.not_found`（专业未在国家级目录中找到）
|
||
- 命中 `MAJORS.non_active`（专业已撤销/合并/改名）
|
||
|
||
详细见 `tests/test_audit_engine_major_validation_phase2.py`。
|
||
|
||
---
|
||
|
||
## 6. 下一阶段（当前最小可信闭环后的扩面清单）
|
||
|
||
> 已在 Batch 1/2/3 中**完成**的事项不再列入"必须收口"清单。
|
||
|
||
- 国家层扩面（>13 个专业）— **Batch 4 候选**
|
||
- 校级扩面（>1 所学校）— **Batch 4 候选**
|
||
- 国家层 2026 版快照（当前为 2024 版）— **Batch 4 候选**
|
||
|
||
---
|
||
|
||
## 7. 风险
|
||
|
||
- 国家级目录与校级目录语义混淆
|
||
- 教育部新设专业不进入旧目录(2024 之后新设)
|
||
- 跨年招生章程口径不一致
|
||
- 当前 13 个 curated subset 不应被误读为完整教育部目录
|