在籍生徒の9割が東京と神奈川の学校
塾による偏差値の差
他のスレで、偏差値のことが話題になっていますので便乗させてください。
Nに通う5年生の娘がいます。
2月からの通塾で、今いろいろな学校をまわって情報を集めている段階です。
説明会等に参加する際の参考にR4表なども見ていますが、
四谷大塚の80%の表とR4表では学校によってかなり差があるようです。
もちろん母集団が違うので、偏差値が違うのは当然と言うことは知っていますが、
例えば2005年2月1日、結果偏差値で、
桜蔭 女子学院 ふた葉 早稲田実業 共立女子 桐蔭学園
日能研 67 65 64 62 55 44
四谷大塚 70 68 66 66 51 39
この例に挙げたように、だいたいの学校では四谷大塚の偏差値の方が、
日能研偏差値より2〜4ポイント高め・・・と見ていたところ、
共立女子、桐蔭学園のように、
ぽつんぽつんと逆転している学校があるのに気付きました。
これはどのように理解したらよいのでしょうか。
1.カリキュラムの違いにより、学校によって強い弱いがある。
2.地域によっては、受験者数が少ないのでデータの信頼性が低い。
3.受験層ボリューム位置の違いで、ある偏差値以下の出方が変わる。
等々無い知恵を絞ってみましたが、よくわかりません。
志望校を決定するに当たり、偏差値は大きなウェイトを占めると思うのですが、
(偏差値だけで決めるというのではなく)
こういう塾による差異を、皆さんはどのように考えておられますか。
ご存じのことがありましたらお教えください。
私も前からちょっと気になっていました。
早い話、女子の上位層(桜蔭や女子学院クラスの志望者層)をとってみると、
Nの模試ではYの模試よりも3ポイントほど低いレベルで80%圏に入るのでしょうか。
見方を変えれば、Nの上位層の女子がYの模試を受験すれば、3ポイントほど高い偏差値がとれるんでしょうか。
逆にYで偏差値70の女子でも、Nではそう簡単に70がとれないということなのでしょうか。
また別の言い方をすれば、女子の上位層の学力レベルはN>Yなのでしょうか。
母集団の違い、出題傾向の違いに加えて、
簡単に言えば、Yは「実測」、Nでは「予測」であると聞いたことがあります。
詳細はわからないのでゴメンナサイですが、
Yでは、模試から得られるデータをそのまま表示するのに対して(実測)、
Nでは、模試で得たデータに、これまでのさまざまな分析を加味している(予測)、
と、その話を聞いた時には解釈していたのですが……。
詳しい方が居られるといいですね。
受験者に対する合格実績で予想しているので
受験者のレベルがどの学力に分布しているかで決まる。
優秀な生徒ばかりが受験すれば80%偏差も上がり
チャレンジばかりが受ければ80%偏差も下がります。
日能研では共立女子・桐蔭学園を滑り止めで多く受験し
四谷大塚はチャレンジで多く受験している可能性が高い。
日能研から共立女子・桐蔭学園へ進学する学生は少数と考えられ
学力が正規分布していると考えれば、日能研の偏差値が
四谷大塚の偏差値に達していれば80%以上の可能性があります。
要するに、受験者はランダムに学校を選択しないため
合格実績によって予想偏差値が変動してしまいます。
合格実績ではなく、入学実績で判定を行えば良いのですが
実際の入学者では母集団が少なすぎて、まともな統計は困難でしょう。
結論としては、第一志望受験者の多い塾のデータが
一番信頼できる偏差値となりますので
第一志望の多い塾の公開模試を受けることを進めます。
<注意>
これは、数学的な見解であり、学力が正規分布でなければ
当てはまりません。
> 母集団の違い、出題傾向の違いに加えて、
> 簡単に言えば、Yは「実測」、Nでは「予測」であると聞いたことがあります。
こちらの定番サイト「偏差値表の癖」をご覧下さい。
http://www5f.biglobe.ne.jp/~kunkun_m/
他に、Yはデータをすべて公開し公正に偏差値決めするのに対し、Nは営業面からのエコヒイキが強いというのが受験界の常識です。Nの言いなりの学校は高く出し、馴れ合いを拒否するような骨のある学校は不当に低く出します。
> 母集団の違い、出題傾向の違いに加えて、
> 簡単に言えば、Yは「実測」、Nでは「予測」であると聞いたことがあります。
こちらの定番サイト「偏差値表の癖」をご覧下さい。
http://www5f.biglobe.ne.jp/~kunkun_m/
他に、Yはデータをすべて公開し公正に偏差値決めするのに対し、Nは営業面からのエコヒイキが強いという話が根強いです。イベントや日程でNの言うこと聞く学校は高く出ますが、裏取引を拒否するような骨のある学校は不当に低く出ます。




































