算法說明
這個站的數字怎麼來、推估準不準、地圖位置怎麼比對，全部寫在這裡。
資料來源
- 學生數、班級數、教師數：教育部統計處「國民小學校別資料」「國民中學校別資料」「高級中等學校校別資料（含進修部）」「高級中等學校科別資料」（彙總成各年級）「大專院校校別學生數」，逐學年度公開。
- 地址、電話、網站：教育部統計處「國民小學名錄」「國民中學名錄」「一般高級中等學校名錄」「大專校院名錄」。
- 全國各年齡在學人數：教育部統計處「年齡別學生人數」，用來推估國小新生。
- 地圖位置：OpenStreetMap 貢獻者（ODbL 授權）。
- 全部依政府資料開放授權條款第 1 版使用，教育部每學年更新一次，本站隨之重新產生。
未來人數怎麼推估（世代銜接）
現有學生：現在 1 年級的學生明年是 2 年級，以此類推，所以未來幾年在校人數的大部分「已經知道」。全國各年級升級的保留比長年是 1.000，沒有明顯流失。
新生人數：這才是要推估的，而且不是假設趨勢，而是看「下一屆已經在學的人」。
- 國小一年級：明年的新生看現在 5 歲的在學人數，後年看 4 歲，各乘上歷史上「某年齡的人數隔幾年變成一年級人數」的中位數比例。第 3 年起延續全國一年級近 3 年的年均變化。3 歲的就讀率這幾年一直在變，回測證明用了反而更差，所以不用。
- 國中七年級：明年的新生就是現在的國小六年級，後年是五年級，以此類推，六年內幾乎都是已知的，同樣乘上歷史銜接比。
- 高中職一年級：明年的新生就是現在的國中九年級，後年是八年級，再後年是七年級，第 4 到 6 年是國小六、五、四年級，同樣乘上歷史銜接比，六年內都是已知的。
- 大專：學制長短不一（二專、四技、碩博士各不相同），而且教育部沒有公開各校各年級與班級資料，所以只提供人數與趨勢，不做未來推估。
- 落到每所學校：新生數 = 該校近 2 年新生占全國新生的份額 × 預測的全國新生數。沒有一年級的學校（只收高年級）、不足 30 人的學校不參與「未來減少最多」排序。
目前全國新生預測（單位：人）：高中職一年級 218,829, 256,587, 253,328（第 1 到 3 年後）；國小 164,154, 165,723, 156,465（第 1 到 3 年後）；國中七年級 197,636, 209,030, 205,558。
推估準不準：用過去回測
把算法放回過去，拿 110 到 113 學年度的資料去預測後來已經發生的學年度，再和實際人數比。下表是全部學校合計的加權平均絕對誤差（誤差總和 ÷ 實際總人數），數字越小越準。
| 1 年後 | 2 年後 | 3 年後 | 4 年後 | |
|---|---|---|---|---|
| 國小・世代銜接（本站） | 2.3% | 4.4% | 7.2% | 11.2% |
| 國小・新生持平 | 2.5% | 5.0% | 8.1% | 11.4% |
| 國中・世代銜接（本站） | 3.6% | 6.9% | 9.2% | 10.3% |
| 國中・新生持平 | 4.3% | 9.4% | 12.3% | 11.1% |
| 高中職・世代銜接（本站） | 3.9% | 7.0% | 9.4% | 11.9% |
| 高中職・新生持平 | 4.2% | 7.5% | 9.5% | 11.9% |
回測也試過其他做法並淘汰：直接用全國趨勢（比單純持平更差）、加入各校的人數保留率（幾乎沒有改善）、用 3 歲人數（更差）。高中職的世代銜接和持平誤差接近，但全國加總的偏差小得多（3 年後 +1.0% 對 +5.9%）。回測程式在專案裡（tools/backtest.py、tools/backtest-high.py）。
限制：越遠越不準；小型學校誤差比表上更大；不含遷入遷出、學區調整、新建學校；少子化若比歷史更快，推估會偏高。這是人數的簡單推估，不是任何單位對裁併或減班的決定。
Google AI Pro for Education 席次怎麼估
規則依 Google 官方說明：AI Pro for Education 是 Workspace for Education 的加購授權，只能指派給 18 歲以上的使用者，授權在管理主控台逐人指派，最少 1 個授權；授權數是實際要使用的人數，教職員要一併編列。
- 教職員：專任教師加職員，來自教育部校別資料。大專沒有公開教職員數，試算頁讓使用者自己輸入。
- 可指派的學生：國小、國中學生未滿 18 歲，不計；高中職學生依全國年滿 18 歲的比例估算（目前約 6.1%，各校實際不同）；大專學生全部計入。
- 潛在席次：以上兩項相加，是「全部人都使用」時的上限。實際授權數是學校實際要使用的人數，所以試算頁可以調整導入比例。
- 不放價格：官方沒有公開單價，金額依授權人數、訂閱年限與現有 Workspace 版本而定，所以本站不放任何價格，由使用者填入取得的報價再算總額。
白話解讀怎麼寫
由程式依規則把資料轉成句子：規模、在同區的排名、和縣市平均比、近五年變化、各年級結構、推估人數、師生比。沒有使用 AI，也沒有人工評論，每個數字都能在資料裡驗算。
地圖位置怎麼比對
OpenStreetMap 對台灣門牌的地址搜尋幾乎找不到，所以改用 OpenStreetMap 上學校本身的位置，依序比對：校名與縣市、鄉鎮市區完全相同；校名相近（去掉「市立」「縣立」、國中小寫法、校名含區名）；重名時用門牌路名挑選；附設在高中的國小部、國中部，用所附設學校的位置。比不到的不猜，也會剔除離同區其他學校太遠的結果。
| 可信度 | 說明 | 學校數 |
|---|---|---|
| 3 高 | 校名完全相同，縣市與鄉鎮市區一致 | 3,644 |
| 2 中 | 校名相近或用門牌比對推定，地圖彈窗會註明 | 344 |
| 1 概略 | 附設在高中的學校，位置是所附設的校園 | 115 |
| 無座標 | OpenStreetMap 上找不到可靠的對應，不顯示在地圖上 | 194 |
共 4,103 / 4,297 所有座標（95.5%）。地圖顏色用 5 個等級：減少超過 15%、減少 5% 到 15%、5% 以內、增加 5% 到 15%、增加超過 15%。
資料更新（維護者）
教育部每學年更新一次。更新資料與發布只要一個指令：python -X utf8 tools/publish.py --data "說明"。它會依序：下載最新學年度（自動偵測，不用改年份）、重新計算全國新生預測與各校份額、重新比對地圖座標（需連線 OpenStreetMap，約 2 分鐘）、重新產生 4,297 所學校頁與名錄、推送到網站。只改版面或文字時用 python -X utf8 tools/publish.py "說明"，不重新下載資料。
資料快照日期：2026-10-19。