用折線圖追蹤入學趨勢變化 | Line Graph Maker

簡要說明

入學趨勢面積圖將學生人數繪製在 Y 軸，學年繪製在 X 軸，揭示成長模式、下降學程和人口結構變化。本範本包含四個大學科系八年的範例資料。

概述

入學規劃驅動著教育領域幾乎所有的資源決策——從教師聘用到設施預算。據美國國家教育統計中心資料，2018–2025 年間美國大學入學發生了顯著變化，STEM 學程成長 18%，而人文學科下降 12%。將這些趨勢視覺化對策略規劃至關重要。

本範本使用堆疊面積圖展示四個科系的入學情況。堆疊格式同時揭示各科系軌跡和學校總入學人數。

適用情境

策略規劃：辨識成長和萎縮的學程以分配資源
認證報告：向認證機構展示入學穩定性和成長
董事會簡報：透過清晰的入學視覺化傳達學校健康狀況
招生分析：評估行銷活動是否與入學提升相關聯

逐步指南

第一步：準備資料

將資料整理為 CSV 格式，包含欄位：year、enrollment 和 department。每列代表某科系某一年的入學人數。使用完整學年標籤（如 2018-19）。入學人數應為人頭數，除非機構統一使用 FTE。

第二步：設定圖表

將圖表類型設為面積圖並啟用堆疊，使頂部邊緣顯示總入學人數。將 X 軸設為分類以均勻分佈年份。在頂部啟用圖例以辨識各科系。考慮啟用平滑線條以獲得更清晰的視覺效果。

第三步：自訂與匯出

為最大的科系使用學校品牌色。用於認證報告時，匯出高解析度 PNG。用於教務長網站的互動式儀表板時，使用可嵌入的 iframe。

範例資料 (CSV)

year,enrollment,department
2018-19,2840,Computer Science
2019-20,3120,Computer Science
2020-21,3580,Computer Science
2021-22,3910,Computer Science
2022-23,4280,Computer Science
2023-24,4650,Computer Science
2024-25,5020,Computer Science
2025-26,5380,Computer Science
2018-19,1960,Business
2019-20,2050,Business
2020-21,1980,Business
2021-22,2120,Business
2022-23,2210,Business
2023-24,2340,Business
2024-25,2480,Business
2025-26,2590,Business
2018-19,1420,Engineering
2019-20,1510,Engineering
2020-21,1640,Engineering
2021-22,1780,Engineering
2022-23,1890,Engineering
2023-24,2010,Engineering
2024-25,2150,Engineering
2025-26,2280,Engineering
2018-19,890,Humanities
2019-20,860,Humanities
2020-21,810,Humanities
2021-22,780,Humanities
2022-23,750,Humanities
2023-24,720,Humanities
2024-25,690,Humanities
2025-26,670,Humanities

圖表設定 (JSON)

最佳實務

統一使用人頭數：混合 FTE 和人頭數會使跨科系比較毫無意義。統一一種指標。
人口統計細分單獨展示：性別、族群或居住地細分應有各自的圖表，而非塞入同一張。
包含預測區間：如有入學預測，以虛線或陰影信賴區間新增，展示預期軌跡。

常見錯誤

跨規模懸殊的科系比較絕對數：5000 人的科系增加 200 人與 500 人的科系增加 200 人看起來相似，但成長率差異巨大。考慮使用百分比變化進行比較。
忽略外部因素：疫情、政策變化或新學程啟動可能導致階梯式變化而非趨勢。標註這些事件。

常見問題

入學圖表應使用人頭數還是 FTE？

使用機構官方報告標準化的指標。面向外部受眾（認證機構、立法者）時，使用他們期望的指標。在圖表上註明使用的指標類型。

如何展示入學預測？

新增包含未來年份預測值的單獨系列，樣式設為虛線以區分實際資料和預測。考慮在預測周圍新增陰影信賴區間以傳達不確定性。

追蹤入學趨勢變化

互動式預覽