Data-Gouv-FR/reussite-au-baccalaureat-selon-lorigine-sociale

该数据集包含按社会出身和考试类型分类的法国高中毕业会考（baccalauréat）成绩数据。高中毕业会考是法国国家文凭，标志着普通、技术或职业中等教育的结束。数据集汇总了六月和九月所有考生的数据，无论其教育背景（包括个体考生）或颁发部门（国民教育部或农业部）。观察日期定义为每年6月30日，尽管考试日期每年可能有所不同。最新观察数据：2025届高中毕业会考。

This dataset contains baccalauréat results by social origin and by type of baccalauréat. The baccalauréat is a national diploma that marks the end of general, technological, or vocational secondary education. The dataset aggregates all candidates for the baccalauréat from the June and September sessions, regardless of their educational background (including individual candidates) and the ministry issuing the diploma (national education or agriculture). The observation date is set to June 30 of each year, even though the exam dates vary from year to year. Latest observation: 2025 baccalauréat session.

搜集汇总

数据集介绍

构建方式

该数据集以法国教育部公开的官方统计数据为基础，系统整合了自历年六月与九月两届高考（baccalauréat）考生的全员信息，涵盖普通、技术及职业三大教育路径。构建过程中，无论考生的学业背景（含个人考生）及颁发文凭的部委（国民教育部或农业部）均被纳入统计范畴，确保数据覆盖的完整性。观测时间点统一设定为每年6月30日，以跨年度横向对比的标准化视角呈现，最新观测数据更新至2024年高考批次。数据集的字段设计聚焦于考生的社会出身与最终成绩的交互关系，通过分类汇总展现不同阶层在各类高考路径中的通过率差异。

特点

该数据集的核心特色在于其精细化的交叉分析维度，将社会出身这一社会学变量与高考路径、历史年份进行三维联动，为揭示教育公平的演变轨迹提供了量化基础。数据集采用开放式授权协议（Licence Ouverte 2.0），兼具高度的可重用性与透明性。作为法国教育部官方统计序列的组成部分，其数据经过了严格的行政核查与标准化处理，确保了学术研究所需的信度与效度。此外，数据集的缺失值处理策略明确，每个观测年份均以统一截点进行截断，避免了因考试日期浮动而产生的统计偏差。

使用方法

用户可通过法国开放数据平台（data.gouv.fr）直接访问原始CSV或Excel文件，适用于社会科学领域的教育公平研究、阶层流动分析以及政策评估等场景。建议研究者将社会出身编码作为分组变量，结合高考通过率进行方差分析或回归分析，以量化家庭背景对学业成就的影响。需要注意的是，该数据集在Hugging Face上仅为元数据参考页面，实际数据需从外部源下载后加载至Python或R环境，利用pandas或dplyr等工具进行透视表构建及可视化分析。

背景与挑战

背景概述

该数据集由法国教育部编制，聚焦于不同社会出身学生的高中毕业会考（baccalauréat）通过率，为教育公平研究提供了关键数据支撑。数据集涵盖普通、技术及职业三类会考，观测时点设定为每年6月30日，最新数据更新至2024年会考季。其核心问题在于揭示社会出身与学业成就之间的结构性关联，这一议题长期受到教育社会学领域的关注。自创建以来，该数据集被广泛用于分析法国教育系统中的机会不平等现象，相关报告如教育部信息简报（25.05号）等均以其为基础开展趋势研究，为政策制定者优化资源分配提供了实证依据。

当前挑战

该数据集面临的核心挑战在于如何精准量化社会出身对教育结果的长期影响。一方面，社会出身作为多维概念（涵盖家庭收入、父母学历、文化资本等），单一分类标准可能掩盖群体内部的异质性，导致分析结果偏向简化。另一方面，会考通过率虽反映阶段性成就，但无法捕捉学习过程中因资源差异造成的隐性能力分化，例如课外辅导、家庭支持等变量的缺失。此外，构建过程中需持续协调法国国民教育部与农业部等多个数据源的统计口径，确保历年数据可比性，同时应对部分年份考试时间波动对通过率统计的干扰，例如2024年因疫情调整的评分标准已对数据连续性构成挑战。

常用场景

经典使用场景

该数据集是法国教育体系中具有代表性的社会分层与学业成就分析工具，聚焦于不同社会出身学生在普通、技术和职业高中毕业会考中的通过率差异。研究者可藉此剖析家庭背景如何影响高等教育准入机会，尤其适用于探讨布迪厄文化再生产理论在当代法国教育系统中的应用。数据按年更新至2024年，涵盖全体考生（含个体考生及农业教育部颁发文凭者），为纵向追踪社会流动性提供了可靠依据。

解决学术问题

该数据集直击教育不平等这一核心学术议题，通过量化社会出身与学业成就的关联，揭示了结构性因素如何通过学校系统进行代际传递。研究可量化移民背景、父母职业等变量对考试通过率的边际效应，弥补了传统质性研究在统计推断上的不足。其长期追踪特性有助于控制经济周期与政策干预的混淆效应，为评估法国教育公平政策的实施效果提供了实证基础，推动了批判教育学与政策科学的交叉发展。

衍生相关工作

基于该数据衍生出多项关键研究：如验证Boudon的理性行动理论中社会阶层对教育选择的异质效应；结合PISA数据构建跨国比较模型，揭示法国社会流动性下降的独特性；利用机器学习技术预测个体学生的考试风险，并将结果应用于教育干预的因果推断。部分工作还将其与劳动力市场数据整合，探讨精英大学录取中的阶层偏好，推动了计算社会科学与教育经济学的深度融合。