Data-Gouv-FR/pari-scores-des-communes-francaises-elections-municipales-2020

该数据集名为法国市政选举2020年Pari-score评分，专注于法国2020年市政选举的Pari-score评分系统。Pari-score是一种评估选举候选人的社会平等性工具，类似于Nutriscore，用于在投票前快速了解各市镇政治代表的社会构成。它基于候选人的职业声明，将其分类为社会阶层（如上层、中层和下层阶级），并根据在选举列表中的位置（如可选举性）进行加权。评分系统通过算法计算社会阶层之间的不平衡，特别是上层阶级对中层和下层阶级的支配程度，最终为每个选举列表或市镇议会分配一个字母（从A到F）和颜色评分。A表示社会阶层构成与人口统计数据平衡，F表示上层阶级几乎完全垄断政治权力。数据集还包括数据来源，如法国国家选举目录、人口普查数据（INSEE）和DLP集体收集的数据，用于支持社会代表性分析。这是一个Beta版本，旨在为研究人员、活动家和媒体提供工具，以可视化社会阶层在政治代表中的分布，并促进民主参与。This dataset, titled Pari-scores of French Municipalities (2020 Municipal Elections), focuses on the Pari-score rating system for the 2020 French municipal elections. Pari-score is a tool for evaluating the social parity of election candidates, similar to Nutriscore, designed to quickly assess the social composition of political representation in each municipality before voting. It is based on candidates declared professions, categorized into social classes (such as upper, middle, and lower classes), and weighted according to their position on the electoral list (e.g., electability). The scoring system uses an algorithm to calculate imbalances between social classes, particularly the dominance of the upper class over the middle and lower classes, ultimately assigning a letter (from A to F) and color rating to each electoral list or municipal council. A indicates a balanced social class composition relative to demographic data, while F signifies near-total monopolization of political power by the upper class. The dataset includes data sources such as the French National Directory of Elected Officials, census data (INSEE), and data collected by the DLP collective, supporting social representation analysis. This is a Beta version aimed at providing researchers, activists, and media with tools to visualize the distribution of social classes in political representation and promote democratic engagement.

搜集汇总

数据集介绍

构建方式

该数据集源于法国公开数据平台data.gouv.fr，由非营利组织DLP（Démocratiser la Politique）精心构建，旨在量化2020年法国市镇选举中各候选人名单的社会阶层代表性。数据集以候选人申报的职业信息为基础，依据透明化的对应表格将其划分为上层、中层与平民阶层，并依据其在名单上的位置（即当选可能性）进行加权处理。通过一套严谨的算法，评估各阶层在候选人名单中的占比与本地人口结构之间的偏差，从而生成反映社会平等程度的帕里评分（Pari-score）。原始数据以Parquet格式存储，经由Hugging Face平台重新组织，形成一个包含单一训练子集的数据集版本，便于研究者直接加载与使用。

特点

该数据集的核心特色在于其独创的帕里评分机制，借鉴营养标签的直观理念，以字母A至F与对应颜色标识市镇候选人名单的社会阶层平衡程度。A级代表三个社会阶层在人口结构中的比例达到理想均衡，而F级则揭示上层阶级几乎完全垄断政治代表性的失衡状态。评分算法不仅涉及阶层间的权力关系分析，还引入了“玻璃天花板”效应的实证结论，中间等级如B级则对应DLP集体认可的“可接受”标准。这一多维度量化工具，使每位公民、活动家与媒体能够迅速掌握本地政治代表的构成状况，从而促进更公正的选举参与。

使用方法

用户可通过Hugging Face的datasets库轻松加载该数据集。具体而言，调用load_dataset函数，指定数据集标识符'Data-Gouv-ML/pari-scores-des-communes-francaises-elections-municipales-2020'与子集名称'pari-score-des-communes-francaises-elections-municipales-2020'，即可获取包含训练数据的Dataset对象。数据以Parquet格式存储，支持高效的列式访问与过滤操作，便于进行统计分析与可视化。此外，DLP组织提供了详尽的在线研究笔记，解释评分算法的技术细节与理论基础，鼓励用户反馈以推动版本迭代，确保数据集的科学性与实用性持续优化。

背景与挑战

背景概述

该数据集由法国公民组织DLP（Démocratiser la Politique）创建，源自2020年法国市镇选举的官方数据，旨在量化选举名单中的社会阶层代表性。其核心研究问题在于揭示法国地方政治中社会阶层的不平等现象，尤其是上层阶级对政治权力的过度占据。通过引入类似Nutriscore的评分机制（Pari-score），该数据集为选民、媒体和研究者提供了评估候选人名单社会平衡性的工具，对政治科学、社会学及公共政策领域产生了重要影响，推动了关于社会代表性公平性的实证讨论。

当前挑战

该数据集所解决的领域问题是如何量化政治代表性中的社会阶层均衡性，挑战在于构建一个透明且可复现的评分算法，以准确反映候选人职业与地方人口统计学之间的偏差。构建过程中面临多重困难：需整合来自法国内政部、INSEE等多个来源的异构数据，处理职业分类与社会阶层的映射关系，并设计合理的权重系统（如根据名单上的选举位置调整）。此外，确保算法不受主观偏见影响，以及应对2020年与2026年数据版本的比较需求，进一步增加了研究的复杂性。

常用场景

经典使用场景

该数据集收录了2020年法国市政选举中各市镇候选人名单的社会阶层构成数据，以Pari-score为度量标准，综合候选人的职业分类与名单排位，量化了工人阶级、中产阶级与上层阶级在政治代表中的分布失衡。研究者可借此分析不同市镇中社会阶层在选举候选名单中的代表性偏差，探讨政治权力结构与社会人口结构之间的张力。数据集的经典用途在于评估选举名单的社会公平性，揭示“选举玻璃天花板”现象的普遍性与地域差异。

解决学术问题

该数据集解决的核心学术问题在于量化社会阶层在地方选举中的政治代表不平等。传统研究多聚焦性别或种族配额，而此数据集创新性地将阶级维度纳入选举公平性分析，为政治社会学提供了可复现的定量工具。它使学者能够验证“上层阶级政治俘获”理论在法国基层的普遍性，并探讨阶级构成与选举制度、地域经济特征间的交互关系。数据集的意义在于推动政治代表研究从描述性批判走向数据驱动的实证分析，为民主质量评估开辟了新路径。

衍生相关工作

基于该数据集，衍生出了多项关于选举社会代表性的实证研究，尤其聚焦于Pari-score算法在不同选举层级（如地区或国家选举）中的迁移应用。Cartographie交互地图与测试工具进一步将数据转化为公众参与平台，推动了“开放政治”运动在法国的落地。未来工作或可结合纵向数据，追踪2020年与2026年选举间的社会构成变迁，评估政治动员或制度干预对代表平衡的长期影响，从而构建更完整的民主代表性理论框架。