Data-Gouv-FR/parcoursup-2025-voeux-de-poursuite-detudes-et-de-reorientation-dans-lenseignement-superieur-et-r

该数据集展示了2025年Parcoursup平台中，学生继续学习和重新定向的志愿以及高等教育机构的回应。数据涵盖了2024年招生流程（从2025年1月15日至9月10日）结束后的非学徒制培训项目。数据集包括志愿数量、录取提议、候选人和录取学生的背景信息（如性别、高中系列、成绩等级等），以及录取率、排名等指标。数据来源于Parcoursup 2025平台，并更新至2026年3月9日，以添加之前未提供的某些培训项目的录取率和排名。数据集还包含一个可视化工具（dataviz），帮助用户通过图形界面查看关键指标。此外，数据集特别关注了652,800名新高中毕业生（包括在法国海外教育机构注册的学生），并提供了按地区、机构、培训项目分类的详细信息。数据集还补充了来自Parcoursup官网的映射数据，包括2025年录取率和按高中类型分类的候选人分布等额外指标。总体而言，该数据集允许观察每个培训项目和接收机构的需求、满意度、候选人档案和录取结果，以支持学生和研究人员分析法国高等教育招生过程。This dataset presents the wishes for continuing studies and reorientation in higher education as well as the proposals from institutions for each non-apprenticeship training program at the end of the 2024 allocation process of the Parcoursup platform (from January 15 to September 10, 2025). The data is extracted from the Parcoursup 2025 platform and covers the entire campaign up to September 10, 2025. It includes information such as the number of wishes, admission proposals, candidate and admitted student profiles (e.g., gender, high school series, grade distinctions), as well as metrics like admission rates and rankings. The dataset was updated on March 9, 2026, to add access rates and rankings for certain training programs previously unavailable. It also features a visualization tool (dataviz) for exploring key indicators graphically. Additionally, the dataset specifically focuses on 652,800 new high school graduates (including those registered with the Agency for French Education Abroad) and provides detailed information by region, institution, and training program. It incorporates mapping data from the Parcoursup website, with additional indicators such as the 2025 access rate and distribution of candidates by high school type. Overall, the dataset enables observation of demand, satisfaction, candidate profiles, and admission outcomes for each training program and host institution, supporting analysis of the French higher education admission process.

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，是Parcoursup 2025年高等教育申请与录取流程的完整记录。构建方式上，它以原平台中的表格资源为基础，每个表格资源对应Hugging Face仓库中的一个配置子集，并统一包含名为'train'的数据分割。数据涵盖了从2025年1月15日至9月10日整个申请周期内，非学徒制高等教育的所有志愿选择与院校回复信息，共计约1,015,200名申请者及14,252个培养项目。

特点

该数据集的最大特色在于其多维度的信息聚合与精细化分类。它不仅记录了每个培养项目的容量、收到的志愿数量及发出的录取提议，还深入刻画了录取者的学业背景，包括高中毕业会考系列、成绩评语、是否享受助学金等信息。尤为突出的是，数据集引入了'2025年入学率'和'按照毕业会考类型划分的候选者在主阶段获得提议资格的分布'两个关键指标，为分析录取竞争态势提供了量化工具。

使用方法

使用方法上，用户可通过Hugging Face的datasets库便捷加载，例如执行`load_dataset("Data-Gouv-ML/parcoursup-2025-voeux-de-poursuite-detudes-et-de-reorientation-dans-lenseignement-superieur-et-r", "fr-esr-parcoursup.parquet")`命令即可获取训练数据。数据以Parquet和CSV格式提供，便于进行大规模分析。此外，官方还配套提供了数据可视化界面，方便用户直观探索各培养项目的关键指标，辅助高中生在填报志愿时做出知情决策。

背景与挑战

背景概述

Parcoursup是法国高等教育与研究部推出的全国性预注册平台，旨在规范高中毕业生及转专业学生的入学申请流程。2025年版数据集由法国官方开放数据平台data.gouv.fr于2026年3月9日更新，涵盖2025年1月15日至9月10日整个申请周期内的志愿填报与院校反馈信息。核心研究问题聚焦于高等教育入学机会的分配机制、学生流动模式及院校录取行为的量化分析。该数据集追踪了超过101.5万名申请者（包括65.28万名新高中毕业生）在14252个非学徒制专业中的申请动态，为教育政策制定者、社会学家和数据科学家提供了研究法国高等教育系统公平性、效率性及区域差异性的关键依据，其影响力体现在推动教育数据开放透明与跨学科实证研究。

当前挑战

该数据集解决的领域问题包括：1）教育公平性评估——需量化不同社会经济背景（如奖学金获得者、地域来源）学生在录取过程中的机会分布，揭示潜在的系统性偏见；2）申请与录取匹配效率——分析志愿填报行为（如非层级化志愿、多志愿组合）与院校容量之间的供需失衡现象。构建过程中面临的挑战涉及：3）多源数据整合——需将Parcoursup平台的结构化申请记录、院校反馈时间戳及学生背景档案（如高考成绩等级、专业系列）统一为可分析格式，并处理缺失值（如部分专业初始未公开录取排名）；4）隐私保护与聚合粒度——在公开个体级数据时需通过聚合统计（如分性别、专业系列的录取人数）平衡信息粒度与匿名性要求，确保不泄露个人身份。

常用场景

经典使用场景

Parcoursup 2025数据集作为法国高等教育入学分配机制的数字化镜像，为研究教育公平性与录取决策提供了量化基石。其核心应用场景集中于剖析从志愿填报到最终录取的全链路匹配关系——通过容量、志愿数、录取提议及排名等关键变量，构建起申请者与院校之间的双向选择模型。研究者可借助该数据精确刻画不同专业与院校的竞争烈度，识别出高需求低录取率的热门领域，并追踪从接受提议到实际入学的转化路径。此外，该数据集独有的‘最后录取者排名’与‘录取者空间来源’字段，为揭示地理与社会分层导致的录取机会差异提供了不可替代的实证素材，使得复杂的高等教育市场微观行为得以被系统性解构。

解决学术问题

该数据集的核心学术价值在于解决了法国高等教育领域长期存在的透明化度量难题，为教育政策的循证评估提供了前所未有的精细颗粒度。它使得研究者能够量化分析平行录取系统中志愿填报策略与录取概率之间的动态关联，从而破解信息不对称如何影响弱势群体入学机会的经典命题。通过整合申请者背景（如高中类型、地域分布、奖学金状况）与录取结果，学者得以验证或修正关于文化再生产、制度性偏好等社会学理论在当代数字化招生体系中的表现形式。更重要的是，其跨年份的可对比性支撑了对于录取机制改革效应的因果推断，例如2021年‘极优等’评级的细分如何改变了精英院校的生源构成，这直接影响了法国高教部优化名额分配方案的科学决策。

衍生相关工作

基于此数据集，法国学界已衍生出多项影响力深远的工作。一项代表性研究利用机器学习模型预测不同社会阶层学生的录取偏好，揭示了精英工程院校中来自巴黎顶尖高中的学生占据压倒性比例的结构性失衡。另一经典工作则构建了空间计量模型，发现‘通勤距离’与‘录取概率’间存在显著负相关，从而量化了地理可达性对教育机会的约束效应。此外，学者们通过对比2025年与过往年份的数据，评估了‘GDD补录机制’在缓解初始分配不公方面的实际成效。在方法层面，该数据集催生了针对稀疏分类-高维决策特征的新型统计推断技术，用以解决‘有限名额-无限偏好’匹配问题中的因果识别挑战。这些工作不仅深化了理论认知，更直接推动了法国高教录取系统的算法公平性审查和规则弹性化改良。