Data-Gouv-FR/les-evaluations-nationales-reperes-cp-par-departement

该数据集包含法国各行政区（département）小学一年级（CP）学生在法语和数学国家基准评估中的掌握率统计数据。数据来源于整合后的数据，展示了各行政区和国家层面的结果。评估覆盖法国所有公立和私立学校的学生，通常在每年9月进行，日期标记为9月15日。自2020年起，卡昂和鲁昂学区合并为诺曼底学区，数据按此划分呈现。

This dataset contains mastery rates by department for CP (first grade) students in French and mathematics national benchmark assessments. The statistics are derived from consolidated data and present results at both departmental and national levels. The assessment covers all students entering CP in all public and private schools in France, typically conducted in September each year, with the date marked as September 15. Since 2020, the academies of Caen and Rouen have been merged into the Normandy academy, and data is presented according to this division.

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共数据平台 data.gouv.fr，旨在汇集法国小学一年级（CP）学生在国家基准评估（Repères）中的法语与数学掌握率。数据以部门为单位进行统计，涵盖全国及地方层面的结果。在构建过程中，原始的一维表格资源被映射为Hugging Face平台上的独立子集配置，每个子集包含一个名为'train'的数据分割。数据以Parquet格式存储，确保了高效压缩与快速读取，便于后续分析与建模。

特点

该数据集的核心特色在于其精细的行政地理粒度，以法国各省为基本统计单元，呈现了学龄儿童在基础教育起点阶段的学业表现分布。时间维度上，数据均为每年九月初的评估结果，并已校正行政区划变化（如诺曼底大区的合并），保证了跨年度可比性。数据集还囊括国家层面的汇总数据，为研究者提供了从地方到中央的多层级分析视角，尤其适合用于教育公平性研究。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载数据，具体指令为`load_dataset("Data-Gouv-ML/les-evaluations-nationales-reperes-cp-par-departement", "fr-en-evaluations_nationales_cp_departement.parquet")`，随后即可通过`ds["train"]`访问训练集。数据以Parquet格式提供，支持直接转换为Pandas DataFrame进行统计分析与可视化。结合官方说明文档及DEPP发布的技术报告，用户可深入理解评估框架与指标定义，从而进行教育政策的实证研究。

背景与挑战

背景概述

该数据集由法国教育部评估、预测与绩效管理局（DEPP）创建，源于法国自2020年起推行的全国性CP（小学一年级）入学评估体系“Repères”，旨在系统监测学生法语与数学基础能力的掌握水平。数据集涵盖了按省份和全国层面汇总的通过率统计，整合了公立及私立契约学校所有新入学学生的评估结果，每年九月中旬实施，具有稳定的时间序列特征。作为法国公共教育数据开放倡议（data.gouv.fr）的重要成果，该资源为教育政策制定者、研究人员及公众提供了审视早期学业不平等、区域教育效能及跨年度趋势的关键依据，有力推动了实证教育研究的发展。

当前挑战

该数据集面临的核心挑战在于：1）领域层面，如何通过有限指标（如法语与数学通过率）有效捕捉城乡之间、社会经济背景差异下的教育结果不平等，并解释跨省变异背后的结构性因素，避免简化为单一排名；2）构建层面，数据整合需处理行政边界调整（如2020年卡昂与鲁昂学区合并为诺曼底学区）带来的历史可比性问题，同时确保每年同一时间窗口内采集数万所学校的评估数据时，统计方法的一致性与缺失值处理的透明度，以维护长期追踪研究的可靠性。

常用场景

经典使用场景

该数据集汇聚了法国小学预备班（CP）学生在国家评估（Repères CP）中的法语与数学掌握率数据，数据以省份为粒度呈现，并提供全国总体统计。研究者可基于该数据集开展教育公平性分析，通过对比不同省份间的学业表现差异，识别区域教育资源配置的不均衡现象。

解决学术问题

该数据集有效解决了教育实证研究中长期面临的微观个体数据获取难、宏观描述性统计粗放的问题。它提供了标准化的省级层面测评结果，使得研究人员能够系统分析法国初等教育阶段学生基础学科素养的时空演变规律，量化法国本土与海外领地、城市与乡村地区的教育质量差距，为制定差异化的教育干预政策提供数据支持。

衍生相关工作

基于该数据集，法国教育评估预测局（DEPP）发布了系列研究笔记与技术报告，深入探讨了性别成绩差距的演变规律，以及法语与数学成绩在不同年份间的稳定性。这些衍生工作不仅深化了学术界对早期教育评价体系的理解，还为后续设计更精细化的教育追踪数据集提供了方法论与数据衔接的参考范本。