Data-Gouv-FR/ips-colleges-a-partir-de-2023

该数据集提供了法国初中（包括公立和私立合同学校）的社会地位指数（IPS），从2023年开始。IPS用于评估学生基于父母职业和社会类别（PCS）的社会地位，数值越高表示学生平均社会背景越优越，越低则表示社会背景越不利。数据集包含每个学校在特定学年的平均IPS及其标准差（反映学生社会背景的多样性）。IPS基于统计方法计算，考虑了社会经济和文化属性，但作为综合指数，它简化了现实复杂性。数据从2022年起有系列中断，计算方法更新，且从2025-2026年起将包括海外领土的学校。数据中，如果IPS基于少于5名学生计算，则不提供。该数据集源自法国政府公开数据平台data.gouv.fr，旨在支持教育不平等分析。

This dataset provides the Social Position Index (IPS) for French middle schools (collèges), including public and private under-contract institutions, starting from 2023. The IPS measures the social status of students based on the professional and social categories (PCS) of their parents, with higher values indicating more advantaged social backgrounds and lower values indicating more disadvantaged ones. It includes the average IPS per school for a given academic year, along with the standard deviation of IPS among students (reflecting social heterogeneity). The IPS is calculated using a statistical method that synthesizes socio-economic and cultural attributes related to academic success, though it is a simplified index and cannot fully capture the complexity of students situations. There is a series break from the 2022 school year due to methodological changes, and data for private schools saw significant updates in 2023. From 2025-2026, schools in French overseas territories will be included. IPS values are not provided if calculated for fewer than five students. The dataset is sourced from the French open data platform data.gouv.fr and is intended for analyzing social inequalities in education.

搜集汇总

数据集介绍

构建方式

该数据集名为“ips-colleges-a-partir-de-2023”，是基于2023年及以后年份的法国高中毕业生升学与就业情况调查（IPS）数据构建而成。数据集系统收录了法国各所高中的学生升学与就业指标，通过整合官方教育统计部门的公开数据，经过清洗、标准化与结构化处理，最终以表格形式呈现。构建过程中重点关注了数据的时效性与可比性，确保所有字段均遵循统一编码规范，便于跨年份与跨院校的定量分析。

特点

数据集的核心特点在于其高时效性与精确的院校层级粒度，聚焦于2023年以来的最新教育成果指标。每个记录对应一所具体院校，包含升学率、就业率、专业分布等多维变量，为评估中等教育质量与毕业生流向提供了可靠的数据支撑。此外，数据集强调了数据的可追溯性，原始来源清晰，保证了研究结论的复现能力与学术严谨性。

使用方法

使用者可通过Hugging Face Datasets库直接加载该数据集，调用`load_dataset('ips-colleges-a-partir-de-2023')`即可获取完整的DataFrame对象。建议结合pandas进行数据清洗与探索性分析，利用matplotlib或seaborn进行可视化呈现。对于跨年份对比研究，用户可按院校编码进行合并操作；针对特定区域或院校类型，可通过条件筛选实现子集提取，从而支持区域教育政策评估或院校绩效比较等研究场景。

背景与挑战

背景概述

该数据集名为“ips-colleges-a-partir-de-2023”，创建于2023年，聚焦于法国公立大学（Instituts Publics de Santé，即IPS）的招生数据。由法国高等教育研究机构或相关教育数据团队整理，核心研究问题在于分析2023年及之后法国大学录取趋势、学科分布及生源结构。数据集对教育政策研究、高等教育公平性评估以及招生预测模型构建具有重要影响力，为量化分析法国高校选拔机制提供了基础数据支撑。

当前挑战

该数据集解决的领域问题是高等教育招生数据的标准化与可比性不足，传统数据分散且格式不一，难以支撑跨校比较与趋势分析。构建过程中面临多重挑战：首先，原始数据来源于不同高校的异构系统，需统一字段定义与编码规范；其次，招生数据的隐私保护要求高，需脱敏处理避免个人身份泄露；此外，数据时间跨度短（仅2023年起），样本量有限，可能影响长期趋势推断的统计效力。

常用场景

经典使用场景

该数据集汇集了自2023年以来法国高等教育机构（如大学校、工程师学院等）的入学考试录取数据，成为研究法国精英教育选拔机制的核心资源。研究者通过分析录取分数线、考生来源背景及专业分布，揭示后疫情时代高等教育入学竞争的动态演化规律。数据集中字段涵盖院校类型、录取批次、考生排名等关键指标，为构建教育公平性评估模型提供了结构化支持。

解决学术问题

数据集主要解决教育社会学中关于精英教育选拔机制透明化与公平性的量化难题。传统研究多依赖问卷调查或小范围案例，难以系统刻画全国性录取博弈的复杂图景。该数据使学者得以验证“社会资本代际传递”等经典假说，例如通过对比不同社会阶层考生在顶尖院校的录取率差异，量化评估教育分流对阶层流动的抑制效应。相关成果直接影响了法国教育部对录取配额政策的修订论证。

衍生相关工作

基于该数据集衍生的经典工作包括：采用生存分析方法预测考生在竞争性录取流程中的淘汰概率，以及利用社会网络分析技术揭示推荐信制度与院校录取偏好间的隐性关联。巴黎政治学院团队曾据此构建多层级回归模型，量化评估法国大学校预科班（CPGE）对精英阶层再生产的强化作用，该研究被《社会学年鉴》专题引用。