Data-Gouv-FR/diplome-national-du-brevet-par-etablissement-1

这是一个关于法国国家文凭（DNB）按学校划分的考试结果数据集。DNB是法国初中教育结束时的毕业文凭，自2011年起认证学生掌握共同核心知识和技能。对于在校考生，获得DNB取决于共同核心的掌握情况和期末考试结果；个别考生则通过笔试评估。从2013年起，DNB分为普通系列和职业系列，而2012年之前包括初中系列、技术系列和职业系列。该数据集包含历史结果，但已不再更新，相关信息可在其他数据集中获取。This dataset contains the results of the Diplôme National du Brevet (DNB) by establishment. The DNB certifies secondary education at the end of the third grade (collège) in France, attesting to the mastery of the common core of knowledge and skills since the 2011 session. For school candidates, obtaining the DNB is linked to both mastery of the common core and results from the terminal exam. Individual candidates are evaluated through a written exam. Since 2013, the DNB includes two series: the general series and the professional series; until 2012, it included three series: collège series, technological series, and professional series. The dataset is no longer updated, with current information available in another dataset.

搜集汇总

数据集介绍

构建方式

该数据集源于法国政府开放数据平台data.gouv.fr，汇集了各中学在法国国立初中毕业文凭（Diplôme National du Brevet）考试中的表现数据。构建方式遵循了Hugging Face的结构化映射规则：一个原始数据资源对应Hugging Face中的一个子集配置，每个配置均包含一个名为'train'的分割。数据集以Parquet格式存储，并提供了CSV格式的兼容路径，确保数据的高效压缩与快速读取。

特点

该数据集的核心特色在于其聚焦于教育评估的细粒度指标，收录了自2011年起法国初中毕业会考的各校通过率与成绩分布。数据覆盖普通与职业两条系列，并揭示了学生掌握共同知识技能基础的程度。值得注意的是，数据集已不再更新，但其历史记录为分析教育政策演变与学校间差异提供了宝贵的静态截面，尤其适合用于研究区域教育公平性与中学教育质量对比。

使用方法

使用该数据时，研究人员可通过Hugging Face的datasets库直接加载指定配置，例如调用`load_dataset('Data-Gouv-ML/diplome-national-du-brevet-par-etablissement-1', 'fr-en-dnb-par-etablissement.parquet')`。获取的'train'分割即为完整表格数据，支持Pandas等工具进行后续的统计分析。由于数据集遵循lov2开放许可，用户可自由用于学术与公共政策研究，但需注意其历史局限性，避免用于实时推断。

背景与挑战

背景概述

该数据集源自法国政府开放数据平台data.gouv.fr，由法国教育部及相关机构创建，旨在汇总按学校划分的法国国家初中毕业文凭（Diplôme National du Brevet, DNB）考试成绩。该数据集于2019年首次发布，核心研究问题聚焦于评估初中教育阶段学生的学习成果与学校绩效，为教育政策制定者、研究者及公众提供透明化的教育质量指标。作为公开数据资源，它对法国教育领域的实证研究具有重要影响，尤其在分析学校间差异、评估教育公平性及追踪长期学业表现方面提供了基础数据支持。

当前挑战

该数据集面临的挑战主要体现于两大方面。首先，从领域问题来看，其旨在解决教育评估中数据孤岛与透明度不足的难题，为学校绩效比较与教育政策效果评估提供可靠依据，但自2023年起已停止更新，依赖该数据集的研究需转向其他持续更新的数据源。其次，在构建过程中，面临数据整合与标准化挑战——需将来自不同年份、不同考试系列（如普通系列与职业系列）的异构成绩数据统一为可分析格式，同时涉及法国教育体系中学制变迁（如2013年考试系列调整）造成的历史数据兼容性问题，这对时间序列分析提出了额外复杂性。

常用场景

经典使用场景

Diplôme national du brevet par établissement 数据集汇聚了法国各初中学校国家初中毕业文凭（DNB）的考试成绩与合格率数据，按学校维度详细记录了历届学生的表现。该数据集最经典的使用场景在于教育公平与绩效评估研究，学者可借助其分析不同地域、类型或社会背景学校的学业成果差异，从而构建预测模型。研究者常将其与学校特征数据（如师资、经费）结合，探索影响学生成功的系统性因素。

衍生相关工作

基于此数据，衍生出一系列经典工作，包括构建法国初中教育绩效的基准预测模型，用以识别学校层面的异常表现。研究者将其与法国教育部发布的“中学增值指标”（IVAC）数据集结合，开发了评估学校“净效应”的统计框架。此外，自然语言处理领域的工作利用该数据训练分类器，自动识别影响考试结果的非学术因素（如出勤率）。这些衍生研究共同丰富了教育数据挖掘的方法论工具箱，并催生了跨部门数据联动分析的范式。

数据集最近研究

最新研究方向

在当前数据驱动教育治理的浪潮下，法国国家初中毕业文凭（DNB）校际表现数据集成为解析中学教育质量与公平性问题的重要窗口。尽管该数据集已停止更新，但其积累的历年按学校划分的考试成绩与知识技能掌握数据，仍被学界广泛用于横向对比不同区域、不同社会经济背景学校的教育产出差异。前沿研究尤其关注该数据集与后续发布的学校增值指标（IVAC）联合分析，以构建更立体的教育效能评估模型。此外，结合2023年DNB改革后新评分体系的宏观政策背景，该数据集亦为量化分析考试结构调整对初中毕业率及学生分流的影响提供了历史参照基准。