Data-Gouv-FR/effectifs-deleves-par-niveau-et-nombre-de-classes-par-ecole-date-dobservation-au-debut-du-mois-d

该数据集呈现了每所学校按年级和班级数量的学生人数。截至2023学年，UEEA（自闭症小学教学单元）的学生被计入小学学生人数中，无法单独统计；从2024学年起，这些学生可以单独统计，不再包含在小学各年级人数变量中。数据观察时间为每年10月初，最新观察日期为2024年10月1日。使用的缩写包括：REP（优先教育网络）、REP+（优先教育加强网络）、ULIS（本地化学校包容单元）、UEEA（自闭症小学教学单元）。This dataset presents the number of students by grade and number of classes per school. Until the 2023 school year, students in UEEA (Autism Elementary Education Units) were counted with elementary school students without the possibility of isolating them. Starting from the 2024 school year, it is now possible to count these students separately from elementary school numbers. Thus, from this school year onwards, UEEA student numbers per school are available in the Number of students in UEEA variable and are no longer included in the variables for different elementary grade levels. Observation at the start of the school year: early October each year. Date of the last observation: 01/10/2024. Abbreviations used: REP (Priority Education Network), REP+ (Priority Education Plus Network), ULIS (Localized Units for School Inclusion), UEEA (Autism Elementary Education Units).

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，旨在追踪每所学校按年级划分的学生人数及班级数量。构建方式遵循Hugging Face的数据集结构规范，将原始tabular资源映射为子集/配置，每个子集包含一个名为'train'的分片。数据集以Parquet格式存储，文件路径为data/fr-en-ecoles-effectifs-nb_classes.parquet，确保了高效的数据读取与压缩。通过统一的加载接口，用户可直接从Hugging Face仓库调用并访问完整的数据结构。

特点

数据集覆盖法国公立学校从小学到初中阶段的详细统计信息，观察时间定于每年十月初，更新至2024年10月1日。其显著特点是区分了普通教育与特殊教育学生，例如自2024学年起，UEEA（小学自闭症教学单元）的学生人数被独立记录，不再归入普通小学年级变量中。此外，数据集包含了REP、REP+、ULIS等教育优先区域和融合单元的标识，为教育政策分析与资源分配提供了精细化的数据支撑。

使用方法

使用者可通过Python的datasets库便捷加载该数据集，调用load_dataset函数并指定子集名称'fr-en-ecoles-effectifs-nb_classes.parquet'，即可获取训练集数据。加载后的dataset对象支持常见的转换与查询操作，便于后续的数据清洗、统计分析或机器学习建模。由于数据以Parquet格式存储，其列式存储特性有利于快速筛选子集，适用于大规模教育数据的处理场景。

背景与挑战

背景概述

该数据集发布于法国开放数据平台data.gouv.fr，由法国公共数据机构维护，旨在提供每所学校按年级划分的学生人数及班级数量的官方统计信息。数据观测时间定于每年十月初，反映学年伊始的入学状况，最新观测日期为2024年10月1日。核心研究问题聚焦于教育资源配置的量化分析，尤其关注特殊教育单元（如UEEA、ULIS）学生数量的独立统计，从而支持教育公平性评估与政策制定。自2024学年起，数据集将UEEA学生从普通小学学生中分离，提升了数据颗粒度，对法国教育研究领域具有重要影响力，为政府、学者及公众提供了透明、可复用的结构化公开数据，推动了教育大数据分析的发展。

当前挑战

该数据集所解决的领域问题在于，传统教育统计中特殊教育学生（如UEEA）被归入普通小学类别，导致难以精准评估特殊教育资源的分配效果。构建过程中的挑战包括：1) 数据整合的复杂性——需协调全国不同学校的填报标准，确保各年级与班级数统计口径一致；2) 隐私与开放数据的平衡——在公开每所学校具体数据的同时，需避免学生个体信息泄露；3) 历史数据版本管理——2024年调整UEEA统计方式后，需保证与往年数据的可比性以及后续分析的连续性；4) 多格式支持——同时提供CSV和Parquet格式，以兼顾不同用户的技术需求与存储效率。

常用场景

经典使用场景

该数据集记录了法国每所学校按年级划分的学生人数及班级数量，时间节点为每年十月初的开学观测日。其经典使用场景在于教育资源的空间分布分析与教育政策评估。研究者可借助该数据集，对法国不同地区、不同教育优先网络（如REP和REP+）的学校进行纵向对比，追踪学生数量与班级配置的动态变化，从而揭示教育资源分配的均衡性与效率。此外，由于数据包含了从2024年起单独统计的自闭症儿童特殊教育单元（UEEA）学生数，该数据集也成为了研究特殊教育融合政策实施效果的重要基础资料。

解决学术问题

在教育经济学与教育社会学领域，该数据集有效解决了学校层面学生规模与班级结构量化数据长期缺失的问题。过往研究往往依赖区域汇总数据，难以精确评估小尺度教育资源的供需矛盾。本数据集提供了从学前到小学阶段的逐校微观数据，使得学者能够深入探讨班级规模对教育质量的影响、教育资源优先配置政策的实际落地情况，以及特殊教育需求学生分布的空间异质性。其年度观测的连续性也为面板数据分析提供了可能，助力揭示教育不平等的演化趋势。

衍生相关工作

基于该数据集，已衍生出多项具有影响力的研究工作。例如，研究者利用多年观测数据构建了法国小学班级规模与学生学业表现之间的因果识别模型，发现了小班教学在优先教育区的显著正向效应。另有工作聚焦于特殊教育需求学生的空间聚集特征，探讨了UEEA单元设立的地理公平性问题。此外，该数据集常与法国国家教育统计局的考试成绩、教师资历等其他公开数据关联，形成了大规模教育综合评价数据库，推动了教育政策循环评估体系的建立。