Data-Gouv-FR/indicateurs-de-valeur-ajoutee-des-lycees-denseignement-general-et-technologique-2

该数据集包含法国普通和技术高中的增值指标，旨在评估各高中在帮助学生成功通过高中毕业考试和在整个高中阶段提供支持方面的作用。增值指标通过统计计算消除与高中外部因素相关的学业成功影响因素，以反映高中自身的贡献。具体来说，它比较了各高中学生的实际成绩与基于学生特征（如年龄、性别、入学学业水平、社会背景）和学校结构因素（如女生比例、学业延迟学生比例、学生社会背景、初中毕业考试平均分）的预期成绩之间的差异。增值值为正表示高中表现优于预期，为负则表示低于类似高中的平均水平。数据集还包括计算阈值说明，例如普通和技术高中至少需要20名考生才能计算原始通过率，而职业高中为10名。此外，当普通和技术高中系列考生少于40人或职业高中系列少于20人时，不计算预期通过率和相关增值。数据来源于法国政府开放数据平台，用于教育政策分析和学校评估。This dataset encompasses value-added indicators for general and technical high schools across France, designed to assess the role of individual high schools in facilitating students’ success in the Baccalauréat (French national high school graduation examination) and delivering support throughout their secondary education. The value-added indicators employ statistical computations to exclude the influence of academic success factors tied to external elements outside the high schools, thereby reflecting the intrinsic contribution of the schools themselves. Specifically, the dataset compares the actual academic outcomes of students in each high school against their expected performance, which is predicted based on two sets of factors: student-specific characteristics including age, gender, academic proficiency upon enrollment, and social background, and school structural factors such as the share of female students, proportion of students experiencing academic delays, students’ social backgrounds, and the average score of the junior high school graduation examination. A positive value-added score means the high school outperforms its expected performance, while a negative score indicates the school falls below the average performance of peer high schools. The dataset also provides explanations for calculation thresholds: for instance, general and technical high schools require a minimum of 20 examinees to compute the original pass rate, whereas vocational high schools need at least 10 examinees. Furthermore, the expected pass rate and corresponding value-added indicators will not be calculated if the number of examinees in the general and technical high school cohort is fewer than 40, or fewer than 20 in the vocational high school cohort. The data is sourced from the French government’s open data platform, and is intended for use in educational policy analysis and school evaluation.

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，旨在系统评估普通与技术高中在促进学生成功方面的实际效能。其构建基于法国教育部官方发布的增值指标（IVAL），通过统计建模剥离学生个人背景与学校外部因素，保留因学校自身教学努力而产生的净效果。数据集整合了原始tabular资源，采用Parquet格式存储，并经由Hugging Face平台结构化处理，每个原始数据资源对应一个数据集子集，且统一划分为训练集（train）以方便直接调用。核心逻辑在于将各校实际结果（如会考通过率）与根据生源特征（年龄、性别、入学学业水平、社会背景）及学校结构（女生比例、学业滞后生比例、初中毕业平均分）预测的期望结果进行对比，差值即为“附加值”，从而实现跨校公平比较。

特点

该数据集的核心特征在于其多维度的增值评价体系，而非单一依赖原始升学率。它提供了一系列对比性指标，包括“原始率”、“期望率”与“附加值”，允许使用者识别出那些在同等生源条件下表现异常优异或低于预期的学校。数据涵盖会考成功率、学业延续性（如从二年级至毕业班的升学路径）及荣誉等级分布，且仅对拥有完整三年学制且参考人数达标的学校进行计算（普通与技术类至少20名考生，职业类为10名），确保了统计稳健性。此外，数据集保留了学校层面的标识信息与分析所需的协变量，便于进行深层因果推断或教育政策评估，充分体现了从宏观均值到微观贡献的精细化评估理念。

使用方法

研究人员可通过Hugging Face的datasets库便捷调用该数据。具体步骤为执行`from datasets import load_dataset`命令，然后指定存储库名称与子集配置名称`"fr-en-indicateurs-de-resultat-des-lycees-gt_v2.parquet"`，即可加载包含完整训练集的Parquet表。加载后，数据结构化直观，可直接转换为pandas DataFrame进行统计建模或可视化分析。建议使用者结合法国教育部官方发布页面（education.gouv.fr）上的学校结果手册进行交叉验证，或参考Insee等机构的相关方法论文献以理解附加值指标的计算细节。该数据集适用于教育公平性研究、学校绩效评估模型开发及公共政策影响分析等场景。

背景与挑战

背景概述

在教育评估领域，如何超越单一考试成绩以衡量学校的真实教学效能，一直是研究者与政策制定者探索的核心议题。该数据集由法国教育部基于官方开放数据平台data.gouv.fr创建，旨在通过‘增值指标’体系，量化普通与技术高中在学生学业成功中的独特贡献。其核心研究问题在于剥离学生入学时的社会人口学背景与学业基础等外部因素，聚焦学校自身的教育影响，从而提供比传统‘裸通过率’更为公正的诊断工具。自发布以来，该数据集对法国教育政策评估与学校自我改进产生了深远影响，为实证研究提供了标准化的跨校比较基础。

当前挑战

该领域面对的首要挑战在于如何精准定义并测量‘增值’：需构建复杂的统计模型，以合理分离学校行动效应与学生个体特征（如年龄、性别、入学水平、社会背景）及学校结构（如性别比例、学业延迟率）等混杂变量，避免偏差。在构建过程中，挑战源于数据处理的严苛标准：仅对拥有完整三年的学校计算升学率，且需设定最低考生门槛（如普通与技术类至少20人），以确保统计可靠性；对于样本量不足的学校，相关增值指标无法得出，这限制了数据集的全面覆盖性，并需谨慎处理缺失值以维护分析结论的鲁棒性。

常用场景

经典使用场景

在法国教育评估体系中，该数据集被广泛用于衡量普通与技术高中的教育增值效应。通过整合学校层面与学生层面的多维指标，研究者利用其中的“增值指标”（IVAL）来剥离生源背景、社会人口特征等外部因素对学业成绩的影响，从而精准评估各高中在促进学生学术成功方面的独特贡献。经典做法是将实际高考通过率、预期通过率及增值得分进行对比分析，以此构建学校效能的基准框架。

实际应用

在实际教育管理中，该数据集被法国教育部和学区督导机构用于制定区域教育政策与学校改进计划。例如，识别增值得分持续为负的高中，从而优先投入师资培训或教学改革资源；同时，家长和公众可通过公开的IVAL指标对比不同学校的“真实教育贡献”，辅助择校决策。此外，数据还支持高校招生办公室分析生源高中培养质量，优化录取策略。

衍生相关工作

围绕该数据集衍生出一系列重要学术成果。Evain（2020）基于IVAL方法发表了方法论论文，系统阐述了增值指标从内部管理工具到公共传播指标的演变逻辑。后续研究进一步拓展了应用范围，如将增值模型与多水平分析结合，探讨学校规模、班级构成对学习效果的调节作用；也有工作利用该数据检验新教学法或数字化干预对学校效能的异质性影响，形成了一套成熟的学校效能评估方法论体系。