nba-draft-high-school-pathways-2016-2026

该数据集收录了2016年至2026年间NBA选秀中全部653次实际选秀的球员信息，重点关注每位球员的选秀球队、所属大学或此前组织、完成高中/预科路径、学校类型分类以及数据来源谱系。版本1.0.0对数据结构进行了重大更新，将原先混杂的college_or_prior字段替换为结构化的路径字段，并移除了因选秀权被放弃而产生的空白行。数据集包含24个字段，核心字段包括：prior_org_name（完整机构名称）、prior_org_short（通用篮球标签）、prior_org_type（类型：NCAA、国际俱乐部、G联赛、高中/预科、替代学院）、high_school_finish（完成的美国高中/预科项目）、high_school_missing_reason（结构性空白的原因）和quality_flags（预留的质量标记）。数据文件包括：主表（653×24）、NCAA子集（529行）、可选的ACS城镇收入补充表（23行）以及审计友好的Excel工作簿。该数据集适用于体育分析、社会科学研究，特别是关于高中与大学路径对进入NBA的影响分析。注意：学校类型仅描述最终路径，城镇收入为生态水平代理变量，不能代表球员家庭收入；数据集仅包含被选中的球员，无法估计学生被选中的概率。This dataset contains player information for all 653 actual selections in the NBA Draft from 2016 to 2026, focusing on each players drafting team, college or prior organization, completed high school/prep path, school type classification, and data source lineage. Version 1.0.0 includes a major structural update, replacing the mixed college_or_prior field with structured path fields and removing blank rows due to forfeited picks. The dataset contains 24 fields, with core fields including: prior_org_name (full institution name), prior_org_short (common basketball label), prior_org_type (type: NCAA, international club, G League, high school/prep, alternative college), high_school_finish (completed US high school/prep program), high_school_missing_reason (reason for structural blank), and quality_flags (reserved quality markers). Data files include: main table (653×24), NCAA subset (529 rows), optional ACS town income supplement (23 rows), and an audit-friendly Excel workbook. The dataset is suitable for sports analytics, social science research, particularly analyzing the impact of high school and college paths on entering the NBA. Note: School type only describes the final path; town income is an ecological-level proxy variable, not representing player family income; the dataset only includes selected players and cannot estimate the probability of a student being selected.

原始信息汇总

NBA选秀 × 高中路径数据集（2016–2026）

数据集概述

• 名称：NBA Draft × High-School Pathways 2016–2026
• 版本：1.0.0（模式突破性质量发布）
• 许可证：CC-BY-4.0
• 规模：少于1K条记录
• 标签：表格数据、体育、NBA、篮球、选秀、高中、教育、社会科学、美国

核心内容

• 包含653条实际NBA选秀记录，覆盖2016至2026年
• 记录每位球员的选秀球队、所属大学或之前组织、高中/预备路径、学校类型分类及来源信息
• 唯一键为(draft_year, pick)组合，无缺失球员姓名、选秀球队或之前组织

数据特征

• 路径类型分布：529条NCAA、103条国际俱乐部、14条G联盟、5条直接高中/预备、2条替代学院
• 学校路径处理：108个空白学校值明确标记为no_us_high_school_pathway，表示结构性不适用，而非缺失
• 数据修复：339个字段级修复记录在analysis/change_log.csv中
• 收入数据：稀疏的ACS城镇收入数据分离为23行的可选富集表

文件结构

文件	说明
data/nba_draft_pathways_clean.csv	主分析表（653×24）
data/college_pathways.csv	NCAA子集（529行），含规范机构名称
data/public_hs_income_enrichment.csv	可选ACS收入富集表（23行）
data/nba_draft_pathways_cleaned.xlsx	审计用的Excel工作簿
codebook_clean.md	模式定义与解释说明
analysis/change_log.csv	字段级修复日志，含来源URL
analysis/CLEANING_REPORT.md	质量调查与发布摘要

核心模式

主表区分以下关键字段：

• prior_org_name：完整的规范机构、俱乐部、联盟、学校或学院名称
• prior_org_short：常用篮球标签
• prior_org_type：ncaa、international_club、g_league、high_school_or_prep或alternative_academy
• high_school_finish：适用的美国中学/预备项目
• high_school_missing_reason：结构性空白的原因说明
• quality_flags：保留用于未解决的记录问题，v1.0.0版本中全部为空

来源与修复策略

• 原始高中策划内容来自本仓库，选秀顺位、球员、选秀球队及之前组织值已与选秀年参考表交叉核对
• 官方NBA结果页面确认2024年58次选秀、2025年59次、2026年60次
• 修复保守：路径占位符如International (Spain)不视为学校名称，不支持的个人/家庭收入不进行插补
• 每个研究变更均可通过变更日志和来源列追溯

限制说明

• school_type描述的是毕业学校/路径，而非所有就读学校
• 城镇收入是生态级地点代理指标，不能解释为球员家庭收入
• 面板仅包含已选秀球员，无法估算学生被选秀的概率（缺少适当的分母群体）

引用信息

• 作者：Shah, D. (2026)
• 标题：Who Reaches the NBA Draft? Dual Concentration in College and High-School Pathways (2016–2026)
• 出版平台：SocArXiv
• DOI：https://doi.org/10.31235/osf.io/exarh_v1
• 数据集DOI：https://doi.org/10.57967/hf/9891

搜集汇总

数据集介绍

构建方式

该数据集以2016至2026年间NBA选秀的653名实际入选球员为样本，构建了一个结构化的面板数据。数据构建过程严谨，首先将原始混杂的college_or_prior字段拆分，形成标准化的路径字段，并剔除了代表弃权选秀权的三个空白行。球员的选秀信息、所属球队及先前组织均经过官方选秀年参考表的交叉验证，确保数据准确性。此外，对大学名称进行了规范化处理，如将California统一为University of California, Berkeley。最终清洗后的数据包含24个字段，并附加了完整的变更日志与来源说明，保证了每项修复的可追溯性。

特点

该数据集的核心特色在于其精细的路径分类体系，明确区分了NCAA、国际俱乐部、G联盟、高中或预科学校以及替代学院五种先前路径类型，覆盖了球员成长路径的多样性。针对结构性的缺失值，数据集采用高中学途缺失原因进行显式标记，而非简单留空，提升了数据解释的清晰度。此外，还提供了可选的城镇收入补充表，将生态层面的社会经济数据与球员背景分离，避免误导性推断。数据集版本1.0.0经过质量审查，所有行均无未解决的质量标记，且具备完整的变更日志，确保了数据的可靠性。

使用方法

数据集以CSV、Excel等格式提供，包含主表、NCAA子集及收入补充表，便于研究者直接加载分析。通过codebook_clean.md可全面了解24个字段的定义与解释，而analysis/change_log.csv则记录了每项字段级修复的细节。用户可基于prior_org_type进行分组统计，或结合high_school_finish与high_school_missing_reason字段分析高中路径与选秀结果的关系。对于需引入社会经济背景的研究，可选择性地合并public_hs_income_enrichment表，但须注意其生态学推断的局限性。数据集设计兼顾了可扩展性与透明度，适用于体育社会学、教育路径及选秀机制等领域的定量研究。

背景与挑战

背景概述

该数据集由研究者Shah于2026年构建，聚焦于2016至2026年间NBA选秀球员的大学与高中教育路径，旨在揭示职业篮球人才输送的多元化机制。数据集收录了653名实际入选球员的详细信息，涵盖选秀年份、球队、大学或前属组织、高中完成路径及来源追踪等24个字段，并通过分层分类（如NCAA、国际俱乐部、发展联盟等）系统梳理了球员的教育与职业轨迹。其创建背景源于体育社会学与教育公平的交叉领域，核心研究问题在于探讨高中与大学路径如何影响球员进入NBA的概率，以及不同路径间的结构性差异。该数据集填补了现有体育数据库中缺乏教育路径精细分类的空白，为研究体育人才选拔中的社会分层、教育机会不平等及全球人才流动提供了宝贵的数据基础，对体育分析学、教育社会学及公共政策研究均具有显著影响力。

当前挑战

该数据集面临的核心挑战在于准确刻画复杂且多样的球员路径。首先，领域问题在于传统篮球分析多聚焦于赛场表现，而忽视了球员教育背景这一关键社会变量，导致难以全面评估不同路径对职业成就的影响。其次，构建过程中遭遇多重数据难题：原始数据存在字段混杂与缺失，例如部分球员的大学名称不规范、高中信息空白或路径类型模糊（如'International (Spain)'等占位符）；需通过保守修复策略区分结构性缺失与真实缺失，避免错误归因。此外，经济数据（如城镇收入）仅作为生态代理，无法反映球员家庭真实状况，易引发生态谬误；面板仅含被选中球员，缺乏分母人口，无法推算学生进入选秀的概率。这些挑战要求数据在精细度与普适性间取得平衡，确保研究结论的稳健性与可解释性。

常用场景

经典使用场景

该数据集以2016至2026年间653位NBA选秀球员为样本，系统梳理了其高中至职业阶段的完整教育路径，涵盖大学、国际俱乐部、发展联盟及预科学校等多种培养模式。作为结构化的面板数据，它适用于追踪美国篮球人才从高中到职业选秀的流动性，为体育社会学与教育不平等研究提供了宝贵的量化素材。研究者常借助此数据集探讨不同高中培养路径与选秀结果之间的关联，亦可结合学校类型与地域收入等变量，揭示精英体育人才选拔中的结构性因素。

衍生相关工作

该数据集启发了多项延伸研究，包括构建NBA选秀结果的预测模型、分析国际球员与美国本土球员的培养差异，以及评估“高中直选”与“大学经历”对职业生涯长度的影响。研究者还基于其高质量字段，开发了用于体育社会学教学的可视化案例，并探索将高中学校类型与地区经济指标结合，揭示体育人才产出的地理与社会经济分布规律。这些工作共同推动了体育数据科学在人才发展领域的深度应用。

数据集最近研究

最新研究方向

该数据集聚焦于2016至2026年间NBA选秀球员的高中至职业路径，揭示了体育人才输送体系中教育背景与职业成就的深层关联。其前沿研究方向在于运用结构化数据解析大学、国际俱乐部、发展联盟及高中直通等多元路径的分布特征，并结合地区收入等社会经济指标，探索选秀结果中的结构性不平等。这一工作不仅为体育分析学提供了精细化的数据基础，更与社会分层、教育机会等议题交织，为理解精英体育中的路径依赖与社会流动性提供了实证窗口，对体育政策制定和教育资源分配具有启示意义。