Data-Gouv-FR/ideo-structures-denseignement-superieur

该数据集是一个高等教育机构目录，由法国Onisep（国家职业信息办公室）编制，收录了提供高等教育的各类机构。包含的机构类型有：UFR（培训与研究单位）、IUT（大学技术学院）、工程学院、商学院、艺术学院以及其他类型的高等教育机构。数据字段包括：UAI（行政单位注册）代码、SIRET号码、机构类型、名称、缩写、状态（公立、私立等）、主管单位（部委、商会等）、所属大学（名称及指向Onisep页面的链接）、相关机构（名称及指向Onisep页面的链接）、地理坐标（邮政信箱、邮政地址、邮政编码、市镇、市镇标识、CEDEX提及、电话号码、区、省、学区、大区、大区标识、经度X、纬度Y）、开放日信息、以及指向Onisep页面的直接链接和Onisep唯一标识符。数据集每年大约更新十次，遵循职业指导日历和Onisep网站更新节奏。注意：截至2026年1月20日，数据集结构有变更，请参考文档和更新日志。This dataset is a directory of higher education institutions compiled by the French Onisep (National Office for Information on Occupations and Training), covering various types of institutions that offer higher education. Included institution types are: UFRs (Training and Research Units), IUTs (University Technology Institutes), engineering schools, business schools, art schools, and other types of higher education institutions. Data fields include: UAI (Administrative Unit Registration) code, SIRET number, institution type, name, acronym, status (public, private, etc.), supervisory authority (ministries, chambers of commerce, etc.), affiliated university (name and link to Onisep page), related institutions (names and links to Onisep pages), geographical coordinates (postal box, postal address, postal code, municipality, municipality identifier, CEDEX mention, phone number, district, department, academy, region, region identifier, longitude X, latitude Y), open days information, and direct link to the Onisep page with Onisep unique identifier. The dataset is updated approximately ten times per year, following the career guidance calendar and updates to the Onisep website. Note: As of January 20, 2026, there is a change in the dataset structure; please refer to the documentation and changelog.

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，由Onisep整理并定期更新，汇集了法国境内所有提供高等教育课程的机构信息。数据集的构建遵循了标准化流程，将原始tabular资源（Parquet格式文件）直接映射至Hugging Face平台，形成单一子集配置。每个子集对应一个训练拆分（train），保留了完整的数据内容与字段结构，包括UAI代码、SIRET编号、机构类型、名称、缩写、公私立属性、隶属关系、地理坐标、开放日信息及Onisep专属链接等关键要素，确保了数据的可追溯性与互操作性。

特点

该数据集的核心特点在于其权威性与综合性，覆盖了UFR、IUT、工程师学校、商学院、艺术学院等多种高等教育机构类型。每条记录均包含规范化字段，如静态数据（机构名称、类型、代码）与动态属性（隶属部委、商会、开放日安排），并整合了地理与行政层级信息（大区、学区、省、市镇）。此外，数据集通过Onisep唯一标识符链接至更详尽的机构详情页，形成多维度互联的开放数据体系。约每年十次的更新频率，保证了信息与法国教育政策及指导日历的同步性。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据。在Python环境中运行`from datasets import load_dataset`，然后指定配置名称（如"ideo-structures-d-enseignement-superieur"）使用`load_dataset("Data-Gouv-FR/ideo-structures-denseignement-superieur", "ideo-structures-d-enseignement-superieur")`即可获取训练拆分。加载后的数据集为标准的Dataset对象，支持对字段（如机构名称、坐标、开放日）进行索引、筛选与统计分析。此方法兼容数据科学工作流，便于研究人员或开发者快速整合法国高等教育机构数据进行地图可视化、教育资源分析或推荐系统构建。

背景与挑战

背景概述

在法国高等教育领域，机构信息的标准化与公开共享是提升教育透明度与决策科学性的基石。由法国国家教育与职业信息局（Onisep）创建并维护的Idéo-Structures d'enseignement supérieur数据集，自2021年首次发布以来，系统收录了全法范围内提供高等教育的各类机构，包括大学下属的UFR、IUT、工程师与商学院、艺术学院等。该数据集的核心研究问题聚焦于构建一个动态、可追溯的高等教育机构目录，以支持政策制定、学术研究与公众知情权。其依托法国开放数据平台data.gouv.fr发布，并获ODbL许可，为教育领域的跨机构协作与数据驱动分析提供了权威且持续更新的数据基础，对法国高等教育资源规划、区域教育均衡性研究及开放数据生态建设产生了深远影响。

当前挑战

该数据集面临的核心挑战在于应对高等教育机构结构动态变化与数据整合复杂性。领域层面，需要解决如何精准反映机构合并、分立、更名及隶属关系调整等频繁变动，维持目录的实时性与准确性；同时，不同类型的机构（如公立大学、私立商学院、艺术院校）在分类标准、监管归属上存在显著差异，给统一建模带来困难。构建过程中，挑战源于多源数据融合与质量保障：需对接Onisep、教育部及地方机构等多渠道数据，确保UAI码、SIRET号等标识符的一致性；此外，历史数据回溯与坐标精度校正（如地理编码的准确率）亦构成技术难点，而每年约十次的更新频率则对数据流水线的高效运维提出持续要求。

常用场景

经典使用场景

该数据集作为法国高等教育机构的权威索引目录，最经典的使用场景是构建全国性高等教育机构知识图谱。研究人员可利用其中包含的UAI代码、SIRET编号、机构类型（如UFR、IUT、工程师学院）及层级关系（如隶属大学、监管部委）等结构化字段，打造一个覆盖法国所有高等教育实体的动态地理-组织多维数据库。结合地理坐标（经纬度）与行政分区信息，该数据集还常用于空间分析，例如研究高等教育资源在不同大区和省份的分布均衡性，或评估某类院校（如商学院、艺术学院）的集群效应。此外，其定期更新的特性使其成为追踪高等教育机构合并、更名或新建趋势的可靠时间序列数据源。

解决学术问题

该数据集有效破解了法国高等教育系统长期缺乏统一、开放、可机读机构标识的难题。在学术研究中，它解决了三大核心问题：其一，通过标准化字段（如UAI码与SIRET码）实现了跨数据源（如教育部统计、科研产出数据库）的实体对齐，为宏观教育政策评估提供了底层基础设施；其二，借助机构类型、公私属性与监管部委的分类，得以量化分析公立与私立院校在区域分布、规模差异上的结构性特征；其三，通过对‘开放日’日期字段的挖掘，支持了招生宣传周期与地域可及性的计量研究。该数据集的开放许可（ODbL）模式更推动了透明科学的发展，使相关研究成果具备高度可复现性。

衍生相关工作

依托此数据集，学术界与工业界衍生出多项标志性工作。在知识工程领域，研究者以其为骨架构建了‘法国高等教育知识图谱’（French HEd KG），将松散的组织-地理关系转化为可推理的语义网络，进而支撑起‘学术流动分析’与‘院校影响力传播模型’等创新应用。计量经济学领域，有工作基于该数据的机构类型与属性，结合法国国家统计局（INSEE）的社区经济数据，建立了‘高等教育资源配置区域公平性评估模型’。自然语言处理领域，数据集的‘Onisep唯一标识符’字段被用于链接大量非结构化文本（如院校介绍页），训练出专门面向法国高教领域的分词与实体识别系统。开源社区中，该数据集的Parquet格式版本亦催生了多个标准化ETL管道，被复用于其他法语国家（如比利时、瑞士）的类似数据集清洗流程。