教育中的不公平不平等：用于人工智能公平性研究的基准数据集

这对学生和社会为何重要

在全球范围内，学校越来越依赖数据和算法来判断谁需要帮助、谁可能成功，甚至谁能进入特殊项目。但如果输入这些系统的数据本身存在偏见，算法可能会在不知不觉中加深不公而不是纠正它。本文介绍了一个新的教育数据集，专门构建以便研究人员能够研究并减少人工智能中的不公平对待，目标是让所有学生——尤其是来自弱势背景的学生——都能从数据驱动的工具中受益。

对真实课堂的新视角

该数据集来自西班牙加那利群岛的公立学校，跟踪了四万多名学生跨越多个学年。它不仅记录考试成绩，还将学生、家庭、教师和校长的信息结合在一起。这意味着它不仅涵盖学生在数学、语文和英语上的成绩，还包括家庭收入与教育水平、家庭学习资源、课堂教学实践以及学生对学校的感受。通过跨越数年和多个年级，该数据使研究人员能够追踪儿童的学习进程，以及他们可能落后或辍学的时点与原因。

把混乱的学校数据转成公平的试验平台

真实的教育数据往往很混乱：包含数百个问题、许多重叠主题以及大量空白回答。有些家庭会跳过关于收入或居住条件等敏感问题，常常出于担忧或耻辱感。作者没有简单地用猜测来填补这些空缺，而是谨慎地区分随机缺失的答案与可能反映社会脆弱性的缺失。对于后者，他们避免自动修补，以免掩盖而非揭示不平等。在与教育与经济学专家合作下，他们将相关问题归并为一组更少且清晰的平均化指标——例如学生使用电脑的频率或与教师的关系强度——同时保留特别敏感的模式，供研究者小心处理。

在数字中保留真实故事

当把500多项问卷问题缩减到约140个特征时，确实存在扭曲数据所讲故事的风险。为检验是否发生这种情况，团队进行了一系列统计检验。他们比较原始数据与简化后数据，以确定两者是否仍然编码相同的关系——既包括学生背景与成绩之间的关系，也包括敏感特征（如性别、出生地或家庭收入）与结果之间的关系。利用先进的依赖性度量和若干公平性检查，他们表明新的紧凑数据集保留了几乎所有原始信息，并且关键在于，它不会让已有的不公平模式变得更好或更糟。

研究者可以用此资源探索的内容

由于该数据集以易于使用的格式公开可用，它为多类研究提供了共同的“试验台”。科学家可以构建并比较用于为有限项目名额对学生进行排序的算法，同时检验这种选拔是否会使某些群体处于不利地位。他们可以设计工具来发现那些悄然落后的学生，并解释哪些因素最为关键，以便教师和政策制定者采取应对。数据还支持学校辍学的早期预警模型，以及关于家庭资源、父母职业与教育、学校环境如何影响学习机会的更广泛分析。详尽的文档和开源代码使得复现和扩展作者工作变得直接可行。

这如何推进教育领域的公平人工智能

简言之，文章提供了一个经过仔细清理、文档完备的学校数据集，便于研究人员压力测试其算法是否公正对待学生。它遵守隐私法律，保留数据中的真实模式——包括令人不适的部分——并揭示缺失回答本身可能传递的困难信息。通过同时提供原始信息和为算法使用而策划的版本，作者为社区提供了一个共同的基础，以构建、比较和改进旨在支持学生而不加剧不公平的不平等的人工智能工具。

引用: Giovanelli, J., Magnini, M., Ciatto, G. et al. Unfair Inequality in Education: A Benchmark for AI-Fairness Research. Sci Data 13, 572 (2026). https://doi.org/10.1038/s41597-026-06827-x

关键词: 教育数据, 算法公平性, 学生表现, 社会经济不平等, 负责任的人工智能