法学院入学与律师资格考试通过情况分析数据集1991-1997-danofer
数据来源：互联网公开数据
标签：法学院,入学,律师资格考试,LSAT,GPA,律师,法律教育,录取,公平性,偏见分析
数据概述：
本数据集源自法学院入学委员会（LSAC）的全国律师资格考试通过情况研究，涵盖了1991年至1997年间约27000名法学院学生的详细信息。数据追踪了这些学生从法学院入学、毕业到参加律师资格考试的全过程，是关于有志于从事法律职业的群体在人口统计学、经历和结果方面最全面的数据库。尽管数据存在一定的局限性，但它为研究法律教育相关的各种问题提供了独特且宝贵的资源。
数据集最初由Linda Wightman于1998年收集，用于一项名为“LSAC全国纵向律师资格考试通过情况研究”的研究。
数据包含的重要变量包括：
- dnn_bar_pass_prediction：深度神经网络（DNN）模型预测的律师资格考试通过概率。
- gender：学生的性别。
- lsat：学生在法学院入学考试（LSAT）中获得的成绩。
- race：学生的种族。
- ugpa：学生的本科GPA（平均学分绩点）。
- pass_bar：真实标签，指示学生是否最终通过了律师资格考试。
- bar_passed：我添加的布尔目标列，指示某人是否通过了律师资格考试。
数据用途概述：
该数据集可用于多种研究目的，包括：预测学生是否能通过律师资格考试，基于LSAT成绩和本科GPA进行分析；分析不同种族、性别背景的学生在律师资格考试中的表现差异，进行公平性与偏见分析；研究法学院入学标准对律师资格考试通过率的影响；评估法律教育的有效性；以及探索影响律师职业成功的其他因素。此数据集也适用于机器学习模型的训练和评估，例如使用Tensorflow Fairness Indicators进行偏见检测。
