AI & ML interests
Skoleatlas is a community initiative for transparency around Danish public school data. We're interested in natural language processing (NLP) for analyzing documents, and in data extraction and visualization tools that make school data more accessible and comparable across municipalities. Beyond funding data, we're exploring machine learning approaches to correlate resource allocation with outcomes - linking budget levels to student wellbeing (trivsel) survey results, academic performance metrics, and teacher retention. We're particularly interested in pattern detection across municipalities and school years: identifying which funding models, class-size structures, or support-staff ratios consistently produce better or worse outcomes, and surfacing anomalies (e.g. schools that outperform or underperform their funding level) that merit closer scrutiny.
Recent Activity
Skoleatlas
Åbne data om den danske folkeskoles økonomi og resultater.
Skoleatlas samler det talgrundlag, der skal til for at svare på et enkelt spørgsmål: hvad får den enkelte skole, og hvad kommer der ud af det?
Tallene findes i forvejen — i Børne- og Undervisningsministeriets uddannelsesstatistik, i Danmarks Statistik, i kommunale udvalgsbilag og i skolebestyrelsesreferater. Men de ligger spredt, i formater der ikke lader sig sammenligne, og de skolefordelte beløb offentliggøres ofte kun som en tabel langt inde i et mødebilag. Her er de hentet hjem, efterprøvet og lagt i parquet.
Arbejdet er lavet som research bag silkeskoleatlas.org. Det er ikke en officiel udgivelse fra nogen myndighed.
Datasæt
Hele landet
| datasæt | indhold |
|---|---|
dk-skoledata-national |
Elevtal, trivsel, fravær, karakterer, personale, timetal og socioøkonomiske referencer fra STIL, plus kommunale regnskaber og budgetter fra Danmarks Statistik |
dk-udvalg-skole-boern-unge |
Møder, dagsordenspunkter og bilag fra kommunernes børne- og skoleudvalg. Bilagene rummer de skolefordelte budgettabeller, der ikke publiceres andre steder |
dk-skolebestyrelse-referater |
Referater og bilag fra skolebestyrelser, med dokumenterne indlejret i parquet |
benchmark-dk-interaktivt-benchmarkingunivers |
Høst af benchmark.dk's interaktive kommunebenchmarking |
Silkeborg Kommune
| datasæt | indhold |
|---|---|
silkeborg-noegletal |
Tildeling pr. elev, elevtal, klassekvotienter, karakterer, trivsel, fravær og undervisningseffekt |
silkeborg-dokumenter |
Kildedokumenterne: budgetmateriale, høringssvar, udvalgsbilag, referater og webarkiv |
silkeborg-byraadsmoeder-2012-2026 |
Byrådsmøder som video med transskription og kapitelinddeling |
Kom i gang
import pandas as pd
t = pd.read_parquet("hf://datasets/Skoleatlas/dk-skoledata-national/"
"stil/elevtrivsel__trivselsindikatorer__detalje.parquet")
seneste = t[(t.skoleaar == "2024/2025") & (t.trivselsindikator == "Generel trivsel")]
print(seneste.indikatorsvar_num.describe())
Hvert datasæt har sit eget kort med skema, eksempler og forbehold. Læs forbeholdene — flere af tallene ser mere sammenlignelige ud, end de er.
Tre ting, der er værd at vide
Kommunerne opgør «udgift pr. elev» forskelligt. Nogle har specialundervisning og SFO med, andre ikke. Kronebeløb kan ikke uden videre sammenlignes på tværs af kommuner uden at kende, hvad der ligger i tallet.
Talkolonner findes bĂĄde som rĂĄ tekst og som _num. Kilderne bruger dansk
decimalkomma og markeringer som <ikke mulig>. Den rĂĄ kolonne bevarer, hvorfor
en værdi mangler; _num er den parsede værdi, du skal regne på.
Dækningen er ujævn, hvor data er indsamlet frem for udleveret. Det gælder især referater og udvalgsbilag. At et dokument mangler betyder ikke, at mødet ikke fandt sted.
Licens
CC BY 4.0 for samlingerne, metadataene og de afledte tabeller. De enkelte dokumenter og videoer tilhører de udstedende myndigheder og er gengivet som offentligt tilgængelige forvaltningsdokumenter.