公開データ分析｜学校教育 2024年度
不登校35万3970人を、人数だけで読まない。
文部科学省・e-Statの令和6年度調査を、在籍者数、学校種、学年、47都道府県に分けて再集計しました。2024年度の増加がどこで生じたかと、この集計だけでは言えないことを切り分けます。
調査結果
要旨
文部科学省の2024年度問題行動・不登校調査を学校段階別に再集計し、総数の増加を前年差と在籍者比率に分けました。小・中学校の不登校児童生徒は35万3,970人でしたが、前年差の純増はほぼ小学校側で生じました。どの段階で変化したかも示しています。
研究上の問い
不登校総数の増加は、小学校と中学校のどちらで、人数と在籍者比率のどの指標に表れているのか。
対象データと定義
文部科学省の確定値・概要資料から、小学校・中学校別の不登校人数、在籍者1,000人当たり人数、前年差を使用しました。総数と率は分母が違うため別々に集計しました。
前年差への影響は、各学校段階の増減を小・中学校合計の純増で割って計算します。これは原因の影響ではなく、集計上どの段階で純増が発生したかを示す分解です。
分析方法の確認
103機能の実行結果
- 実行確認済み
- 103
103機能を全件監査し、60機能を原表の再計算・別実装照合・頑健性・感度・可視化・用語監査へ適用しました。43機能は前提不成立の理由を保存しています。
別の説明もできるか
- 総数と在籍者比率は異なる変化を示す
- 学校段階別寄与は原因寄与ではない
結果｜2024年度の純増は、ほぼ小学校で生じた
353,970 · 小・中学校の不登校児童生徒
小中合計は3.86%
不登校児童生徒は353,970人。在籍9,180,969人を分母にすると3.86%、1,000人当たり38.6人です。人数と在籍者当たり割合を併記します。
97.9% · 前年度からの純増に占める小学校
純増7,488人の内訳が偏る
2023年度から小学校は7,334人増、中学校は154人増。純増の97.9%が小学校です。合計だけでは、変化が生じた学校種を見落とします。
r = 0.715 · 都道府県の小学校率と中学校率
10年で人数は2.88倍
2014年度から在籍者は9.29%減りましたが、不登校児童生徒数は188.0%増えました。ただし定義や欠席日数の数え方が同じでない期間があり、単純な一本線として扱いません。
年度、学校種、学年、地域を同じ分母にしない
学年別の棒は、発生率ではありません
表4-4は学年別人数で、学年ごとの在籍者数を同じ表に持ちません。小1の8,738人と小6の38,080人は人数構成として示し、発生率とは呼びません。都道府県値も指定都市を別に足さず、表4-15の都道府県集計だけを使います。
実行した分析機能
方法｜取得した表を照合し、比較結果を公開するまで
- 01
pandas
年度、学校種、学年、都道府県を縦長の表にまとめました。
- 02
polars
同じCSVを別エンジンで読み、行数と型を照合。
- 03
duckdb
trend 33行、grade 9行、prefecture 47行をSQLで再確認。
- 04
numpy
中央値、四分位範囲、増減率、純増説明率を再計算。
- 05
scipy
47都道府県の小学校率と中学校率をPearson・Spearmanで記述比較。
- 06
matplotlib
年度推移、純増分解、学年別人数を静的PNGへ固定。
- 07
seaborn
地域集計上の相関を散布図と傾向線で確認。
確認する単位を数字から決める
01
学校種を分ける
小中合計に加えて、小学校と中学校の増減を別々に確認しています。02
人数と割合を並べる
母集団が違う自治体比較では、人数順位だけを使いません。03
学年は在籍者分母を足す
学校・自治体データでは学年別在籍者数を用意してから率を計算します。04
支援データを別に持つ
相談接続、学習継続、欠席日数を不登校人数と同一指標に混ぜません。小学校率と中学校率の都道府県相関は、地域集計上の関連です。スマートフォン、感染症、家庭、教員不足などを原因と断定せず、自治体順位を教育の良し悪しとして評価しません。2020〜2022年度は欠席日数の数え方が他年度と異なるため、長期推移には定義変更の注記が必要です。
考察
総数だけなら中学校の規模が大きく見えますが、前年差を見ると調べる対象が変わります。小学校の純増が大きい年には、低学年・高学年、地域、相談・支援の接続時点を追加確認する方が、総数だけを追うより具体的です。
ただし、学校段階の差だけで原因は説明できません。不登校の把握基準、在籍者数、学校内外の支援、健康・家庭・友人関係などが重なります。この結果から、次の調査で使う集計単位を絞ります。
限界
- 集計調査で、同じ児童生徒を追跡した縦断分析ではありません。
- 学校段階別の前年差から、個人の背景や支援の効果を推定していません。
- 都道府県・学年・支援状況の差はこの分析の全国集計だけでは説明できません。
結論
35万3,970人という総数だけでは変化の場所が見えません。学校段階別の前年差と在籍者比率を並べると、次の調査は小学校側を細かく見るべきだと分かります。ただし、その分解を原因の断定へ進めてはいけません。
用途別の分析資料
読む目的に合う形式を選べます。
同じ公式データを、研究報告書と1ページ要約にまとめました。 すべてPDFで閲覧・保存できます。
公開データによる自社分析です。受託案件や顧客成果の実績ではありません。
出典・公式資料と再現データ
- 文部科学省｜令和6年度調査結果（2026年1月16日修正版）
- e-Stat｜表4-2 不登校児童生徒数の推移
- e-Stat｜表4-4 学年別不登校児童生徒数
- e-Stat｜表4-15 都道府県別（国公私立）
公式Excel3表のURL、取得日、SHA-256を保存し、派生CSV、分析結果JSON、使用機能と不採用理由を記録しています。因果推論・予測・機械学習は、この問いに不要なため使用していません。
教育データ分析
学校・自治体データも、分母を揃えてから比較します。
学年、在籍者数、欠席日数、支援接続などの列を確認し、人数・割合・推移・地域差を同じ定義で示します。個人を特定できる列は共有しないでください。