
大数据揭示城乡“贫富差距悬殊”,农村孩子输在起点
“贫富差距悬殊”这种政治味浓浓的术语,完全不足以描述农村孩子过着怎样悲惨的童年,让大数据来讲述真相……
在中国,超过一半的儿童生活在农村
湖南卫视从2006年开播《变形计》,在一段时间内让城市与农村的孩子互换生活。
这是个极富争议的节目。抛开由于编导等问题带来的对节目本身的质疑,城市与农村的差距被赤裸裸地撕开,由具体的某个少年在电视屏幕上展现出来,比数字更加形象地令人心酸。
有多少儿童生活在农村?
根据2010年第六次人口普查的数据,中国0-17岁的儿童人口为2.79亿,占中国人口总数的20%,其中有55%的儿童生活在农村。
2015年中国城镇居民人均可支配收入为31195元,而农村居民为11422元。
可是,生活在城镇与农村,并不是收入相差近3倍所以生活相差3倍这样简单的换算问题。
对于儿童来说,除了经济资源之外,家庭环境、同辈群体、学校、社区环境等早期环境中的成长经历,都会对他们的未来的影响深远。
投胎在农村,起点就已经输了这么多
有不到1/10的城镇儿童生活在贫困家庭中(年人均纯收入2300元),在农村,这个比例约为1/5。
但是,有6成的农村儿童家庭没有自来水,近8成的农村儿童家庭没有抽水马桶与垃圾回收处,这远高于贫困家庭的比例。而这些是绝大部分城市儿童习以为常的。
从家庭培养条件来看,绝大多数农村儿童的父母学历都在高中以下。
国内外都有调查研究证明,父母的受教育水平会直接影响孩子的收入水平,在贫富差距悬殊的国家,这一现象会更加明显。
生活条件差、家庭收入少、父母受教育水平低,这些因素直接让农村孩子处在一个不利的起点。
同样都是义务教育,效果却很不同
得益于从上世纪80年代末就开始实施的九年义务教育制度,城市与农村6-15岁儿童的入学率都很高。
但是,如果看过1999年与政策相符合的电影《一个都不能少》,在农村实行义务教育的教学条件,十分艰苦。
为了提高农村教学效率而实施的“撤点并校”,将散落在各村的中小学撤销,把学生集中到城镇中心学校。
改善了教学质量,却也让边远地区的儿童上学更加遥远。算是弥补的政策是,鼓励这些中心学校提供寄宿。
而现实是,寄宿制学校的资质无法把控,食品安全与生活安全都有问题。
而义务教育不能解决的还有启蒙问题。只有不到一半的农村儿童会进入托儿所或幼儿园,早期教育一项,城乡有明显差别。
以上种种,导致有超过4成的农村儿童,自动放弃了去大学继续接收高等教育的想法。
如果说学校教育在国家政策的强行关照下数据的差别还没那么大,那么来自父母的家庭教育,真正意义上将城市与农村的差距拉开来。
农村合作医疗了,健康却在出生开始落后
农村低出生体重儿的比例高达10%,父母贫困、营养失调、缺乏产前保健、恶劣的生活和工作条件和工作条件都有可能是原因。
在这张图中,农村儿童唯一领先的是“有医疗保险”,这得益于2003年起开始执行的新型农村合作医疗。
可是DT君注意到,城镇儿童和农村儿童的患病率相差无几,说明他们的健康状况并没有多大差距,但是农村儿童去医院看病的比例明显更低。
在医疗保险覆盖率差不多的情况下,这就有可能是因为农村地区缺乏必要的医疗卫生设施。
以上种种,在农村孩子心里留下这些烙印
超过1/3儿童都觉得自己的人缘关系不好,而城镇儿童人缘不好的比例是1/4。农村儿童平均有6个好朋友,城镇儿童的平均好朋友人数是8个。
在生活环境、家庭条件、获得教育、医疗条件等方面的差距,最后都会影响到儿童的心理状态。
觉得自己不幸福、对前途没信心、缺乏社交技能,这些当下的感觉与落差,在不同程度上,都会影响到未来的生活。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02