数据集概述
本数据集支持题为"Advancing Research Software Engineering with AI: A Research Framework"的研究，聚焦人工智能在研究软件工程（AI4RSE）领域的应用。数据集包含对超过1500个开源研究软件仓库进行大规模实证分析的全部材料，涵盖仓库元数据、IEEE分类映射、相关文献和分析脚本。数据内容涉及AI使用情况、工程成熟度、FAIR4RS原则符合度评估等多个维度，总计包含3083个文件。
文件详解
- 仓库元数据与评分
- 文件名称： 各类JSON文件（如
8396871.json、10098366.json等）
- 文件格式： JSON
- 字段映射介绍： 包含1512个研究软件仓库的元数据，从GitHub提取并标注AI使用情况、工程成熟度和FAIR4RS符合度评分。
- 分析结果文件
- 文件名称： 各类CSV文件（如
AI-RSE - Analysis-Results.csv、AI-RSE - Dashboard-Ranking.csv等）
- 文件格式： CSV
- 字段映射介绍： 包含仓库分析结果，涵盖软件工程工作量、代码生成评估、AI-ML-Ops、公平性评估等维度数据。
- IEEE分类映射
- 文件名称：
ieee_taxonomy_clean.json、ieee_taxonomy_flat_L1_L2_filtered.txt等
- 文件格式： JSON/TXT
- 字段映射介绍： 包含IEEE Taxonomy 2025术语的过滤子集，用于仓库分类和领域特定分析。
- 分析脚本
- 文件名称： 各类Python脚本（如
citations.py、detect_ai_code.py等）
- 文件格式： PY
- 字段映射介绍： 用于数据收集、处理、评分和分类的Python及Jupyter脚本，包括静态和语义代码检查、GenAI使用检测、FAIR4RS检查等功能。
数据来源
研究论文"Advancing Research Software Engineering with AI: A Research Framework"
适用场景
- 研究软件工程AI应用评估: 分析开源研究软件中AI技术的使用模式、成熟度和影响。
- FAIR原则符合度研究: 评估研究软件对FAIR4RS原则的遵循程度和改进空间。
- 软件工程实践分析: 研究不同研究软件项目的工程化水平和最佳实践。
- 学术软件仓库分类研究: 基于IEEE分类体系对研究软件进行系统化分类和分析。
- 可重复性研究支持: 为AI在研究软件工程领域的可重复研究提供数据基础和分析工具。
