数据集概述
本数据集聚焦开源软件中开发者自承认的生成式人工智能（GenAI）使用情况，包含1292个明确提及GenAI工具使用的实例，覆盖156个GitHub仓库，涉及任务分类、内容类型、使用目的等维度，为研究AI辅助软件开发的实际应用与影响提供数据支持。
文件详解
- 文件名称：0_README.md
- 文件格式：Markdown（.md）
- 内容：研究工件说明文档，介绍数据集背景、包含的文件内容及研究问题对应的分析资源
- 文件名称：1_project-sampling.zip
- 文件格式：压缩包（.zip）
- 内容：项目抽样相关数据，可能包含GitHub仓库筛选标准、样本选取过程记录等
- 文件名称：2_genai-mention-identification.zip
- 文件格式：压缩包（.zip）
- 内容：GenAI提及识别相关数据，可能包含识别出的1292个自承认使用实例的原始记录、识别方法说明等
- 文件名称：3_qualitative-analysis.zip
- 文件格式：压缩包（.zip）
- 内容：定性分析相关数据，基于284个编码提及推导的32类任务、10类内容类型、11类使用目的的分类体系及编码过程记录
- 文件名称：4_quantitative-analysis.zip
- 文件格式：压缩包（.zip）
- 内容：定量分析相关数据，包含151个仓库代码变动（code churn）的纵向分析结果、统计方法说明等
- 文件名称：5_llm_policies-and-guidelines.zip
- 文件格式：压缩包（.zip）
- 内容：LLM政策与指南相关数据，包含13份GenAI工具使用政策文档、开发者调查问卷及伦理法律关切分析记录
适用场景
- 开源软件开发研究：分析GenAI工具在开源项目中的实际应用场景与任务分布
- AI辅助开发影响评估：探究GenAI使用对代码变动、开发效率等方面的纵向影响
- 软件伦理与政策研究：研究开源社区对GenAI工具的使用规范、伦理关切及政策制定逻辑
- 自然语言处理应用：基于自承认GenAI使用文本，开发AI工具使用提及的自动识别模型
