SciCat：一个精选的科学软件仓库数据集
软件工程
2023-12-12 v1 计算工程、金融与科学
数字图书馆
摘要
用于科学研究的开源科学软件的激增带来了机遇与挑战。在本文中，我们介绍了 SciCat 数据集——一个自由/开源软件 (FLOSS) 项目的综合集合，旨在满足对精选科学和研究软件仓库的需求。该集合对于理解科学软件的创建并辅助其开发至关重要。为了确保广泛的覆盖范围，我们的方法涉及从 World of Code 数据源的 1.31 亿个去重仓库池中筛选项目。随后，我们使用 OpenAI 的先进语言模型分析 README.md 文件。我们的分类侧重于为科学目的设计的软件、与研究相关的项目以及研究支持软件。SciCat 数据集旨在成为研究科学相关软件的宝贵工具，揭示科学软件开发领域的新兴趋势、普遍做法和挑战。此外，它包含可链接到 World of Code、GitHub 及其他平台的数据，为在科学软件与非科学软件之间进行比较研究提供了坚实的基础。
引用
@article{arxiv.2312.06382,
title = {SciCat: A Curated Dataset of Scientific Software Repositories},
author = {Addi Malviya-Thakur and Reed Milewicz and Lavinia Paganini and Ahmed Samir Imam Mahmoud and Audris Mockus},
journal= {arXiv preprint arXiv:2312.06382},
year = {2023}
}