AHID-CN Dataset

动物伤害事件数据库，包含公开报道事件子语料库（30条事件）和刑事判决书子语料库（490条判决，约409个唯一案件），数据开源、可复现，遵循CC BY-SA 4.0许可。The Animal Harm Incident Database comprises two sub-corpora: a publicly reported incident sub-corpus containing 30 recorded events, and a criminal judgment sub-corpus with 490 rulings covering approximately 409 unique cases. This dataset is open-source, reproducible, and licensed under CC BY-SA 4.0.

原始信息汇总

数据集概述

**AHID（动物伤害事件数据库）**是一个开源、可复现的动物伤害事件数据库，旨在将分散、易删除、易误传的公开信息转化为结构化、可溯源、可查询的研究记录。

该数据集包含两个刻意分开、回答不同问题的子语料库：

子语料库	数量	说明
事件记录语料库	30 条事件	公开报道的动物伤害事件，覆盖社会可见部分，无分母
判决普查语料库	490 条判决（约 409 个唯一案件）	源自冻结语料 CAIL2018，有真实分母，仅覆盖进入刑事程序的部分

核心特点：

• 每条声明均可溯源，来源依赖性被明确建模
• 由规则引擎（而非语言模型）决定发布内容，证据充分性按版本化规则打分
• 误传内容不被删除，而是转为更正记录
• 涉及未成年人时，不发布任何可定位身份的信息（如姓名、面孔、学校、班级、街道地址）
• 数据集发布在 Zenodo（CC BY-SA 4.0 许可），一经发布不可更改，更正以新版本加变更日志形式发布

访问与引用：

• 数据存储：https://doi.org/10.5281/zenodo.21462311
• 引用格式：Deng, Nanyi (2026). AHID-CN Dataset [Data set]. Zenodo. https://doi.org/10.5281/zenodo.21462311
• 结构化数据与文档：CC BY-SA 4.0；代码：MIT 许可

治理原则： 该系统只记录事件与机构处置，不对个人下判断，不发布任何能定位到未成年人的标识符。

搜集汇总

数据集介绍

构建方式

AHID-CN数据集构建了一套严谨且可复现的事件记录体系，其方法论承袭AI Incident Database（AIID），旨在将分散、易删除的公开信息转化为结构化研究资源。数据集由两个独立子语料构成：事件语料（30条）经由规则驱动的流水线（Stage 0-5）完成种子收集、归档、来源依赖分析、主张提取与评分；判决普查（490条，约409个唯一案件）则从冻结的CAIL2018语料中通过可复现检索获得，提供真实的基数。来源依赖被显式建模，多条转载同一来源将被聚合为一个独立簇。证据充分性由版本化规则引擎判定，而非语言模型，确保发布逻辑透明且一致。误传内容被转换为更正记录而非删除。数据发布在Zenodo，不可篡改，更正以新版本及更新日志形式发布。

使用方法

用户可通过Zenodo获取该数据集，DOI（10.5281/zenodo.21462311）可解析至最新版本。数据以CSV文件存储，并附带完整文档，包括数据字典（data_dictionary.csv）、方法学（methodology.md）及判定普查协议。研究人员可利用事件语料进行质性分析，探索事件的社会呈现与报道模式；利用判决普查进行量化研究，如定罪特征、司法响应趋势。规则引擎的评分公开，支持对证据充分性的复核。用户需遵循CC BY-SA 4.0许可条款引用数据集，源代码遵循MIT许可。第三方文章文本与媒体仅被引用，不重新分发，需引用原始权利方。数据集的跨版本迭代通过changelog记录，便于追踪修订历史。

背景与挑战

背景概述

动物伤害事件在全球范围内屡见不鲜，但相关数据长期处于零散、易失、误传的状态，缺乏系统性的记录与研究资源。为填补这一空白，研究者邓南一于2026年创建了AHID-CN数据集，其方法论承接AI Incident Database（AIID）的核心理念，旨在将公开报道的动物伤害事件与刑事判决书转化为可溯源、可核验的结构化语料。该数据集在Zenodo上以CC BY-SA 4.0许可发布，包含30条经规则引擎过滤的事件记录与490条来自CAIL2018的判决书普查数据，强调事件与机构处置的记录而非个人评判，为动物保护、法律与社会学研究提供了严谨的数据基础。其发布推动了公共信息档案化与跨学科实证研究的进程。

当前挑战

AHID-CN的构建面临多重挑战：一方面，公开信息源具有流动性，原始报道易被删除、误传或重新定位，需设计源依赖分析与证据充分性评分机制以过滤噪音，这一过程必须依赖规则引擎而非语言模型，确保决策的透明性和可复现性；另一方面，事件语料无明确分母，难以衡量社会可见性偏差，而判决书语料虽具代表性，却仅覆盖刑事公诉范围，二者在实证意义上难以直接整合。此外，隐私保护尤其涉及未成年人信息的脱敏，需在不泄露定位标识符前提下保留事件与处置细节，同时数据版本在Zenodo上的不可变性要求修正以新版本发布并记录变更日志。

常用场景

经典使用场景

AHID-CN数据集作为动物伤害事件领域首个中文语料库，其经典使用场景聚焦于构建结构化的事件记录与判决文书的双轨分析框架。研究者和数据科学家可依托该数据集展开对动物伤害事件的系统性梳理，从公开报道与司法判决的双重视角切入，通过规则驱动的流水线对事件进行溯源、交叉验证与证据充分性评分，从而在缺乏既有一致性数据源的情况下，建立可供复现与核验的定量研究基础。此数据集特别适用于探究事件的社会可见性与法律处置之间的张力，为跨学科比较研究提供了坚实的数据支撑。

解决学术问题

该数据集精准回应了动物伤害研究领域长期存在的碎片化与不可比难题。既有数据多散落于社交平台或司法档案，易遭删除、误传且缺乏可追溯性，学术上难以形成有效推论。AHID-CN通过双轨设计——公开事件（无分母）与判决普查（有分母），厘清了不同研究问题的数据边界，允许学者在明确样本生成机制的前提下探索事件公开机制与司法筛滤效应。其源代码级的三方监管、误传更正记录及对未成年人隐私的保护规则，为敏感议题的数据伦理树立了新的学术标杆，提升了研究成果的可信度与伦理合规性。

实际应用

在实际应用层面，AHID-CN数据集为政策制定、司法监督与公众教育提供了数据驱动的决策工具。政策研究者可借其刻画动物伤害事件的时空分布与机构响应模式，进而评估现行法规的执行成效；媒体与监察机构可依托其查证事件真伪，遏制虚假信息的传播；非营利组织则能基于该数据设计针对性的干预与宣传教育项目。此外，数据集的治理原则——包括版本冻结与变更日志——确保了数据在公共档案中的持久性和不可篡改性，为长期的社会监测与历史对比提供了可靠参照，推动了动物保护领域的循证实践。

数据集最近研究

最新研究方向

在人工智能伦理与动物保护交叉领域，AHID-CN数据集开创性地将事件数据库方法论从AI事故追踪迁移至动物伤害记录，构建了首个中文动物伤害事件语料库。该数据集通过双轨架构设计，一方面以30条人工核验事件捕获社会可见的伤害全貌，另一方面依托CAIL2018司法语料提取490条判决书形成可统计的刑事追诉基线，巧妙弥合了公共叙事与司法现实间的认知鸿沟。其采用规则引擎而非语言模型的内容筛选机制，以及针对未成年人信息的严格脱敏治理体系，为敏感社会议题的数据存证提供了合规范式。该研究不仅填补了中文语境下动物伤害结构化记录的空白，更通过版本化发布与源头追踪机制，为跨学科研究公共信息消逝、机构响应模式及法律执行落差提供了可复现的数据基础设施。