Data-Gouv-FR/anr-02-projets-anr-dgpie-detail-des-projets-et-des-partenaires

该数据集包含自2010年以来由法国国家研究机构（ANR）的国家重大投资计划局（DGPIE）资助的项目详情。数据集提供了关于项目的详细信息，以及合作伙伴机构科学负责人的信息。这些项目由ANR管理，作为高等教育和研究领域未来投资计划（PIA 1、2、3和4）的主要运营商。数据集分为两个子集：一个专注于项目详情，另一个专注于合作伙伴详情，均以Parquet格式存储。Projects funded by the Direction des Grands Programmes d’Investissement de l’État (DGPIE) of the ANR since 2010. Information concerning the projects and information concerning the scientific managers of partner organizations. These projects are managed by the ANR as the main operator of the future investment programs (PIA 1, 2, 3 and 4) in the field of higher education and research.

搜集汇总

数据集介绍

构建方式

该数据集汇聚了法国国家研究署（ANR）自2010年以来由国家重大投资计划总局（DGPIE）资助的所有研究项目信息。数据来源于ANR作为未来投资计划（PIA 1至4）主要执行机构的官方记录，涵盖了高等教育与研究领域的项目细节及合作机构的科研负责人信息。构建过程依托于法国开放数据平台data.gouv.fr，整合了项目描述、合作方构成等结构化数据，形成可用于科研管理与分析的综合资源。

特点

数据集以法语呈现，聚焦法国国家层面的大型研究投资计划，时间跨度覆盖PIA四个阶段，具有高度的政策关联性和历史延续性。其核心特点在于同时收录项目本身信息与合作伙伴的科研负责人详情，为分析产学研协作模式、资金分配趋势及机构网络提供了双重维度。数据遵循ODbL开放许可，支持自由复用与衍生，尤其适合用于科技政策研究、资助效果评估及科研合作图谱构建。

使用方法

用户可直接通过data.gouv.fr平台访问原数据集（标识符60ca244980d5c4f0aecd07d1），获取CSV或JSON等标准格式的原始数据。建议使用Python的pandas库进行数据清洗与分析，或结合网络分析工具（如Gephi）对合作机构关系进行可视化。该数据集适用于学术计量研究、政府科技管理优化及开放科学领域的数据驱动项目，使用时需注明来源并遵守ODbL许可条款。

背景与挑战

背景概述

该数据集由法国国家研究署（ANR）创建，旨在系统记录自2010年以来由国家重大投资计划（DGPIE）资助的研究项目及其合作伙伴的详细信息。作为法国高等教育与研究领域的关键数据资源，该数据集涵盖了PIA 1至4计划的执行情况，包括项目基本信息和合作伙伴科研负责人资料。其核心研究价值在于为科研政策评估、资金分配分析以及学术合作网络研究提供结构化数据支撑。数据集通过data.gouv.fr平台公开发布，采用ODbL许可协议，自发布以来已成为法国开放科研数据生态的重要组成部分，对促进透明化科研管理和跨机构合作研究具有显著影响力。

当前挑战

该数据集面临的主要挑战包括：1）研究领域问题层面，如何准确刻画法国国家科研投资计划的执行效果与学术产出之间的因果关系，需要解决数据碎片化与异构来源整合的难题；2）数据构建过程中，需要处理各机构间不完全一致的数据标准，确保项目描述、资助金额、合作伙伴信息等字段的语义一致性；3）面临时间维度上的数据质量控制挑战，需长期维护十年间项目信息的完整性与更新及时性，避免因机构重组或人员变动导致的数据断档。

常用场景

经典使用场景

该数据集收录了自2010年以来由法国国家研究署（ANR）下属国家重大投资计划总局（DGPIE）资助的科研项目详细信息，涵盖项目名称、研究目标、经费数额及参与机构等核心字段。经典使用场景包括宏观层面的科研资助趋势分析，帮助学者和政策研究者洞察法国在高等教育与科研领域通过未来投资计划（PIA 1-4）所倾斜的优先学科方向；同时亦可用于微观层面的合作网络挖掘，通过解析项目负责人与实验室、企业等合作伙伴之间的关联，揭示跨机构协作的潜在模式。

实际应用

在实际应用中，该数据集主要服务于科研管理部门的绩效审计与战略规划。例如，法国ANR内部可利用其进行年度资助项目的分类统计，识别出合作网络稀疏的薄弱领域，并针对性调整下一轮PIA的招标主题。对于智库与咨询机构而言，该数据可用于制作可视化仪表盘，直观展示公共研发资金的地域分布与学科集中度，辅助地方政府研判本地科研竞争力。第三方评估公司亦可基于此数据集构建模型，预测不同资助结构下的创新产出概率。

衍生相关工作

基于该数据集衍生的经典工作主要集中在三大方向：其一为合作网络建模，研究者通过提取项目中的多类合作伙伴（如实验室、企业）构建异构网络，利用社区发现算法识别关键枢纽机构及其对整体资助生态的支撑作用；其二为文本挖掘与主题演化分析，利用项目描述文本进行动态主题建模，追踪PIA各个阶段中主导技术领域（例如从纳米材料转向人工智能）的变迁轨迹；其三为因果推断研究，结合科研产出数据，构建双重差分模型评估特定资助模式对论文引用次数或专利授权量的边际贡献。