Data-Gouv-FR/inventaire-des-codes-sources-de-logiciels-publies-par-des-organismes-publics

该数据集提供了关于公共机构组织账户可访问的源代码仓库列表的信息。它包含两个子集：一个是公共部门软件锻造厂上的源代码仓库列表，另一个是公共部门软件锻造厂上的组织账户列表。数据集以Parquet和CSV格式提供，专注于法国公共数据（data-gouv），并涉及开源数据（open-data）主题。需要注意的是，该数据集自2025年4月13日起不再更新，且可能不完整，因为组织账户列表不全面。数据集旨在帮助用户了解公共机构发布的软件源代码资源。This dataset provides information on the list of source code repositories accessible from the organization accounts of public bodies. It includes two subsets: one for the list of source code repositories on public sector software forges, and another for the list of organization accounts on public sector software forges. The data is available in Parquet and CSV formats, focusing on French public data (data-gouv) and open-data topics. Note that the dataset is no longer updated as of April 13, 2025, and may not be exhaustive due to incomplete organization account listings. The dataset aims to help users understand software source code resources published by public institutions.

搜集汇总

数据集介绍

构建方式

该数据集源自法国政府开放数据平台data.gouv.fr，旨在系统性地梳理公共机构发布的软件源代码仓库。其构建过程遵循了结构化的映射逻辑：一个data.gouv.fr数据集对应一个Hugging Face仓库，而每个原始表格资源则转化为Hugging Face的子集或配置。数据集包含两个核心子集：一是公共部门软件锻造平台上的源代码仓库列表，二是公共部门组织账户列表。所有子集均统一划分为名为“train”的分区，并以高效的Parquet格式存储，确保数据加载与处理的便捷性。数据收集虽力求全面，但官方声明由于组织账户列表尚不完整，该数据集并非穷尽式收录。

特点

此数据集最显著的特质在于其聚焦于法国公共部门的开源软件生态，为研究者与政策制定者提供了审视公共资金所开发软件透明度的独特窗口。数据以双维度组织：既记录了具体的代码仓库信息，又涵盖了拥有这些仓库的公共组织账户，形成了从实体到仓库的完整映射关系。值得注意的是，该数据集已于2025年4月13日停止更新，这意味着其反映的是一个特定时间节点的快照，对于历史分析与趋势研究具有特殊价值。数据本身采用开放许可（lov2），并同时提供Parquet与CSV两种格式，兼顾了机器处理的效率与人类可读性。

使用方法

使用者可通过Hugging Face的datasets库便捷地加载数据。具体而言，利用load_dataset函数，指定数据集标识符与所需子集名称，即可将目标数据载入内存。例如，加载源代码仓库列表子集时，需传入配置名'liste-des-depots-de-code-source-sur-les-forges-logicielles-du-secteur-public'。加载后的数据集对象包含一个'train'分区，可直接进行迭代、过滤或转换为Pandas DataFrame进行深入分析。对于希望扩充数据集的用户，官方提供了通过邮件或GitHub贡献修改组织账户列表的途径，体现了开放数据协作的精神。

背景与挑战

背景概述

公共部门软件源代码的开放与共享是数字政府透明化和技术治理现代化的重要推动力。在此背景下，Inventaire-des-codes-sources-de-logiciels-publies-par-des-organismes-publics 数据集由法国政府数据平台 data.gouv.fr 于近年创建，核心研究问题聚焦于系统梳理和索引法国公共机构公开发布于行业软件锻造平台上的源代码仓库及组织账户信息。该数据集为研究公共部门软件资产分布、开放协作模式及政策执行效果提供了结构化基础，对推动全球公共行政领域的开源治理与数据开放运动具有重要参考价值。

当前挑战

在领域问题层面，该数据集旨在解决公共部门软件源代码的可见性与可追溯性挑战，即如何从分散的多个锻造平台中统一识别、归集并分类由公共机构维护的开源代码资产。构建过程中面临的主要挑战包括：数据源的非穷尽性——由于公共组织账户列表不完整，导致采集结果存在系统性遗漏；以及可持续性危机——数据集自2025年4月13日起停止更新，无法反映后续新增或变更的代码仓库，限制了其在长期纵向研究中的适用性。

常用场景

经典使用场景

在公共行政与开源治理交叉领域，该数据集作为法国公共机构发布软件源代码的权威目录，核心用于追踪和统计政府部门在GitHub、GitLab等公共代码托管平台上的开源项目分布。研究人员可借此分析公共数字服务的透明度，评估不同机构对开源政策的遵循程度，并量化公共资金开发的软件在开放协作中的参与度。

实际应用

实际应用中，该数据助力法国政府监控各机构开源项目的发布进展，识别未及时公开源代码的案例以督促整改。同时，第三方开发者和公民社会组织可基于此目录发现可复用的公共代码模块，促进跨部门技术共享，降低重复开发成本，并用于构建公共服务数字资产的可视化仪表盘。

衍生相关工作

基于该数据，衍生出两项代表性工作：其一为针对公共机构代码仓库元数据的标准化清洗工具，用于自动补全缺失的许可证信息；其二为法国公共代码贡献者网络分析图谱，揭示了机构间在开源项目上的隐性协作关系，被后续研究用于评估公共数字基础设施的社区韧性。