SNSF-funded AI-related grants datasets

该数据集包含2011年至2024年间SNSF资助的与人工智能相关的研究项目数据。其中，ai_key_terms_counts.csv记录了AI相关关键词在研究项目中的出现次数，ai_related_grants.csv包含了21,784个研究项目的基本信息和关键词检测数据。

This dataset contains data on AI-related research projects funded by the SNSF between 2011 and 2024. Specifically, the file ai_key_terms_counts.csv records the occurrence counts of AI-related keywords in these research projects, while ai_related_grants.csv includes basic information and keyword detection data for 21,784 research projects.

原始信息汇总

数据集概述：SNSF资助的人工智能相关研究

基本信息

• 标题: Datastory: How much of SNSF-funded research is related to artificial intelligence?
• 作者: Manuel Klaus, Simon Gorin
• 发布日期: 17.07.2025
• 数据描述: 数据故事中使用的数据位于data文件夹中，包含2011年至2024年间以英语撰写的项目和职业资助的拨款数据，总计21,784项拨款。

数据集文件

ai_key_terms_counts.csv

• 内容: 记录了在拨款中检测到的AI相关关键词的出现次数。
• 字段:
  • research_domain_en: 研究领域（SSH、MINT、LS、multi-domain）。
  • research_domain_de: 德语翻译的研究领域。
  • research_domain_fr: 法语翻译的研究领域。
  • research_domain_en_short: 研究领域的英文缩写。
  • research_domain_de_short: 研究领域的德文缩写。
  • research_domain_fr_short: 研究领域的法文缩写。
  • year: 拨款的call decision year。
  • key_term: AI相关关键词。
  • count: 关键词出现的拨款数量。

ai_related_grants.csv

• 内容: 包含分析的21,784项拨款数据，包括资助方案、研究领域、关键词计数和检测到的关键词。
• 字段:
  • grant_number: 拨款的唯一标识符。
  • title: 拨款标题。
  • year: 拨款的call decision year。
  • research_domain_en: 研究领域（SSH、MINT、LS、multi-domain）。
  • research_domain_de: 德语翻译的研究领域。
  • research_domain_fr: 法语翻译的研究领域。
  • research_domain_en_short: 研究领域的英文缩写。
  • research_domain_de_short: 研究领域的德文缩写。
  • research_domain_fr_short: 研究领域的法文缩写。
  • key_terms_count: 拨款标题、摘要和关键词中检测到的AI相关关键词出现次数。
  • unique_key_terms_count: 检测到的唯一AI相关关键词数量。
  • key_terms_detected: 检测到的唯一AI相关关键词列表。
  • funding_scheme_level_1: SNSF资助方案的第一级分类（仅包括"Project"和"Careers"）。
  • funding_scheme_level_2: 拨款的资助方案。

相关链接

• English数据故事
• German数据故事
• French数据故事

搜集汇总

数据集介绍

构建方式

在人工智能研究日益蓬勃发展的背景下，SNSF-funded AI-related grants datasets通过系统性地收集2011至2024年间瑞士国家科学基金会（SNSF）资助的21,784项研究项目数据构建而成。该数据集采用关键词检索技术，从项目标题、摘要及关键词中识别与人工智能相关的术语，并按照研究领域、年份及资助计划等多维度进行分类统计，确保数据的全面性与准确性。

特点

该数据集以其多语言支持和跨学科分类为显著特点，涵盖社会科学与人文（SSH）、数学与自然科学（MINT）、生命科学（LS）及跨领域研究。数据文件详细记录了每个项目中AI关键词的出现频次及唯一性统计，并提供了项目编号以便与SNSF数据门户中的其他数据集进行关联分析，为研究者提供了丰富的元数据支持。

使用方法

研究者可通过解析`ai_key_terms_counts.csv`文件分析不同年份、领域内AI术语的分布趋势，或利用`ai_related_grants.csv`中的项目编号关联原始摘要进行深度文本挖掘。数据集支持通过资助计划层级（如职业发展类或项目类）筛选目标样本，其多语言字段设计便于国际团队开展跨地区比较研究。

背景与挑战

背景概述

SNSF-funded AI-related grants datasets由瑞士国家科学基金会（SNSF）于2025年7月17日发布，主要研究人员为Manuel Klaus和Simon Gorin。该数据集涵盖了2011年至2024年间SNSF资助的21,784项研究项目，旨在通过关键词分析方法揭示人工智能相关研究的增长趋势及其在不同学科领域的分布。作为跨学科研究的量化工具，该数据集为政策制定者、科研机构和学术界提供了宝贵的数据支持，有助于理解人工智能技术在社会科学、自然科学和生命科学等领域的渗透与影响。

当前挑战

该数据集面临的挑战主要体现在两个方面：在领域问题层面，如何准确界定和识别人工智能相关研究项目存在难度，关键词匹配方法可能无法全面捕捉复杂的研究内容；在构建过程中，跨语言数据处理和多学科分类体系的统一标准化工作带来了技术复杂性，同时项目摘要的缺失也限制了数据的深度挖掘潜力。

常用场景

经典使用场景

在科研资助分析领域，SNSF资助的AI相关项目数据集为研究人工智能在不同学科中的渗透趋势提供了重要依据。通过分析2011至2024年间21784个项目的关键词分布，研究者能够追踪机器学习、深度学习等技术在社会科学、生命科学等领域的扩散轨迹，揭示跨学科研究的动态演变规律。

实际应用

在实际应用中，该数据集被瑞士国家科学基金会用于优化科研资源配置决策。高等教育机构借助跨年度对比数据调整学科发展战略，企业研发部门则通过技术热点图谱识别潜在合作领域。政策制定者依据不同学科对AI技术的吸收能力差异，设计更具包容性的技术创新支持体系。

衍生相关工作

基于该数据集衍生的经典研究包括《人工智能在瑞士科研体系中的扩散模式分析》，该工作建立了学科技术吸收指数模型。另有学者开发了动态知识图谱构建工具，实现了科研项目技术特征的实时可视化。这些成果推动了科研计量学与创新管理研究的深度融合，形成了一系列跨学科研究方法论创新。