Data-Gouv-FR/auteurs-et-autrices-dans-les-collections-des-maisons-dedition

该数据集统计了在多家出版社的不同系列中（包括伽利玛出版社的Bibliothèque de la Pléiade系列和罗伯特·拉丰出版社的Bouquins系列）有专门卷册的作者（包括男性和女性）。

This dataset lists authors (both male and female) to whom volumes are dedicated in various publishing house collections ("Bibliothèque de la Pléiade" from Éditions Gallimard and "Bouquins" from Éditions Robert Laffont).

搜集汇总

数据集介绍

构建方式

该数据集源自法国开放数据平台data.gouv.fr，以法语为语种，汇集了法兰西两大标志性出版巨擘——伽利马出版社“七星文库”与罗贝尔·拉丰出版社“丛书系列”中所有被纳入专册的作者名录。数据集通过Hugging Face平台进行结构化重构，将原始的表格资源转换为标准化子集配置，每个子集对应特定时间戳的完整数据快照，涵盖2017年6月15日与2018年5月1日两个版本，并以Parquet格式高效存储，确保学术研究中的数据可复用性与计算效率。

特点

数据集呈现了清晰的层次化组织：一个data.gouv.fr数据集对应一个Hugging Face仓库，每个原始表格资源转化为一个唯一子集配置，且每个配置内均包含名为'train'的统一分割，便于直接调用。双时间戳版本的设计使研究者能够纵向追踪作者名录的动态变化，为出版史、文学社会学及文本计量分析提供了珍贵的时序数据。数据采用开放许可cc-by-sa发布，兼顾学术共享与版权合规。

使用方法

通过Hugging Face的datasets库，用户可利用load_dataset函数便捷加载指定子集，例如选择'autrices-auteurs-collections-maisons-edition-2018-05-01'配置，即可获得包含作者姓名与所属丛书信息的完整数据表。该数据集适用于Python环境中的数据分析流程，支持转换为Pandas DataFrame进行深度挖掘，或直接用于自然语言处理与知识图谱构建任务。研究人员可基于此数据开展法国出版行业性别分布、作者选录偏好及经典化机制等议题的实证探索。

背景与挑战

背景概述

该数据集创建于2017年至2018年间，由法国数据开放平台data.gouv.fr发布，旨在系统化整理法国两大知名丛书系列——伽利玛出版社的“七星文库”与罗贝尔·拉丰出版社的“布坎丛书”中所收录的作者名录。核心研究问题在于为文学档案数字化、出版史分析及作者影响力评估提供结构化数据基础。作为法国公共开放数据举措的一部分，该数据集以CC-BY-SA许可发布，通过Hugging Face平台以Parquet和CSV格式分发，服务于自然语言处理、数字人文及文化计量学领域，其结构化的双时间版本（2017与2018年）为纵向研究提供了支持，对法国出版文化遗产的量化分析具有重要推动作用。

当前挑战

该数据集映射的领域挑战在于解决非结构化出版目录中作者归属的歧义性问题，例如同一作者不同笔名或跨出版社的关联识别，同时缺乏统一命名规范导致数据整合困难。构建过程中的挑战包括：从纸质或分散的元数据中提取作者姓名并确保与特定丛书卷册的精确对应；处理法语姓名中的变音符号、复合姓氏及历史人物姓名差异；维护两版数据间的版本一致性，以支持时序比较研究，避免因收录标准变化引发的数据偏差。

常用场景

经典使用场景

该数据集收录了法国两大知名出版系列——伽利玛出版社的‘七星文库’与罗贝尔·拉丰出版社的‘藏书系列’中所收录的作者名录及其作品卷次信息。作为一份聚焦于法语文学与文化经典的开放数据资源，其最为经典的用途在于支持对二十世纪以来法国文学经典化机制的系统性量化研究。研究者可借此揭示哪些作者被纳入权威出版系列，进而探讨文学声望的建构过程、出版业的选择偏好以及文化资本的积累逻辑。

衍生相关工作

围绕该数据集已衍生出一系列开创性工作。研究者基于其开发了自动化的作者声望动态监测模型，结合时间戳切片（2017年与2018年两版本）追踪收录名单的演变。更有工作将其与法国国家图书馆目录数据对接，构建了融合出版系列、获奖记录与图书馆藏的多模态文学影响网络。此外，社会网络分析领域亦借助该数据创建了作者共现网络，探讨文学社群中的声望传递路径与派系结构，为数字人文方法论示范了开放政府数据与学术研究深度融合的范式。

数据集最近研究

最新研究方向

在数字人文与出版研究的交汇处，该数据集为法语文学经典化机制的定量分析打开了新窗口。基于伽利玛出版社“七星文库”与罗贝尔·拉丰出版社“布昆丛书”的著者名录，研究者可追溯不同时期、不同出版社对作者声誉建构的差异化策略，进而揭示文学场域中象征资本的流动规律。当前前沿方向聚焦于利用社会网络分析与历史计量方法，探究女性作者在经典丛书中的收录比例变迁及其与性别平等运动（如#MeToo）的时间耦合关系，同时结合法国文化政策改革（如2021年文学资助新规）评估制度干预对出版多样性产生的实际效力。该数据集的开放许可（CC-BY-SA）更使其成为跨学科研究的关键基础设施，推动翻译研究、接受美学与数字出版史的深度融合。