gulag-data

从gulagmap.ru的API抓取的JSON数据，包含集中营、活动、区域、类型和时期等信息，作为静态文件提供。This JSON dataset was scraped from the API of gulagmap.ru, containing information such as Gulag camps, activities, regions, types and periods, and is provided as static files.

原始信息汇总

数据集概述

该数据集来源于 gulagmap.ru，是其 API 的 JSON 数据镜像，以静态文件形式托管于 GitHub Pages。

数据内容

数据集包含以下几类端点（均以 JSON 格式提供）：

• 营地列表：https://urbica.github.io/gulag-data/camps.json
• 营地活动：https://urbica.github.io/gulag-data/camp-activities.json
• 营地所在地区：https://urbica.github.io/gulag-data/camp-regions.json
• 营地类型：https://urbica.github.io/gulag-data/camp-types.json
• 历史时期：https://urbica.github.io/gulag-data/periods.json

数据更新机制

• 通过脚本 ./update.sh 从 https://gulagmap.ru/api 拉取最新数据并存入 data/ 目录。
• 数据更新：由 GitHub Actions 工作流（update-data.yml）每周日 UTC 时间 00:00 自动运行，并将变更提交到仓库。
• 页面部署：由 GitHub Actions 工作流（deploy-pages.yml）在每次数据更新后，将 data/ 目录发布到 GitHub Pages。

搜集汇总

数据集介绍

构建方式

古拉格（Gulag）系统作为20世纪苏联镇压与劳改制度的象征，其历史研究与地理信息可视化长期受限于档案资料的分散性。gulag-data数据集通过系统化整合gulagmap.ru平台的API接口，将分散的劳改营地理信息转化为结构化静态JSON文件。数据集通过定期运行的自动化脚本从原始API拉取数据，并利用GitHub Actions工作流实现每周自动更新与部署，确保历史信息的持续补全与维护。

特点

数据集以高结构化JSON格式呈现，涵盖五个核心端点：劳改营地理坐标（camps）、营地活动记录（camp-activities）、区域划分（camp-regions）、类型分类（camp-types）及时间分期（periods）。这种多维度的数据组织方式不仅保留了原始地理信息系统中的空间关联性，还通过标准化的数据字段设计，为研究者提供了跨时期、跨区域的古拉格系统宏观图景，特别适合空间分析与历史地理学交叉研究。

使用方法

用户可直接通过GitHub Pages提供的静态URL端点获取数据，无需复杂API认证或本地数据库搭建。对于编程使用者，可使用Python的requests库或JavaScript的fetch方法直接请求JSON文件，再通过pandas或D3.js等工具进行解析与可视化。数据集内置的自动更新机制确保引用者始终获取最新版本，同时由于数据以静态文件形式发布，研究者可便捷地fork仓库进行本地化分析或衍生版本开发。

背景与挑战

背景概述

古拉格（Gulag）作为前苏联时期的劳改营体系，承载着20世纪人类历史中一段沉重的记忆。随着数字人文学科的兴起，对这段历史的系统性记录与空间可视化成为学术研究的重要方向。gulag-data数据集由Urbica团队于近年创建，通过镜像gulagmap.ru网站的API接口，以JSON格式提供了劳改营的地理位置、活动记录、区域划分、类型分类及历史分期等核心数据。该数据集旨在为历史学者、地理信息研究者及公众提供可靠的开放式数据资源，支持对古拉格体系的空间分布、运作模式及历史演变进行定量分析。其价值在于将分散的档案信息整合为结构化数据，推动了苏联镇压史研究的数字化进程，并对记忆研究、人文GIS等领域产生了深远影响。

当前挑战

该数据集面临的核心挑战首先在于历史档案的完整性与准确性——古拉格相关记录因政治动荡、文件损毁或故意篡改而残缺不全，数据采集需依赖多方文献交叉验证。其次，空间数据的构建遭遇地理精度瓶颈：许多劳改营的具体坐标因年代久远或资料模糊而难以确认，且不同历史时期的行政区域变更增加了数据关联的复杂性。在数据清洗过程中，API返回的原始信息可能存在编码不一致或字段缺失问题，需要设计稳健的更新机制以保持与源站的数据同步。此外，数据集的伦理敏感性要求开发者谨慎处理涉及受害者隐私的时空信息，避免因过度细节化而引发新的历史创伤。这些挑战共同制约着数据集在学术研究中的广泛应用。

常用场景

经典使用场景

在人文地理与历史学交叉研究领域，研究人员常利用结构化的历史地理数据集来探索特定历史时期的空间分布与动态演变。gulag-data数据集以JSON格式系统化整理了苏联古拉格系统的营地、活动、区域、类型及时间分期等信息，为剖析强制劳动营的地理格局、功能分类与时间演进提供了标准化的数字基础设施。其经典用法在于将离散的历史档案数据转化为可机器读取的地理空间信息，支持GIS分析与历史制图，从而揭示古拉格体系在地理空间上的集聚模式、资源利用特征及其与自然环境的互动关系。

实际应用

从文化记忆与公共教育层面看，gulag-data数据集为数字人文学科的项目实践提供了切实可行的数据支撑。博物馆策展、历史教育平台以及交互式地图应用可借由此数据构建可视化叙事，直观呈现古拉格系统的空间全貌与时间脉络，使公众得以通过地理探索的方式触及那段被尘封的历史。此外，该数据集亦可服务于文化遗产保护工作，帮助研究者识别并记录苏联时期强制劳动营的遗址分布，为后续的纪念地划定与遗产保护政策制定提供客观依据。

衍生相关工作

基于gulag-data数据集，学界已催生出一系列富有影响力的衍生研究工作。历史地理学者利用该数据构建了古拉格营地的空间交互网络模型，探究营地间的劳动力调配路径与资源运输关系。数字人文团队则以此为基础开发了互动式历史地图平台，将定性档案与定量数据融合，实现了对强制劳动营生活条件、死亡率等变量的空间统计分析。数据驱动下的比较历史研究亦由此展开，学者将其与纳粹集中营数据集进行跨体制对照，推动了对20世纪极权政权强制劳动体系的系统性反思与理论构建。