mytown-local-gov-meetings

MyTown是一个开源数据集，专注于美国和加拿大地方政府会议。它包含从官方市政门户网站抓取的结构化记录，每个数据行都链接到原始源文档（如议程、会议记录、视频），确保数据可追溯性。截至2026年7月9日，数据集涵盖3,206个市政当局（覆盖美国和加拿大所有州/省），包含186,487次会议记录。数据结构包括多个配置表：municipalities表（市政当局基本信息）、meetings表（会议主体、日期、地点及文档URL）、briefs表（162,735条AI生成的议程摘要，含标题、摘要、重要事项、标签）、decisions表（31,138条从会议记录中提取的AI生成决策记录，如投票结果、金额）、briefs_i18n表（54,091条西班牙语和法语翻译）、roundups表（1,888份每周城市会议摘要）、transcripts表（1,480份会议视频的Whisper自动转录文本，总计约1,469小时音频）、census_demographics表（为2,666个美国市政当局提供人口普查ACS数据，如人口、收入、房屋价值等）。数据集支持11种政府门户平台，每日更新，采用CC BY 4.0许可证。需要注意的是，briefs、decisions、roundups、briefs_i18n和transcripts表中的内容是机器生成的（LLM摘要或ASR转录），可能存在误差，应以链接的原始源文档为权威参考。MyTown is an open-source dataset focused on municipal government meetings in the United States and Canada. It contains structured records scraped from official municipal portals, with each data entry linked to its original source documents such as agendas, meeting minutes, and videos to ensure data traceability. As of July 9, 2026, the dataset covers 3,206 municipal jurisdictions (covering all states and provinces across the U.S. and Canada) and includes 186,487 meeting records. Its structure consists of multiple configured tables: 1. The `municipalities` table: Basic information of municipal jurisdictions 2. The `meetings` table: Meeting subjects, dates, locations, and document URLs 3. The `briefs` table: 162,735 AI-generated agenda summaries containing titles, summaries, key matters, and tags 4. The `decisions` table: 31,138 AI-generated meeting decision records extracted from meeting minutes, such as voting results and monetary amounts 5. The `briefs_i18n` table: 54,091 translations in Spanish and French 6. The `roundups` table: 1,888 weekly municipal meeting summaries 7. The `transcripts` table: 1,480 automatic transcription texts of meeting videos generated via OpenAI Whisper, totaling approximately 1,469 hours of audio 8. The `census_demographics` table: Census ACS data for 2,666 U.S. municipal jurisdictions, including population, income, housing values, and other relevant metrics The dataset supports 11 government portal platforms, is updated daily, and is licensed under CC BY 4.0. It should be noted that the content in the `briefs`, `decisions`, `roundups`, `briefs_i18n`, and `transcripts` tables is machine-generated (LLM summaries or ASR transcriptions) and may contain errors; the linked original source documents shall be regarded as the authoritative reference.

原始信息汇总

数据集概述：MyTown — 美国和加拿大地方政府会议数据集

许可证： CC BY 4.0
语言： 英语、西班牙语、法语
标签： 政府、公民、地方政府、会议、美国、加拿大
数据集大小： 10K < n < 100K 行

数据集简介

该数据集包含来自美国和加拿大地方政府会议的结构化记录，涵盖市/县议会、委员会等官方会议信息。每条记录均链接至其原始来源文档（官方市政门户网站）。

数据规模（截至2026-07-09）

• 186,487 场会议，涵盖 3,206 个市政当局（覆盖美国51个州及加拿大省份；国家为加拿大和美国）
• 1,480 份完整会议转录文本，约 1,469 小时的会议音频经Whisper自动机器转录
• 162,735 份纯语言议程摘要
• 31,138 条从会议记录中提取的决策记录
• 54,091 份西班牙语/法语翻译
• 1,888 份每周城市综述
• 2,666 个市政当局关联美国人口普查ACS人口统计数据（人口、收入、房屋价值）
• 11 种门户平台类型：boarddocs, civicclerk, civicplus, civicweb, escribe, granicus, iqm2, legistar, municode, novusagenda, primegov
• 每日更新

数据来源与溯源

• municipalities 和 meetings 表为真实记录，直接从官方政府门户网站抓取。每个会议行均附有其原始议程/会议记录/视频的URL链接。原始来源始终是市政当局自己的门户网站。

⚠️ 机器生成列说明

• briefs, decisions, roundups, briefs_i18n — 为LLM生成的文本，总结真实的原始文档（属于衍生数据，非地面真实数据）。相关提示词/规则发布在 https://mytown.theboringparts.com/methodology/。
• transcripts — 为自动语音识别（Whisper）对官方会议视频的转录。音频来源真实，但ASR输出存在误差，请以视频为权威依据。

对于任何重要事项，请将链接的原始文档/视频视为权威来源。

数据表结构

配置	行数	说明
municipalities	3,206	市政当局信息：ID、简称、名称、州/省、国家、门户平台类型
meetings	186,487	会议详情：会议机构、日期、地点、议程/会议记录/视频/详情页面URL
briefs	162,735	AI生成议程摘要：标题、摘要、值得注意项目、标签
decisions	31,138	AI从会议记录中提取的决策：投票计数、涉及金额
briefs_i18n	54,091	议程摘要的西班牙语/法语翻译
roundups	1,888	每周AI生成的每个城市综述（Markdown格式）
transcripts	1,480	Whisper转录的会议视频文本：会议ID、时长（秒）、文本内容
census_demographics	2,666	美国人口普查ACS 5年统计数据：人口、中位/人均收入、中位房屋价值、住房单元（关联市政ID）

访问与使用

• 可浏览前端： https://mytown.theboringparts.com
• 许可证： CC BY 4.0（署名：mytown.theboringparts.com）
• 本仓库中还提供了一个完整的gzipped SQLite副本：mytown.db.gz

搜集汇总

数据集介绍

构建方式

该数据集以美国与加拿大地方政府官方门户网站为主要数据源，通过系统化爬取技术，从市政会议管理平台如boarddocs、granicus、legistar等地直接采集原始会议记录。所收录的municipalities与meetings表均为真实记录，每一行数据均附有其原始议程、会议纪要或视频文档的链接。数据集中的人工智能生成内容如briefs、decisions、roundups及多语言翻译则基于大语言模型，对原始文档进行摘要与结构化提取，其生成规则与提示词完全公开，确保了内容的可追溯与可复验。

特点

数据集涵盖186,487场会议与3,206个市镇，横跨美国各州及加拿大省份，规模宏大且来源多元。其独特之处在于深度融合了原始官方记录与人工智能衍生产品，包括162,735份英文议程简介、31,138项决策记录、54,091条西班牙语与法语翻译，以及1,480份经Whisper模型自动语音转写的完整会议转录文本。同时，数据集还为2,666个美国市镇提供了人口、收入与房产价值等人口普查数据，极大拓展了地方政府研究的多维度分析潜力。

使用方法

用户可通过HuggingFace Datasets库直接加载该数据集的八个子配置，例如使用load_dataset('mytown-local-gov-meetings', 'meetings')获取会议数据，或使用对应配置名读取munities、briefs、transcripts等表。每条记录均附带主数据源链接，建议在关键应用中优先参考原始官方文档。数据集附带可浏览的前端界面与GZip压缩的SQLite副本，便于本地探索与离线分析。所有数据采用CC BY 4.0许可，使用时需注明数据来源为mytown.theboringparts.com。

背景与挑战

背景概述

MyTown数据集由致力于提升政务透明度的研究团队于2026年创建，聚焦于美国与加拿大地方政府的会议记录。该数据集系统性地从涵盖11种官方门户平台的3,206个市镇中采集了186,487条会议记录，并提供了1,480份经Whisper自动语音识别的完整会议转录文本。核心研究问题在于如何将分散、非结构化的地方政务信息转化为可供分析与应用的结构化数据，从而为公民参与、政策评估及政务透明研究提供基础资源。其影响力体现在促进了跨行政区域的政务比较研究，并推动了基于机器学习的地方治理自动化分析。

当前挑战

该数据集面临的首要挑战是所解决的领域问题——地方政府会议记录的高度异构性，包括多语言（英语、西班牙语、法语）、多平台格式及非标准化文档结构，使得从数百万份原始材料中提取关键议题、决策及投票结果变得异常困难。在构建过程中，主要挑战集中于机器学习生成内容的可靠性：LLM生成的议程摘要、决策记录及每周综述虽提升了数据可用性，但作为派生数据而非地面实况，存在信息扭曲风险；同时，Whisper自动语音转录在面对嘈杂的会议录音时准确率有限，导致文本与原始音视频之间产生偏差。

常用场景

经典使用场景

MyTown数据集为地方治理研究提供了结构化的会议记录资源，涵盖美国与加拿大超过3200个市县的议会、委员会等官方会议信息。其经典应用场景包括分析地方政府决策流程、追踪政策辩论议题演变轨迹，以及量化公众参与度与议程设置规律。研究者能够凭借该数据集中的议程摘要、决策记录与翻译文本，构建跨行政区域的比较分析框架，从而揭示不同治理平台或区域文化对地方行政效率的影响。

解决学术问题

该数据集有效解决了地方政务透明度量化评估与跨区域比较研究中数据碎片化、获取成本高昂的核心困境。通过整合来自11种官方门户网站的会议元数据、全文记录及人口统计信息，MyTown使得学术工作者能够系统性考察地方政府议程设置的偏好差异、投票行为模式与社会经济背景的关联性。其意义在于为公共管理学、政治经济学及计算社会科学领域提供了可复现的实验基础，推动了透明治理理论从定性描述向定量实证的范式转型。

衍生相关工作

该数据集催生了多项创新性学术探索，包括基于会议记录的自动政策议题分类模型、利用语音转录内容预测地方选举议题热度的时序分析框架，以及结合人口统计数据与决策金额的公共支出公平性评估工具。此外，研究者还开发了跨平台验证方法，用于校准不同门户网站中会议摘要的一致性；以及基于多语言议程摘要的跨文化政策传播研究，揭示了加拿大双语地区与美墨边境社区在公共服务语言包容性方面的显著差异。