JosJenn/nasa-artemis-ii-live-chat-comments

--- license: cc-by-4.0 language: - en annotations_creators: - no-annotation language_creators: - found multilinguality: - monolingual size_categories: - 100K<n<1M source_datasets: - original task_categories: - sequence-modeling task_ids: - language-modeling --- # NASA Artemis II Live Chat Dataset Public chat messages from the NASA Artemis II lunar flyby broadcast on April 6, 2026, collected simultaneously from YouTube and Twitch during the first crewed lunar mission since Apollo 17. ## Dataset Composition | Platform | Authors | Messages | Broadcast Duration | |----------|---------|----------|-------------------| | YouTube | 118,872 | 148,712 | ~4.5 hours | | Twitch | 39,364 | 93,782 | ~4.5 hours | | **Total** | **158,236** | **242,494** | — | ## Dataset Structure This is a **unified** dataset containing all comments from both platforms. Use the `platform` column to filter by source. ## Data Schema | Field | Type | Description | |-------|------|-------------| | `id` | integer | Unique message identifier | | `platform_msg_id` | string | Platform-specific message ID | | `channel_id` | string | Anonymized channel identifier | | `author_id` | string | Anonymized author identifier | | `published_at` | string | UTC timestamp (ISO8601) | | `msg_type` | string | Message type classification | | `message` | string | Raw message text (multilingual, emojis) | | `inserted_at` | string | When the message was recorded | | `platform` | string | Source platform (`youtube` or `twitch`) | | `category` | string | Message category (YouTube only, null for Twitch) | | `tags` | string | Additional classification tags (YouTube only, null for Twitch) | | `sentiment` | string | Sentiment label (YouTube only, null for Twitch) | ## Anonymization All usernames and channel identifiers have been anonymized using SHA-256 hashing with a dataset-specific salt: - **One-way transformation**: Original identifiers cannot be reconstructed - **Consistent mapping**: Same user gets the same anonymous ID across all messages - **Content preserved**: All message text and metadata remain intact ## Research Applications - **Language model training** — Real-world, diverse chat interactions - **Sentiment analysis research** — Cross-platform comparison during live events - **Social dynamics study** — Audience response to space mission milestones - **Community behavior research** — Online engagement patterns during historic events ## Dataset Source - **Source**: NASA Artemis II official broadcast - **Date**: April 6, 2026 - **Method**: Real-time scraping from public YouTube and Twitch livestreams - **Coverage**: Full broadcast duration (~20:00 UTC April 6 – 00:30 UTC April 7) ## License CC BY 4.0 — Attribution required when using this data. ## Citation ``` NASA Artemis II Live Chat Dataset Collected from YouTube and Twitch live broadcasts April 6, 2026 Anonymized for public release ```--- ### 数据集基础元信息 - 许可证：CC BY 4.0 - 语言：英文 - 注释创建方式：无注释 - 语言生成来源：采集所得 - 多语言属性：单语言 - 规模类别：100,000 < 样本量 < 1,000,000 - 源数据集类型：原始数据集 - 任务类别：序列建模 - 任务子项：语言建模 --- # NASA 阿尔忒弥斯II号 (Artemis II) 实时聊天数据集 本数据集收录了2026年4月6日，阿波罗17号任务以来首次载人登月任务期间，NASA阿尔忒弥斯II号月球飞越直播的公开聊天消息，同步采集自YouTube与Twitch两大平台。 ## 数据集组成 | 平台 | 作者数量 | 消息数量 | 直播时长 | |------------|----------|----------|------------| | YouTube | 118,872 | 148,712 | ~4.5小时 | | Twitch | 39,364 | 93,782 | ~4.5小时 | | **总计** | **158,236** | **242,494** | — | ## 数据集结构 本数据集为**统一整合**的双平台评论全集，可通过`platform`字段筛选对应来源平台的内容。 ## 数据模式 | 字段名 | 数据类型 | 描述 | |-------------------|----------|----------------------------------------------------------------------| | `id` | 整数型 | 唯一消息标识符 | | `platform_msg_id` | 字符串型 | 平台专属消息ID | | `channel_id` | 字符串型 | 匿名化频道标识符 | | `author_id` | 字符串型 | 匿名化作者标识符 | | `published_at` | 字符串型 | UTC时间戳（遵循ISO8601格式） | | `msg_type` | 字符串型 | 消息类型分类 | | `message` | 字符串型 | 原始消息文本（支持多语言，包含表情符号） | | `inserted_at` | 字符串型 | 消息记录时间 | | `platform` | 字符串型 | 来源平台（取值为`youtube`或`twitch`） | | `category` | 字符串型 | 消息分类（仅YouTube平台包含此字段，Twitch平台取值为null） | | `tags` | 字符串型 | 附加分类标签（仅YouTube平台包含此字段，Twitch平台取值为null） | | `sentiment` | 字符串型 | 情感标签（仅YouTube平台包含此字段，Twitch平台取值为null） | ## 匿名化处理 所有用户名与频道标识符均采用基于数据集专属盐值的SHA-256哈希算法完成匿名化处理，具备三大特性： - **单向不可逆变换**：无法通过匿名ID还原原始标识符 - **一致性映射规则**：同一创作者在全部消息中对应唯一且固定的匿名ID - **内容完整性保留**：所有消息文本与元数据均未做修改，保持原始状态 ## 研究应用场景 - **语言模型训练**：可用于训练基于真实直播场景的多样化聊天交互大语言模型 - **情感分析研究**：支持直播活动期间跨平台的情感表现对比分析 - **社会动力学研究**：分析受众对航天任务里程碑事件的实时反应 - **社区行为研究**：探究历史性事件发生期间的在线社区互动模式 ## 数据集来源 - **数据来源**：NASA阿尔忒弥斯II号官方直播 - **采集日期**：2026年4月6日 - **采集方法**：从公开的YouTube与Twitch直播流中实时抓取 - **覆盖范围**：完整直播时长（UTC 2026年4月6日20:00 至 4月7日00:30） ## 许可证 CC BY 4.0 — 使用本数据集时需进行适当的署名。 ## 引用格式 NASA 阿尔忒弥斯II号 (Artemis II) 实时聊天数据集 采集自 YouTube 与 Twitch 直播流 2026年4月6日 已完成匿名化处理以供公开发布