GSS|社会科学调查数据集|社会态度与行为数据集

gss.norc.org2024-10-26 收录

社会科学调查

社会态度与行为

下载链接：

http://gss.norc.org/

下载链接

链接失效反馈

资源简介：

GSS（General Social Survey）是一个长期运行的社会科学调查项目，旨在收集有关美国社会态度和行为的数据。该调查涵盖了广泛的主题，包括社会信任、政治态度、家庭生活、宗教信仰、健康状况等。

提供机构：

gss.norc.org

AI搜集汇总

数据集介绍

构建方式

GSS数据集的构建基于美国综合社会调查（General Social Survey），该调查自1972年起由芝加哥大学的NORC中心进行。数据集通过每年对美国成年公民进行随机抽样调查，收集了关于社会态度、行为和特征的详细信息。调查内容涵盖了政治观点、家庭结构、教育水平、宗教信仰等多个社会科学研究领域。数据集的构建过程严格遵循科学抽样方法，确保样本的代表性和数据的可靠性。

特点

GSS数据集以其广泛的主题覆盖和长期的时间序列数据而著称。该数据集不仅提供了丰富的社会科学变量，还记录了这些变量随时间的变化趋势，为研究社会变迁提供了宝贵的数据支持。此外，GSS数据集的高质量数据处理和详细的元数据信息，使得研究者能够进行深入的统计分析和跨学科研究。

使用方法

GSS数据集适用于多种社会科学研究，包括但不限于社会学、政治学、经济学和心理学。研究者可以通过访问GSS官方网站或相关学术数据库获取数据，并使用统计软件如SPSS、R或Stata进行数据分析。在使用过程中，研究者应仔细阅读数据集的元数据和使用指南，以确保正确理解和解释数据。此外，GSS数据集的长期时间序列特性使其特别适合进行纵向研究，分析社会现象的长期变化趋势。

背景与挑战

背景概述

GSS（General Social Survey）数据集是由美国国家科学基金会资助的一项长期社会科学研究项目，自1972年启动以来，由芝加哥大学的NORC（National Opinion Research Center）负责执行。该数据集旨在通过定量调查方法，收集和分析美国公众的社会态度、行为和特征，涵盖了从政治态度到家庭结构、教育水平等多个维度。GSS的持续更新和广泛应用，使其成为社会科学研究中的重要资源，为学者们提供了丰富的数据支持，用以探讨社会变迁、政策影响及公众意见等核心问题。

当前挑战

尽管GSS数据集在社会科学领域具有重要地位，但其构建和应用过程中仍面临诸多挑战。首先，数据收集的周期性可能导致某些社会现象的动态变化无法被及时捕捉。其次，调查问卷的设计需不断适应社会变迁，以确保问题的相关性和有效性。此外，数据隐私和伦理问题也是GSS面临的重要挑战，如何在保护受访者隐私的同时，提供高质量的研究数据，是当前亟需解决的问题。最后，数据集的广泛使用也带来了数据一致性和标准化的问题，确保不同研究者在使用GSS数据时能够获得一致的分析结果，是当前研究中的一个重要课题。

发展历史

创建时间与更新

GSS（General Social Survey）数据集创建于1972年，由美国芝加哥大学的全国民意研究中心（NORC）主导开发。自那时起，GSS每年或每两年进行一次更新，以反映社会变迁和公众意见的最新动态。

重要里程碑

GSS数据集的重要里程碑包括1984年引入的计算机辅助个人访谈（CAPI）技术，这一创新显著提高了数据收集的效率和准确性。此外，1994年GSS开始采用多模式数据收集方法，包括电话访谈和面对面访谈，进一步增强了数据的多维度性和代表性。2006年，GSS引入了互联网调查，使得数据收集更加便捷和广泛。

当前发展情况

当前，GSS数据集已成为社会科学研究的重要基石，广泛应用于社会学、政治学、心理学等多个领域。其持续的更新和扩展，确保了数据的前沿性和全面性，为学者提供了丰富的研究资源。GSS不仅推动了社会科学方法论的发展，还为政策制定者提供了宝贵的社会趋势分析，从而在学术界和公共政策领域均产生了深远影响。

发展历程

首次发表，GSS（General Social Survey）数据集由美国国家科学基金会资助，旨在收集有关美国社会态度和行为的数据。
1972年
首次应用，GSS数据集开始被学术界用于社会科学研究，特别是在社会态度、政治行为和家庭结构等领域。
1973年
GSS数据集扩展了调查范围，增加了对性别、种族和宗教等社会议题的调查。
1980年
GSS数据集开始采用计算机辅助电话调查（CATI）技术，提高了数据收集的效率和准确性。
1990年
GSS数据集引入了互联网调查选项，以适应技术进步和受访者偏好的变化。
2000年
GSS数据集庆祝其成立40周年，并继续作为社会科学研究的重要资源，涵盖了广泛的社会议题。
2010年
GSS数据集继续更新和扩展，增加了对新兴社会问题如数字技术使用和心理健康等的调查。
2020年

常用场景

经典使用场景

在社会科学研究领域，GSS（General Social Survey）数据集被广泛用于分析和理解美国社会的变迁。该数据集通过定期收集的全国代表性样本，涵盖了从家庭结构、教育水平到政治态度等多个维度的详细信息。研究者常利用GSS数据来探索社会趋势、公众意见以及行为模式的变化，从而为政策制定和社会干预提供科学依据。

衍生相关工作

GSS数据集的广泛应用催生了大量相关的经典研究工作。例如，《美国社会变迁》（American Social Change）一书就大量引用了GSS数据，系统分析了美国社会在过去几十年中的变化。此外，许多社会科学期刊也发表了基于GSS数据的专题研究，涵盖了从家庭结构变迁到政治参与度变化等多个主题。这些研究不仅丰富了社会科学的理论体系，也为实际社会问题的解决提供了科学依据。

数据集最近研究

相关研究论文

1
General Social Survey: An OverviewNational Opinion Research Center (NORC) · 1984年
2
The General Social Survey: A Quarter Century of Social ChangeNational Opinion Research Center (NORC) · 2004年
3
The General Social Survey and the Study of American SocietyNational Opinion Research Center (NORC) · 2014年
4
The General Social Survey: A User's GuideCambridge University Press · 2013年
5
The General Social Survey: A Longitudinal Perspective on Social ChangeNational Opinion Research Center (NORC) · 2019年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4099个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国区域地面气象要素驱动数据集 v2.0（1951-2024）

中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。

国家青藏高原科学数据中心收录

CE-CSL

CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。

arXiv 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。

github 收录

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

Data.gov

Data.gov increases the ability of the public to easily find, download, and use datasets that are generated and held by the Federal Government. Data.gov provides descriptions of the Federal datasets (metadata), information about how to access the datasets, and tools that leverage government datasets

re3data.org 收录