Data-Gouv-FR/premiere-guerre-mondiale-les-poilus-morts-pour-la-france-a-completer

该数据集是一个基于Mémoire Des Hommes网站索引数据的列表，旨在补充记录在第一次世界大战中为法国牺牲的士兵（称为“Poilus”）的信息。它包含了士兵的姓名、出生日期和地点、所属单位和军衔、征兵办公室和类别、序列号、死亡日期和地点，以及指向网站上数字化记录的直连链接。数据集覆盖了参与教育数据冲刺“Traces De Soldats”的特定市镇和类别的士兵，包括法国多个地区的市镇，如Gap、Mouans Sartoux、Contes、Biot、Annonay等，总计列出了多个市镇的士兵信息。This dataset is a list to be completed of the Poilus (French soldiers) who died for France during the First World War, based on data indexed from the Mémoire Des Hommes website. It includes names, birth dates and places, units and ranks, recruitment offices and classes, serial numbers, death dates and places of these individuals, as well as direct links to the digitized records on the Mémoire Des Hommes site. The file covers Poilus born in communes of classes that participated in the educational datasprint Traces De Soldats, including towns such as 05000 Gap, 06370 Mouans Sartoux, 06390 Contes, 06410 Biot, 07100 Annonay, and many others across France.

搜集汇总

数据集介绍

构建方式

该数据集来源于法国政府开放数据平台（data.gouv.fr），旨在完善第一次世界大战中为法国捐躯的“蓝衣战士”（Poilus）的名单。构建过程基于法国“人类记忆”网站（Mémoire Des Hommes）上索引的官方记录，从参与教育数据冲刺项目“Traces De Soldats”的多个市镇（如Gap、Brest、Rennes、Angers等）中，收集了这些出生于此的士兵信息。原始数据以CSV及Parquet格式存储，每个表格资源对应HuggingFace仓库中的一个子集配置，每个配置包含一个名为“train”的分割，数据集被整理为Parquet格式以优化存储与加载效率。

特点

该数据集的核心特点在于其聚焦于特定地理区域的详尽历史记录，涵盖了士兵的姓名、出生日期与地点、所属部队与军衔、征兵办公室与服役班级、编号以及死亡日期与地点等关键信息，并直接链接至“人类记忆”网站上的数字化档案。数据集的构建旨在补充与完善现有的“为法国捐躯者”名单，其精细的地域粒度赋予了研究者深入分析特定社区在战争中牺牲情况的能力，为历史学与社会学研究提供了珍贵的微观数据基础。

使用方法

使用者可通过HuggingFace的`datasets`库便捷地加载数据，例如使用指令`load_dataset("Data-Gouv-ML/premiere-guerre-mondiale-les-poilus-morts-pour-la-france-a-completer", "tracesdesoldats-lespoilus")`，即可获取一个包含“train”数据分割的Dataset对象，从而进行后续的数据分析、可视化或历史研究。数据以Parquet格式提供，能够高效处理大规模表格数据，便于在Python环境中进行探索性分析或与Pandas等工具结合使用。

背景与挑战

背景概述

该数据集源自法国政府开放数据平台（data.gouv.fr），由法国民间与官方合作整理，聚焦第一次世界大战中阵亡的法国士兵——“Poilus”（昵称）。创建时间可追溯至2020年左右，主要参与机构包括法国国防部下属的“Mémoire Des Hommes”项目以及参与教育数据马拉松（Datasprint pédagogique Traces De Soldats）的多所学校和地方政府。核心研究问题在于补全和结构化官方记载中缺失或不完整的阵亡士兵名录，涵盖姓名、出生与死亡地点、部队编号、军衔等关键信息。该数据集对历史人口学、军事社会学以及数字人文领域产生了重要影响，为大规模分析一战法国士兵的社会经济背景与地理分布提供了宝贵的结构化数据基础，填补了公共历史数据在机器可读格式上的空白。

当前挑战

该数据集所解决的领域问题核心在于历史档案的数字化与结构化挑战：原数据散见于纸质清单或扫描件中，缺乏统一、可计算的格式，限制了大规模量化分析的可能性。构建过程中首要挑战是数据完整性补全——原始名录存在大量空缺，需通过多方交叉比对（如军事登记册、教区记录等）进行“à compléter”（待补全）式填充；其次，数据标准化的难度较高，涉及历史地名变迁、军衔名称不统一、手写字体识别错误等问题；最后，地理范围的局部性（仅涵盖参与数据马拉松的城镇）导致样本偏差，需在后续研究中平衡区域代表性。

常用场景

经典使用场景

该数据集汇聚了第一次世界大战期间法国阵亡士兵的详细名录，涵盖姓名、出生与死亡日期地点、部队番号、军衔及数字化档案链接等信息。经典使用场景聚焦于历史人口统计学与战争记忆研究，学者可借此追溯特定地区士兵的伤亡分布，剖析战争对地方社会的冲击。数据集按参与教育数据马拉松的市镇筛选，为地方史志编纂与微观历史叙事提供了量化支柱。

实际应用

在实际应用中，该数据集被广泛用于构建数字人文项目，如交互式阵亡士兵地图、家族史查询平台及战争纪念教育工具。博物馆与档案馆可借其优化馆藏数字化关联，助力公众追溯先辈足迹。此外，数据集的开放许可鼓励教育机构将其融入课堂，培养学生通过数据分析解读历史复杂性的能力，成为连接过去与现在的桥梁。

衍生相关工作

该数据集衍生出多项经典工作，例如基于地理信息系统构建的阵亡士兵空间分布模型，揭示了前线补给城镇与后方平民区的死亡热点。相关研究进一步将士兵职业、兵种与阵亡地点关联，探讨了工业化战争对特定服役人群的影响。教育领域则催生了‘士兵轨迹’教学工具包，引导学生从个体生命史切入全球冲突叙事，体现了数据集在跨学科创新中的核心价值。