Исследователи представили NAICS-GH — новый датасет, который связывает 6 588 публичных репозиториев GitHub с отраслевыми кодами NAICS. Этот инструмент впервые позволяет систематизировать открытый код по секторам экономики, устраняя нехватку данных для анализа географии инноваций, структуры производства ПО и скорости распространения технологий между различными индустриями, что ранее было невозможно из-за отсутствия нативной классификации на платформе.
Разработка решает фундаментальную проблему отсутствия стандартизированной разметки в экосистеме open-source. До настоящего момента исследователи и аналитики были вынуждены вручную классифицировать проекты или полагаться на косвенные признаки, что снижало точность эмпирических исследований. Использование системы NAICS (North American Industry Classification System) обеспечивает совместимость с официальными экономическими данными, используемыми государственными и финансовыми институтами.
Данный корпус данных открывает возможности для глубокого анализа того, как именно технологии проникают в реальный сектор экономики. Аналитики смогут отслеживать корреляцию между активностью разработчиков в конкретных отраслях, таких как финтех, здравоохранение или производство, и темпами цифровой трансформации в этих сферах. Это создает базу для количественных исследований влияния open-source на макроэкономические показатели.
Ключевые факты
- Датасет NAICS-GH включает 6 588 размеченных репозиториев GitHub.
- Классификация основана на стандарте NAICS, используемом для статистического учета в экономике.
- Инструмент позволяет проводить количественный анализ диффузии технологий между отраслями.
- Работа заполняет пробел в данных, необходимых для изучения географии инноваций и промышленной структуры open-source производства.