در عصر هوش مصنوعی دیتا زبان گفتگوی روزانه است.
از اینجا میتوانید دیتاستهای خوب برای کارها و پژوهشهایی که مشغول انجام آنها هستید را دریافت کنید. ما بهصورت دورهای دیتاستهایی را از منابع متنباز و عمومی گردآوری، بررسی و اینجا منتشر میکنیم.
| # | دیتاست | سال | توضیحات | اکشن | |||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | مفاهیم حوزه پایداری در مهندسی نرمافزار | ۲۰۲۵ | این دیتاست در سال ۲۰۲۵ برای یک پژوهش دانشگاهی آماده شده که در قالب یک مطالعه نگاشت سیستماتیک (Systematic Mapping Study) درباره پایداری در حوزه مهندسی نرمافزار انجام شده و مروری بر ادبیات آکادمیک منتشرشده بین سالهای ۲۰۱۸ تا ۲۰۲۶ ارائه میدهد. دادههای آن از ۶ پایگاه علمی شامل IEEE Xplore، Scopus، ScienceDirect، Web of Science، Springer و ACM گردآوری شده است. ابزارهایی مانند Zotero و Rayyan.ai برای سازماندهی، غربالگری، ارزیابی و انتخاب پژوهشهای مرتبط مورد استفاده قرار گرفتهاند. | مشاهده جزئیات ▼ | |||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||
| 2 | پیچیدگی پذیرش هوش مصنوعی مولد در مهندسی نرمافزار | ۲۰۲۴ | این مجموعهداده در سال ۲۰۲۴ بهعنوان بخشی از یک مطالعه دانشگاهی تهیه و در مرحله تحلیل دادههای پژوهش، با عنوان بسته بازتولیدپذیری (Replication Package) ارائه شد. دادههای حاصل از ۱۰۰ مهندس نرمافزار و ۱۸۳ متخصص نرمافزار برای توسعه و اعتبارسنجی چارچوب همکاری و سازگاری انسان و هوش مصنوعی (HACAF) استفاده شدند. این پژوهش عوامل فردی، فناورانه و اجتماعی مؤثر بر پذیرش هوش مصنوعی مولد در مهندسی نرمافزار را بررسی میکند. | مشاهده جزئیات ▼ | |||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||
| 3 | دیتاست شاخص جهانی هوش مصنوعی | ۲۰۲۳ | این دیتاست ۶۳ کشور را بر اساس سرمایهگذاری، نوآوری و پیادهسازی هوش مصنوعی رتبهبندی کرده است و بینشی درباره دسترسی به نیروی متخصص، زیرساخت و راهبرد دولتها ارائه میدهد. اطلاعات بیشتر | مشاهده جزئیات ▼ | |||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||