AGGA: A Dataset of Academic Guidelines for Generative AI and Large Language Models

文章主要内容

1. 研究背景：生成式人工智能（GAI）和大语言模型（LLMs）在学术界的应用日益广泛，但相关政策存在不足。联合国教科文组织调查显示，不到10%的学校和大学制定了正式政策，因此需要综合框架平衡创新与伦理考量。
2. 数据集介绍：引入AGGA数据集，包含来自六大洲80所大学的学术指南，涵盖多种学术领域和机构类型，总字数达188,674字。数据集有MS Word、PDF和MS Excel三种格式，方便不同分析需求。
3. 研究方法：从全球80所大学收集官方指南，依据地理位置和运营层面分类。运用Python和自然语言处理工具（如NLTK）进行文本挖掘和计算处理，包括分词、去除停用词、词干提取和词形还原等操作。
4. 数据分析与验证：通过文本分析和可视化，识别出各大洲的热门关键词，并构建网络图表展示关键词与大洲之间的关系。验证了数据集的包容性和全球代表性，如不同大洲在人工智能应用方面有不同侧重点。
5. 使用说明与代码可用性：为研究人员提供使用数据集的建议，鼓励进行文本标准化、主题建模和情感分析等深入研究。处理和分析数据集的代码可在相应作者的GitHub账户获取。

文章创新点