SPReAD採択課題 課題名コーディング 公開データパッケージ / Title classification of SPReAD-funded projects: a reproducibility data package
Abstract
本データセットは、文部科学省「AI for Science 萌芽的挑戦研究創出事業(SPReAD)」第1回・第2回で採択された課題(計1,112件)の課題名を内容分類した事例研究について、再現に必要な資料一式を収録したものである。 収録物は次の4点である。(1)公式の採択課題一覧PDFから課題レベルの構造化データを作成するパーサ、(2)大規模言語モデル(LLM)による分類に用いたプロンプト、(3)分類基準を定めたコードブック、(4)全1,112件のLLM分類結果。 分類は、AIを特定の科学的・臨床的な問いに適用する「課題応答型」、再利用可能なデータ資源の構築を主目的とする「データ資源構築型」、対象を特定しない手法・ツールを開発する「手法・ツール開発型」等の類型に基づく。 元データ(課題名・公募回・研究領域)は、文部科学省が公表する採択課題一覧(公開情報)に基づく。分類結果データには、研究代表者名・所属機関は含まない。 本パッケージは、関連する事例報告の付随資料である。論文の書誌情報およびDOIは、掲載確定後に追記する。 ---------------------------------------------------------------- This dataset provides the materials needed to reproduce a case study that classified the titles of 1,112 projects funded through the first two calls of Japan's MEXT "AI for Science Emerging-Challenge Research Program (SPReAD)". It contains four items: (1) a parser that builds project-level structured data from the official PDF lists of funded projects; (2) the prompt used for classification with a large language model (LLM); (3) the codebook defining the classification scheme; and (4) the LLM classification results for all 1,112 projects. Projects are classified into types such as application-oriented (applying AI to a specific scientific or clinical question), data-resource construction (primarily building reusable data resources), and method/tool development (building domain-general methods or tools). The source data (project titles, call number, research field) are based on the publicly available lists of funded projects published by MEXT. The classification data do not include principal investigator names or affiliations. This package is supplementary material to a related case report. The bibliographic details and DOI of the article will be added once publication is confirmed.
