开发者路线图：如何正确引用、复现与扩展os-taxonomy (Marble Skill Taxonomy)开放教育数据集-编程实验室

开发者路线图：如何正确引用、复现与扩展os-taxonomy (Marble Skill Taxonomy)开放教育数据集

【免费下载链接】os-taxonomy项目地址: https://gitcode.com/gh_mirrors/os/os-taxonomy

如果你正在寻找一个开放教育数据集来做学习路径分析、自适应学习产品或教育科研，os-taxonomy（Marble Skill Taxonomy）值得认真看一眼。它把小学阶段"孩子到底学到了什么"拆解成1,590 个微主题（micro-topics）、用3,221 条先修依赖边连成一张有向无环图，并对齐 NGSS、Common Core、英国国家课程等 7 套课程标准。数据为纯 JSON、零运行时依赖，加载即用。本文是一份面向新手开发者的完整路线图：如何读懂它、规范引用它、可复现地校验它，以及合法地扩展它。

🧭 一分钟理解 os-taxonomy 开放教育数据集

与传统"扁平标准清单"不同，os-taxonomy 是一张学习连接图（connected graph of learning），包含四层信息：

组成	数量	说明
微主题（节点）	1,590	每个主题含通俗描述、掌握证据、类型（概念/程序/表征/语言/元认知）、学科+领域、年龄段
先修依赖（边）	3,221	`topicId`依赖于`prerequisiteId`，每条边带`hard`/`soft`强度与一句原因
课程标准对齐	3,261 条标准	覆盖 7 套课程，共 1,859 条主题↔标准链接
领域聚类	183 个	按（学科, 领域, 年龄段）生成的家长友好型一段话总结

覆盖 8 个学科：Science (547)、Mathematics (503)、English (286)、History (90)、Personal & Social Development (88)、Life Skills (37)、Computing (21)、Learning to Learn (18)。

📁 5 个核心数据文件：从哪里开始读

所有数据位于 data/ 目录，均为 UTF-8 JSON，结构契约见 schema/ 下的 JSON Schema：

data/topics.json — 微主题（图的节点）。例如 data/topics.json 中的"AI in Daily Life"主题，就带描述、年龄段、3 条掌握证据和评估提示。
data/dependencies.json — 先修边。记住方向：topicId依赖于prerequisiteId；想要"解锁了什么"就反转边。
data/curriculum-standards.json — 来源课程标准，按 curriculum 分组。注意部分来源只含代码（codes-only），见下文复现章节。
data/clusters.json — 面向家长的领域摘要。
data/manifest.json — 计数、按学科统计、每个文件的 SHA-256 校验和（复现的锚点）。

📌 正确引用：两步就能做对

第一步：给数据集署名。任何使用都必须带上 README.md 中规定的致谢语：

Marble Skill Taxonomy (v1) · © Generative Spark, Inc. (Marble) · https://withmarble.com · licensed under ODbL 1.0 (database) and CC BY-SA 4.0 (content).

第二步：用正式引文。论文和 BibTeX 场景请直接使用 CITATION.cff，机器可读的引元数据已备好：数据集类型为dataset，版本v1，发布于 2026-07-08，主许可ODbL-1.0。

⚠️ 如果你还使用了课程标准数据，别忘了 PROVENANCE.md 中各上游来源的额外声明要求——这一步最容易漏，也最容易引发版权纠纷。

🔁 可复现地校验数据：一条命令

拿到数据后的第一件事是验证完整性。项目自带一个零依赖校验器scripts/validate.mjs，它会检查：

声明计数与实际条目数一致（1,590 / 3,221 / 3,261 / 183）
所有边的端点、所有主题→标准引用都能解析（无悬空引用）
codes-only 不变量：受限来源不泄露原文
data/manifest.json 中每个文件的 SHA-256 校验和

git clone https://gitcode.com/gh_mirrors/os/os-taxonomy cd os-taxonomy node scripts/validate.mjs # 或 npm run validate

输出✓ valid即代表数据与你复现的版本完全一致。把"clone → validate → 记录 commit"写进你的流水线，就拿到了数据集级别的可复现性——这正是开放教育数据集区别于"下载一个 zip 就完事"的关键。

🚀 合法扩展：先看懂三层许可

os-taxonomy 是多许可结构，扩展前务必分清三层（详见 LICENSE 与 LICENSE-CONTENT）：

层级	许可	意味着
数据库（结构、ID、主题↔主题/标准关系）	ODbL 1.0	可商用+研究，需署名；衍生数据库须继续以 ODbL 开放
Marble 撰写的文本（描述、证据、原因、摘要）	CC BY-SA 4.0	署名 + 相同方式共享
curriculum-standards.json	上游各自许可	不可由 Marble 再授权，见 PROVENANCE.md

关键细节：ODbL 区分"衍生数据库"（你扩展/修改分类法本身 → 必须保持开放）与"生成作品"（把它用在你的产品、模型或 App 里 → 归你所有）。所以你可以基于它构建商业产品而无需开源产品本身，只需把对分类法的改进回馈给数据集。

三个常见扩展方向

加入新课程标准：topic → standard的键格式为<curriculum-slug>:<code>（见 data/curriculum-standards.json），按 schema/curriculum-standards.schema.json 追加即可。若来源有版权（如 NGSS、C3、IB PYP），默认走 codes-only 模式——只放代码，不放原文。
新增微主题与依赖：主题 ID 需以mt_前缀开头（校验器会检查，见 scripts/validate.mjs），依赖边强度只能是hard或soft。
重新计算派生物：语义嵌入被刻意排除在发布之外（data/manifest.json 的excluded字段），你可以自行基于 topics 重新计算，不必等待上游。