一份不到4MB的JSON装下整个小学:os-taxonomy (Marble Skill Taxonomy)数据集内容完全盘点
一份不到4MB的JSON装下整个小学:os-taxonomy (Marble Skill Taxonomy)数据集内容完全盘点
os-taxonomy(Marble Skill Taxonomy)是一个开放的小学生学习知识图谱数据集:它把 4 到 15 岁孩子在 8 大学科中要学的所有知识,拆成 1,590 个"微主题"(micro-topics,最小可教学单元),用 3,221 条先修关系边把它们连成一张有向图,并与 7 套国家级课程标准逐一对齐。整个数据包不到 4MB,纯 JSON、无运行时、无依赖,下载下来直接读。
📦 数据包里装了什么?5 个核心文件一览
全部数据都放在 data/ 目录,UTF-8 JSON 格式:
| 文件 | 内容 | 大小 |
|---|---|---|
| data/topics.json | 1,590 个微主题(图谱节点) | ≈1.6 MB |
| data/dependencies.json | 3,221 条先修关系边 | ≈0.7 MB |
| data/curriculum-standards.json | 7 套课纲、3,261 条标准 | ≈1.6 MB |
| data/clusters.json | 183 段家长友好领域摘要 | ≈0.06 MB |
| data/manifest.json | 计数、科目分布 + SHA-256 校验和 | ≈1.3 KB |
🧩 topics.json:1,590 个"最小可教知识点"长什么样
每个微主题对应一个可教学的概念(比如 Building sentences、Apparent brightness of stars),并附带:
- 白话描述(
description)——这个知识点是什么; - 掌握证据(
evidence)——一组可观察行为,证明"孩子真的会了"; - 类型标签(
type)——共 5 类:概念 810、技能 512、元认知 144、语言 75、表征 49; - 科目 + 领域(
subject/domain)——覆盖 8 个学科、54 个知识领域; - 年龄区间(
ageRangeStart/ageRangeEnd)——横跨 4~15 岁; - 自然语言测评题(
assessmentPrompt)——一道可以直接问孩子的检查题,1,590 条全部配备。
学科分布上,科学与数学是绝对主力:
| 学科 | 主题数 |
|---|---|
| Science | 547 |
| Mathematics | 503 |
| English | 286 |
| History | 90 |
| Personal & Social Development | 88 |
| Life Skills | 37 |
| Computing | 21 |
| Learning to Learn | 18 |
🔗 dependencies.json:3,221 条"先学什么、后学什么"的边
这是一张有向无环图(DAG):每条边表示"主题 X 依赖先修主题 Y",并带有强度(hard 硬依赖 2,025 条 / soft 软依赖 1,196 条)和一句理由,例如:
{
"topicId": "mt__00ZSLnB7p",
"prerequisiteId": "mt_VBl1T1sFCM",
"strength": "hard",
"reason": "Must understand vibrations make sound before finding volume patterns"
}
把边反向,就得到"学了这个能解锁哪些后续知识"——可以直接拿来构建学习路径规划器:点开任意一个概念,回溯出学习者必须在此之前掌握的全部内容。
📚 curriculum-standards.json:7 套课纲、3,261 条标准一对一对齐
数据集与 7 套课程框架完成对齐,共 3,261 条标准、1,859 个"主题↔标准"链接(818 个微主题挂了课标锚点):
| slug | 课程框架 | 地区 | 标准数 | 原文 |
|---|---|---|---|---|
| uk-nc-2013 | 英格兰国家课程(KS1–2) | 🇬🇧 | 1,117 | ✅ 含原文 |
| ccss-ela | Common Core(英语文学) | 🇺🇸 | 1,028 | ✅ 含原文 |
| ccss-math | Common Core(数学) | 🇺🇸 | 503 | ✅ 含原文 |
| c3-social-studies | C3 社会科学框架 | 🇺🇸 | 338 | 🔒 仅编号 |
| ib-pyp-pspe | IB PYP 社体教育 | 国际 | 138 | 🔒 仅编号 |
| ngss-k5 | NGSS(K-5 科学) | 🇺🇸 | 78 | 🔒 仅编号 |
| ngss-ms | NGSS(中学科学) | 🇺🇸 | 59 | 🔒 仅编号 |
对版权受限的 4 个来源(NGSS、C3、IB),只发行标准编号——"哪个主题对应哪条标准"的映射关系完整保留,各来源的具体授权与署名要求见 PROVENANCE.md。
👨👩👧 clusters.json:183 段家长能直接读懂的摘要
每条对应"学科 + 领域 + 起始年龄"的组合,摘要直接写给家长看。例如"English × Grammar & Punctuation × 5岁":
Your child is learning the building blocks of writing — how to make complete sentences, use capital letters and punctuation marks correctly…
想做"给家长解释孩子这学期在学什么"的功能,这份文件开箱即用。
🛡️ 数据可信吗?Schema 约束 + 一键校验
- 每个数据文件都有对应的 JSON Schema(如 schema/topics.schema.json),字段级严格约束;
- scripts/validate.mjs 是一个零依赖的完整性校验器,检查结构、引用完整性(每条边的两端都指向真实主题)与 SHA-256 校验和,一条命令跑完:
node scripts/validate.mjs
- 各文件的校验和与统计记在 data/manifest.json,版本演进见 CHANGELOG.md。
⚖️ 许可指南:三层 License 划清"谁能怎么用"
| 层 | 许可 | 说明 |
|---|---|---|
| 数据库结构与关系 | ODbL 1.0(LICENSE) | 可商用;衍生数据库需同名开放(share-alike) |
| Marble 原创文字内容 | CC BY-SA 4.0(LICENSE-CONTENT) | 署名 + 同名开放 |
| curriculum-standards.json | 上游原始许可 | 逐来源见 PROVENANCE.md |
ODbL 区分"衍生数据库"与"产出作品"——基于本数据集做商业产品不必开源你的产品,只需把对分类学本身的改进回馈社区。正式引用格式见 CITATION.cff。
🚀 这个小学课程数据集适合谁
- 教育应用开发者:先修图 + 测评提问模板,可直接做学习路径规划、知识缺口诊断、家长报告;
- 课程研究者:1,859 条主题↔标准对齐,适合跨课纲比较与知识覆盖度分析;
- AI 开发者:一份干净结构化的小学知识图谱,是训练/评估学习助手类模型的理想语料。
使用请保留署名:Marble Skill Taxonomy (v1) · © Generative Spark, Inc. (Marble) · licensed under ODbL 1.0 (database) and CC BY-SA 4.0 (content)。
