StackLite – Dataset des questions Stack Overflow (2016)

Ce dataset StackLite contient les métadonnées des questions posées sur Stack Overflow jusqu’en octobre 2016. Les données comprennent ID, dates, scores, tags et nombre de réponses. Il permet d’analyser les tendances et corrélations entre tags et comportements temporels.

Télécharger le dataset

Taille

Plus de 12 millions de questions en CSV/SQLite, avec métadonnées associées

Licence

Creative Commons Attribution-ShareAlike (CC BY-SA)

Description

‍

Le dataset StackLite propose un extrait des questions de Stack Overflow, focalisé sur les métadonnées : identifiants, dates, scores, tags, nombre de réponses et informations utilisateur. Ce format simplifié facilite l’analyse statistique et temporelle des questions en programmation.

‍

À quoi sert ce dataset ?

‍

Analyser l’évolution des questions par tags au fil du temps
Étudier les corrélations entre tags et scores des questions
Explorer les tendances de publication selon jours de la semaine

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, il est possible d’ajouter du texte des questions/réponses ou des données utilisateur supplémentaires pour des analyses plus fines. Une annotation qualitative des questions pourrait aussi augmenter sa valeur.

‍

🔎 En résumé

Critère	Évaluation
🧩 Facilité d’utilisation	⭐⭐⭐⭐⭐ (Format simple CSV/SQLite très accessible)
🧼 Besoin de nettoyage	⭐⭐⭐⭐⭐ (Faible – données bien structurées et propres)
🏷️ Richesse des annotations	⭐⭐⭐✩✩ (Moyenne – métadonnées détaillées mais pas de contenu textuel)
📜 Licence commerciale	✅ Oui (CC BY-SA)
👨‍💻 Idéal pour les débutants	🌟 Oui, parfait pour premiers projets d’analyse de données
🔁 Réutilisable en fine-tuning	⚠️ Limitée – peu adaptée au NLP sans contenu textuel
🌍 Diversité culturelle	⚠️ Majoritairement anglophone, communauté mondiale de développeurs