中文阅读分级语料集包括了人教版小学语文课文语料库、经典儿童文学作品抽样语料库和接力儿童分级阅读书目抽样语料库。人教版小学语文课文语料库从人教网通过爬虫获取，研究的对象是课本中１到６年级的所有成篇课文，根据小学语文教学大纲，语料分为三级，1-2年级、3-4年级、5-6年级为低中高三级。经典儿童文学作品抽样语料库选取了郑渊洁童话、《中国五十年儿童文学名家作品选》和伍美珍和和曹文轩的童话三部作品作为抽样语料内容。接力儿童分级阅读书目抽样语料库按照年龄分为三级，包含了4部儿童文学代表作品。

微博等社交媒体平台已经成为人们表达自身情感与态度的重要渠道。数据集中包含2022年上海疫情期间微博签到数据，该签到数据主要通过Python爬取，采集的数据字典包括微博文本、地理位置、发布时间等（数据示例如下表1所示）。为保证数据质量，应用噪声过滤方法对数据进行降噪（剔除用户转发的和由机器人发布的微博）。

《中国互联网学习白皮书》是由教育部教育管理信息中心牵头，联合国内知名大学、具有影响力的专家、研究机构和企业等共同编写的描述中国互联网学习现状及发展趋势的年度报告。“白皮书项目”于2014年正式开展，截至目前已经运行8年，为更深刻、全面地洞察我国教育信息化发展基本趋势、未来走向及行业特征，“白皮书项目”在全国建设了一批示范性数据采集点，发放基础教育互联网学习现状调查问卷，从学生、教师和管理者三个层面获取数据。大赛开放2020年度的基础教育互联网学习现状调查数据。

抖音粉丝量是反映抖音用户被其他用户关注频数的统计指数，本文采用人工检录的方法标识成渝城市群城市地域名词的关注程度，选取自2016年9月20日抖音上市至2021年1月1日为研究时段，具体检录方法如图1所示：首先在抖音搜索栏中输入被关注的城市名词，之后检索与该城市相关的用户栏，点击搜索即可获取该城市的不同用户的粉丝量，逐一排查检录后累加求和得到城市的抖音粉丝总量，以此作为该城市被关注的程度。

图书外借数据，2013年-2017年，884965条数据记录

图书预约数据，2013年-2018年，3272条数据记录

读者入馆数据，2013年-2017年，4768181条数据记录

读馆藏数据，2013年-2018年，308193条数据记录