Digitization of the Cultural Code — Pilot Dataset of Literary Characters' Life Trajectories (6 Cases, Version 1.1)
Authors/Creators
- 1. Autonomous Non-Profit Organization "Center for Scientific Research in Career Guidance and Occupational Psychology"
Description
The dataset contains the results of a pilot validation of a multi-agent LLM pipeline developed within the project “Digitization of the Cultural Code.” The pipeline is designed for the automated extraction of life scripts, worldviews, and evaluations of lived life of literary characters from Russian-language texts. The data were obtained by analyzing six literary works (four canonical cases and two “crash tests”) using five independent agents, each of which generates a structured JSON report on 10 measurable scales.
Each case includes five passes: socio-situational, behavioral, psychological, sociocultural, and final synthesizing. All passes are accompanied by a quotation base, chains of reasoning (Chain-of-Thought), and confidence scores (Confidence_Score). For each case, the results of expert validation (three independent experts, Fleiss’ kappa coefficient) and a classification of discrepancies by type (“insight,” “error,” “disputed case”) are also presented.
The dataset is intended for researchers in the fields of digital humanities, the psychology of self-determination, and literary studies. It can be used for verification of the methodology, comparative analysis of script patterns, and also as a basis for a large-scale corpus study of Russian-language literature of 1800–2025.
The dataset represents a pilot validation of the methodology; the main study on 10,000 texts is planned for the next stage.
Abstract (Russian)
Датасет содержит результаты пилотной валидации многоагентного LLM-пайплайна, разработанного в рамках проекта «Оцифровка культурного кода». Пайплайн предназначен для автоматизированного извлечения жизненных сценариев, картин мира и оценок прожитой жизни литературных персонажей из русскоязычных текстов. Данные получены путём анализа шести литературных произведений (четыре канонических кейса и два «краш-теста») с использованием пяти независимых агентов, каждый из которых формирует структурированный JSON-отчёт по 10 измеримым шкалам.
Каждый кейс включает пять проходов: социально-ситуационный, поведенческий, психологический, социокультурный и финальный синтезирующий. Все проходы сопровождаются цитатной базой, цепочками рассуждений (Chain-of-Thought) и индексами уверенности (Confidence_Score). Для каждого кейса также представлены результаты экспертной валидации (три независимых эксперта, коэффициент каппа Флейса) и классификация расхождений по типам («инсайт», «ошибка», «спорный случай»).
Датасет предназначен для исследователей в области цифровой гуманитаристики, психологии самоопределения и литературоведения. Он может использоваться для верификации методологии, сравнительного анализа сценарных паттернов, а также в качестве основы для масштабного корпусного исследования русскоязычной литературы 1800–2025 гг.
Датасет представляет собой пилотную валидацию методологии; основное исследование на 10 000 текстов запланировано на следующий этап.
Files
readme.txt
Additional details
Additional titles
- Translated title (Russian)
- Оцифровка культурного кода — Пилотный датасет жизненных сценариев литературных персонажей (6 кейсов, версия 1.1)
Related works
- Is supplement to
- Preprint: https://crcg.ru/ls-appendix/ (URL)