Jan, 2021

开源项目中贡献者动机的演变：再探驱动力

PDF
TL;DR通过对 242 名 OSS 贡献者的调查，研究了人们参与 OSS 的动机变化，并发现与社交和声望相关的某些动机增加了频率，而某些内在的动机，如学习和智力刺激，仍然非常相关。
open source softwareoss contributorsmotivationslandscapeprofessional career opportunities
发现论文，激发创造
  • 软件开发中的动机大规模调查及其有效性分析

    通过调查问卷和预测分析，本研究确定了 11 个激励因素，并分析了它们对开发者动机的相对影响以及答案的有效性问题。尽管存在一些有效性问题，但对多样化激励因素对高动机概率的影响进行的预测分析提供了有价值的见解。

    Apr, 2024

  • OSS Mentor：通过深度强化学习提高开发者贡献的框架

    本文提出一种基于深度强化学习的框架 OSS Mentor，通过使用经验知识进行训练，它可以适应性地帮助开发人员提高其贡献，这是一种管理开源软件的新方法，实验结果表明该方法显著超越现有实验结果，并设计了一个更加稳健的框架以改善开发人员的贡献。

    Oct, 2022

  • 开源软件开发者的代码推荐

    本文提出了一种新的代码推荐框架 CODER，通过建立异构图并对文件结构进行聚合，实现了微观用户－代码交互和宏观用户 - 项目交互的联合建模，进而预测开源软件开发者的未来贡献行为。该框架在多种实验设置下（包括项目内、跨项目和冷启动推荐）都取得了优异的性能表现，作者还构建了三个大规模的数据集，以促进未来的研究方向。

    Oct, 2022

  • 公私合作资金模式在开放源代码软件开发中的应用：以 scikit-learn 为案例研究

    通过对 scikit-learn 案例研究，本文探讨了政府资助对开源软件开发者的利益和不利之处，并对公共 - 私人资金模式在成功的社区主导开源软件项目中的角色和维护者评估资金模式提供了新的见解，还提出了对开源软件开发者社区、公司和政府的实践建议，强调对现有开源软件项目的维护进行资助的重要性。

    Apr, 2024

  • 开放源代码项目问题跟踪系统中的任务驱动技能识别支持

    通过自动标记问题策略来帮助开源软件贡献者选择要贡献的任务，使用社交网络分析度量从问题讨论中提取新的预测量，预测 API 域标签并使用技能本体论来协助贡献者寻找合适的任务。该研究表明，标记问题并组织它们是开源软件社区中各种角色的重要策略，API-domain 标签对于经验丰富的从业者是相关的，预测具有平均精度为 75.5％。

    Nov, 2022

  • 社区组织：改变研究软件开发和持续发展的文化

    软件在科学、工程等各个领域具有重要的作用，然而软件本身的发展却没有得到足够的重视。本文将概述草根组织和项目解决软件生产力、质量、可重复性和可持续性等方面的挑战，并探讨利用其协同活动的机遇，培养新兴软件生态系统。

    Nov, 2018

  • 开源软件问题讨论中信息类型的分析与检测

    通过对 GitHub 上三个项目中 15 个复杂问题讨论主题的定性内容分析，我们发现了 16 种信息类型，并创建了一个包含 4656 个句子的标记语料库。通过监督式自动分类技术，我们发现当给定问题的相关先验知识时，随机森林能够有效地使用会话特征 (如句子长度和位置) 检测大多数句子类型。当分类来自新问题的句子时，逻辑回归可以使用文本特征对某些信息类型获得令人满意的性能，但对其他信息类型则表现不足。

    Feb, 2019

  • 开源可复制性的警笛之歌

    会议为了解决可重复性问题而采取的强制代码提交的做法是片面的，并没有得到有效的证明，因此我们认为会议应该采取更多措施来推进可重复的机器学习研究。

    Apr, 2022

  • 研究 LLM 在闭源和开源数据上的性能

    大型语言模型在软件工程实践中得到广泛应用，本文使用微软的专有闭源软件数据进行研究，发现对于 C# 的性能变化很小，但对于 C++ 的性能显著降低，这种差异是由标识符的不同导致的，有时可以通过上下文学习来有效改善性能下降的问题。

    Feb, 2024

  • 理解影响 GitHub 代码库受欢迎程度的因素

    本文研究 GitHub 上软件系统的受欢迎程度及影响其受欢迎程度的因素，发现编程语言和应用领域是影响因素之一，同时，基于对 2,279 个受欢迎 GitHub 存储库的时间序列进行聚类，总结出 4 种主要的受欢迎度增长模式。研究成果可帮助开发者和维护者将软件系统建设和发展于竞争激烈的软件市场中。

    Jun, 2016