論文の概要: Diversity of Skills and Collective Intelligence in GitHub
- arxiv url: http://arxiv.org/abs/2110.06725v1
- Date: Wed, 13 Oct 2021 13:55:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 14:43:37.082586
- Title: Diversity of Skills and Collective Intelligence in GitHub
- Title（参考訳）: GitHubのスキルと集合知の多様性
- Authors: Dorota Celi\'nska-Kopczy\'nska
- Abstract要約: 情報交換を行うユーザ間のリンク作成において,スキルの多様性が重要な役割を担っていることがわかった。
実際のコーディングに関連するネットワーク内の接続は、類似した特徴を持つユーザ間で確立される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A common assumption suggests that individuals tend to work with others who
are similar to them. However, studies on team working and ability of the group
to solve complex problems highlight that diversity plays a critical role during
collaboration, allowing for the diffusion of information. In this paper, we
investigate the patterns behind the connections among GitHub users in Open
Source communities. To this end, we use Social Network Analysis and
Self-Organizing Maps as the similarity measure. Analysis of textual artifacts
reveals the roles of those connections. We find that diversity of skills plays
an essential role in the creation of links among users who exchange information
(e.g., in issues, comments, and following networks). The connections in
networks related to actual coding are established among users with similar
characteristics. Users who differ from the owner of the repository report bugs,
problems and ask for help more often than the similar ones.
- Abstract（参考訳）: 共通の仮定は、個人は彼らと似た人と働く傾向があることを示唆している。
しかしながら、複雑な問題を解決するためのチームワークとグループの能力の研究は、多様性がコラボレーションにおいて重要な役割を果たすことを示し、情報の拡散を可能にします。
本稿では,オープンソースコミュニティにおけるGitHubユーザ間の接続パターンについて検討する。
この目的のために、類似度尺度として、ソーシャルネットワーク分析と自己組織化マップを用いる。
テキストアーティファクトの分析は、これらの接続の役割を明らかにする。
情報交換を行うユーザ(問題,コメント,フォローネットワークなど)間のリンク作成において,スキルの多様性が重要な役割を担っていることがわかった。
実際のコーディングに関連するネットワーク内の接続は、類似した特徴を持つユーザ間で確立される。
リポジトリの所有者と違うユーザはバグや問題を報告し、同じようなものよりも助けを求めることが多い。
関連論文リスト
- Community Detection for Heterogeneous Multiple Social Networks [6.863667633281842]
コミュニティは、ソーシャルネットワークにおけるユーザー行動とネットワーク特性を理解する上で重要な役割を担っている。
本稿では,複数ソーシャルネットワークを対象とした非負行列三要素化に基づくコミュニティ検出手法を提案する。
提案手法の有効性をTwitter,Instagram,Tumblrで評価した。
論文 参考訳（メタデータ） (2024-05-07T14:52:34Z) - Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。
異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。
現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
論文 参考訳（メタデータ） (2024-02-08T07:18:23Z) - Locating Community Smells in Software Development Processes Using
Higher-Order Network Centralities [38.72139150402261]
コミュニティの臭いは、ソフトウェア開発チームのインタラクションにおいて、ソフトウェアを作る能力を阻害する負のパターンである。
現在のアプローチは、ソフトウェアチームの相互作用構造の静的ネットワーク表現を分析して、コミュニティの臭いを検出することを目的としている。
我々は、高階ネットワークモデルが、そのような隠れパターンと複雑な関係を明らかにする堅牢な手段を提供することを示した。
論文 参考訳（メタデータ） (2023-09-14T06:48:15Z) - Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。
我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。
3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
論文 参考訳（メタデータ） (2022-04-19T12:10:03Z) - Community Formation and Detection on GitHub Collaboration Networks [0.0]
本稿は、GitHubユーザ18万人とそのリポジトリコントリビューションの大規模な履歴データセットについて説明する。
OSSコラボレーションは、緊密に連携する少数のユーザグループによって特徴づけられる。
論文 参考訳（メタデータ） (2021-09-23T18:43:00Z) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳（メタデータ） (2020-10-15T14:12:26Z) - GitEvolve: Predicting the Evolution of GitHub Repositories [31.814226661858694]
GitHubリポジトリの進化を予測するシステムであるGitEvolveを提案する。
私たちは、人気を予測するために共通の関心をモデル化することで、ユーザをグループにマップします。
提案したマルチタスクアーキテクチャは汎用的であり、他のソーシャルネットワークで情報拡散をモデル化するために拡張することができる。
論文 参考訳（メタデータ） (2020-10-09T04:32:15Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z) - Social Science Guided Feature Engineering: A Novel Approach to Signed
Link Analysis [58.892336054718825]
リンク分析に関する既存の研究のほとんどは、符号なしのソーシャルネットワークに焦点を当てている。
負のリンクの存在は、符号付きネットワークの特性と原則が符号なしネットワークと異なるかどうかを調査することに関心を持つ。
近年の研究では、符号付きネットワークの特性が符号なしネットワークの特性と大きく異なることが示唆されている。
論文 参考訳（メタデータ） (2020-01-04T00:26:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。