論文の概要: From First Patch to Long-Term Contributor: Evaluating Onboarding Recommendations for OSS Newcomers
- arxiv url: http://arxiv.org/abs/2407.04159v1
- Date: Thu, 4 Jul 2024 21:25:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-08 15:00:44.274462
- Title: From First Patch to Long-Term Contributor: Evaluating Onboarding Recommendations for OSS Newcomers
- Title（参考訳）: 最初のパッチから長期コントリビュータへ:OSS新参者に対するオンボーディング勧告の評価
- Authors: Asif Kamal Turzo, Sayma Sultana, Amiangshu Bosu,
- Abstract要約: オープンソースソフトウェア(OSS)プロジェクトへの新参者推奨に関する2つの重要な研究ギャップがある。
まず、既存のレコメンデーションのほとんどは限られた数のプロジェクトに基づいています。
第二に、これらのレコメンデーションが経験豊富なコントリビュータにも当てはまるかどうかは不明です。
- 参考スコア（独自算出の注目度）: 3.673153666095999
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Attracting and retaining a steady stream of new contributors is crucial to ensuring the long-term survival of open-source software (OSS) projects. However, there are two key research gaps regarding recommendations for onboarding new contributors to OSS projects. First, most of the existing recommendations are based on a limited number of projects, which raises concerns about their generalizability. If a recommendation yields conflicting results in a different context, it could hinder a newcomer's onboarding process rather than help them. Second, it's unclear whether these recommendations also apply to experienced contributors. If certain recommendations are specific to newcomers, continuing to follow them after their initial contributions are accepted could hinder their chances of becoming long-term contributors. To address these gaps, we conducted a two-stage mixed-method study. In the first stage, we conducted a Systematic Literature Review (SLR) and identified 15 task-related actionable recommendations that newcomers to OSS projects can follow to improve their odds of successful onboarding. In the second stage, we conduct a large-scale empirical study of five Gerrit-based projects and 1,155 OSS projects from GitHub to assess whether those recommendations assist newcomers' successful onboarding. Our results suggest that four recommendations positively correlate with newcomers' first patch acceptance in most contexts. Four recommendations are context-dependent, and four indicate significant negative associations for most projects. Our results also found three newcomer-specific recommendations, which OSS joiners should abandon at non-newcomer status to increase their odds of becoming long-term contributors.
- Abstract（参考訳）: オープンソースソフトウェア(OSS)プロジェクトの長期的な存続を保証するためには,新たなコントリビュータの定常的なストリームの獲得と維持が不可欠だ。
しかしながら、OSSプロジェクトへの新しいコントリビュータの導入推奨に関する2つの重要な研究ギャップがある。
まず、既存のレコメンデーションのほとんどは限られた数のプロジェクトに基づいています。
もしレコメンデーションが相反する結果を異なる文脈で与えれば、新参者を助けるのではなく、新参者の参加プロセスを妨げる可能性がある。
第二に、これらのレコメンデーションが経験豊富なコントリビュータにも当てはまるかどうかは不明です。
特定のレコメンデーションが新参者特有のものである場合、最初のコントリビューションが受け入れられた後もフォローし続けることは、長期的なコントリビューターになる可能性を妨げます。
これらのギャップに対処するため,我々は2段階混合法の研究を行った。
第1段階では,SLR(Systematic Literature Review)を実施し,OSSプロジェクトの新参者がフォロー可能なタスク関連アクション可能なレコメンデーション15件を特定した。
第2段階では、GitHubから5つのGerritベースのプロジェクトと1,155のOSSプロジェクトに関する大規模な実証的研究を行い、これらの推奨が新規参入の成功に役立つかどうかを評価します。
以上の結果から,4つの推奨事項は,新参者の最初のパッチ受け入れ状況と正の相関が示唆された。
4つの推奨事項は文脈に依存し、4つの推奨事項は、ほとんどのプロジェクトにおいて顕著なネガティブな関連を示す。
また, OSS参加者は, 長期コントリビュータになる確率を高めるために, 新規加入者以外の立場を放棄すべきである3つの新しいコントリビュータ固有のレコメンデーションも見出した。
関連論文リスト
- CURE4Rec: A Benchmark for Recommendation Unlearning with Deeper Influence [55.21518669075263]
CURE4Recは、レコメンデーションアンラーニング評価のための最初の包括的なベンチマークである。
さまざまな影響レベルのデータに対する推薦公正性と堅牢性に対するアンラーニングの影響について検討する。
論文 参考訳（メタデータ） (2024-08-26T16:21:50Z) - Beyond Recommendations: From Backward to Forward AI Support of Pilots' Decision-Making Process [12.742338558480064]
航空における転向の文脈において、リコメンデーション中心のサポートを代替パラダイムである継続的サポートと比較する。
継続的サポートは、パイロットの意思決定を前方に支援し、システムの限界を超えて考えることができることがわかった。
論文 参考訳（メタデータ） (2024-06-13T09:44:04Z) - How to Gain Commit Rights in Modern Top Open Source Communities? [14.72524623433377]
現代のOSSコミュニティにおけるコミッタ資格の政策と実践的実装について検討する。
我々は、9つのテーマに分類される26のコードからなるコミッタ資格の分類を構築した。
参加時間が経過すると,コミット権獲得の可能性が低下することがわかった。
論文 参考訳（メタデータ） (2024-05-03T01:23:06Z) - Personalized First Issue Recommender for Newcomers in Open Source
Projects [12.444293953494032]
我々は37人の新参者を分析し、その最初の問題は複数のプロジェクトにわたって解決した。
同じ新参者によって解決された最初の問題は、タスクタイプ、プログラミング言語、プロジェクトドメインにおける類似点を共有している。
提案するPFIRecは,特定された影響力のある特徴を生かして,新参者の候補課題のランク付けを行う。
論文 参考訳（メタデータ） (2023-08-17T15:19:13Z) - An Exploratory Study on the Evidence of Hackathons' Role in Solving OSS
Newcomers' Challenges [54.56931759953522]
我々はOSSプロジェクトに参加する際、新参者が直面する課題を理解し、議論することを目指している。
これらの課題にどのようにハッカソンが使われたかを示す証拠を収集する。
論文 参考訳（メタデータ） (2023-05-16T15:40:19Z) - Attracting and Retaining OSS Contributors with a Maintainer Dashboard [19.885747206499712]
私たちはメンテナダッシュボードを設計し、オープンソースコントリビュータを惹きつける方法と維持方法に関するレコメンデーションを提供します。
私たちはメンテナとプロジェクト固有の評価を行い、このツールが最も役立つユースケースをよりよく理解します。
オープンソースにおけるレコメンデーションの未来と、これらのレコメンデーションを時間とともに最も意味のあるものにする方法を共有するために、我々の研究成果を掘り下げる。
論文 参考訳（メタデータ） (2022-02-15T21:39:37Z) - Measuring "Why" in Recommender Systems: a Comprehensive Survey on the
Evaluation of Explainable Recommendation [87.82664566721917]
この調査は、IJCAI、AAAI、TheWebConf、Recsys、UMAP、IUIといったトップレベルのカンファレンスから100以上の論文に基づいています。
論文 参考訳（メタデータ） (2022-02-14T02:58:55Z) - Leaving My Fingerprints: Motivations and Challenges of Contributing to
OSS for Social Good [17.145094780239564]
コントリビュータとしてOSSと21の半構造化インタビューを行った。
コントリビュータの大多数はOSS4SGとOSSを区別している。
OSS4SGコントリビュータは、OSSコントリビュータよりもプロジェクトのオーナをかなり高く評価している。
論文 参考訳（メタデータ） (2021-04-26T21:50:11Z) - Fairness-Aware Explainable Recommendation over Knowledge Graphs [73.81994676695346]
ユーザのアクティビティのレベルに応じて異なるグループのユーザを分析し、異なるグループ間での推奨パフォーマンスにバイアスが存在することを確認する。
不活性なユーザは、不活性なユーザのためのトレーニングデータが不十分なため、不満足なレコメンデーションを受けやすい可能性がある。
本稿では、知識グラフに対する説明可能な推奨という文脈で、この問題を緩和するために再ランク付けすることで、公平性に制約されたアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-03T05:04:38Z) - Reward Constrained Interactive Recommendation with Natural Language
Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。
具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。
提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文 参考訳（メタデータ） (2020-05-04T16:23:34Z) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。