論文の概要: Deciphering WONTFIX: A Mixed-Method Study on Why GitHub Issues Get Rejected

• arxiv url: http://arxiv.org/abs/2510.01514v1
• Date: Wed, 01 Oct 2025 23:22:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.899183
• Title: Deciphering WONTFIX: A Mixed-Method Study on Why GitHub Issues Get Rejected
• Title（参考訳）: WONTFIXを解読する - GitHubの問題はなぜ排除されるのか
• Authors: J. Alexander Curtis, Sharadha Kasiviswanathan, Nasir Eisty,
• Abstract要約: 調査では、GitHub上のさまざまなオープンソースリポジトリで willtfix とラベル付けされている問題の存在状況と理由について調査している。 調査の結果、GitHub上のプロジェクトの約30%が、いくつかの問題に対して wontfixラベルを適用していることがわかった。 この研究は、ユーザ固有のコントロールファクタからメンテナ固有の決定まで、ラベル付け問題の背後にある8つの一般的なテーマを、Ventfixとして特定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Context: The ``wontfix'' label is a widely used yet narrowly understood tool in GitHub repositories, indicating that an issue will not be pursued further. Despite its prevalence, the impact of this label on project management and community dynamics within open-source software development is not clearly defined. Objective: This study examines the prevalence and reasons behind issues being labeled as wontfix across various open-source repositories on GitHub. Method: Employing a mixed-method approach, we analyze both quantitative data to assess the prevalence of the wontfix label and qualitative data to explore the reasoning that it was used. Data were collected from 3,132 of GitHub's most-popular repositories. Later, we employ open coding and thematic analysis to categorize the reasons behind wontfix labels, providing a structured understanding of the issue management landscape. Results: Our findings show that about 30% of projects on GitHub apply the wontfix label to some issues. These issues most often occur on user-submitted issues for bug reports and feature requests. The study identified eight common themes behind labeling issues as wontfix, ranging from user-specific control factors to maintainer-specific decisions. Conclusions: The wontfix label is a critical tool for managing resources and guiding contributor efforts in GitHub projects. However, it can also discourage community involvement and obscure the transparency of project management. Understanding these reasons aids project managers in making informed decisions and fostering efficient collaboration within open-source communities.
• Abstract（参考訳）: Context: `wontfix'ラベルはGitHubリポジトリで広く使われているが、狭義に理解されているツールである。 その流行にもかかわらず、このラベルがオープンソースプロジェクトにおけるプロジェクト管理とコミュニティのダイナミクスに与える影響は明確には定義されていない。 Objective: 今回の調査では,GitHub上のさまざまなオープンソースリポジトリで, wontfixとしてラベル付けされている問題の存在状況と,その原因について調査する。 方法: 混合手法を用いて, 定量データを用いて, 有理固定ラベルの有病率と定性データの両方を解析し, 使用理由を探索する。 データは、GitHubで最も人気の高いリポジトリの3,132から収集された。 その後、我々はオープンコーディングとテーマ解析を用いて、ウィットフィックスラベルの背景にある理由を分類し、課題管理の状況に関する構造化された理解を提供する。 結果: 調査の結果,GitHub上のプロジェクトの約30%が,いくつかの問題に対して wontfixラベルを適用していることがわかった。 これらの問題は、バグレポートや機能要求に関して、ユーザから提出された問題に多く発生します。 この研究は、ユーザ固有のコントロールファクタからメンテナ固有の決定まで、ラベル付け問題の背後にある8つの一般的なテーマを、Ventfixとして特定した。 結論: wontfixラベルは、リソースを管理し、GitHubプロジェクトにおけるコントリビュータの取り組みを導くための重要なツールです。 しかし、コミュニティの関与を妨げ、プロジェクト管理の透明性を曖昧にすることもある。 これらの理由を理解することは、プロジェクトマネージャがインフォームドな意思決定を行い、オープンソースコミュニティ内で効率的なコラボレーションを促進するのに役立つ。

関連論文リスト

• Classifying Issues in Open-source GitHub Repositories [0.0]
  GitHubは、オープンソースコミュニティでもっとも広く使われているソフトウェアメンテナンスプラットフォームである。 開発者は困難に直面しながら、GitHubで問題を時々報告する。 GitHubリポジトリのほとんどは、問題の定期的なラベル付けを保持していない。
  論文  参考訳（メタデータ） (2025-07-25T06:20:54Z)
• Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
  GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。 改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
  論文  参考訳（メタデータ） (2024-10-29T12:21:23Z)
• Visual Analysis of GitHub Issues to Gain Insights [2.9051263101214566]
  本稿では,課題タイムラインに関する洞察を提供するために,可視化を生成するプロトタイプWebアプリケーションを提案する。 問題のライフサイクルに焦点をあて、ユーザによる開発パターンの理解を高めるために重要な情報を記述する。
  論文  参考訳（メタデータ） (2024-07-30T15:17:57Z)
• Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration [64.19431011897515]
  本稿では,問題解決のためにソフトウェアリポジトリ全体を包括的に理解し,活用するために設計された,新しいソフトウェアエンジニアリング手法であるAlibaba LingmaAgentを提案する。 提案手法では,重要なリポジトリ情報を知識グラフに凝縮し,複雑さを低減し,モンテカルロ木探索に基づく戦略を採用する。 Alibaba Cloudの製品展開と評価において、LingmaAgentは、開発エンジニアが直面した社内問題の16.9%を自動で解決し、手作業による介入で43.3%の問題を解決した。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution [47.850418420195304]
  大規模言語モデル(LLM)はコード生成において有望であるが、GitHubの問題を解決する上で困難に直面している。 ソフトウェア進化のためにカスタマイズされた4つのエージェントからなる、GitHub Issue Resolution, MAGISのための新しいMulti-Agentフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-26T17:57:57Z)
• Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
  我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。 このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
  論文  参考訳（メタデータ） (2022-11-11T16:37:33Z)
• Supporting the Task-driven Skill Identification in Open Source Project Issue Tracking Systems [0.0]
  コントリビュータがコントリビュータのタスクを選択するのを支援するために,オープンイシュー戦略の自動ラベル付けについて検討する。 スキルを特定することで、コントリビュータ候補はより適切なタスクを選択するべきだ、と私たちは主張する。 本研究では,実験におけるラベルの関連性を定量的に分析し,戦略の相対的重要性を比較した。
  論文  参考訳（メタデータ） (2022-11-02T14:17:22Z)
• Predicting Issue Types on GitHub [8.791809365994682]
  Ticket Taggerは、機械学習技術による課題のタイトルと説明を分析するGitHubアプリである。 私たちは、約30,000のGitHubイシューに対して、ツールの予測パフォーマンスを実証的に評価しました。
  論文  参考訳（メタデータ） (2021-07-21T08:14:48Z)
• S3M: Siamese Stack (Trace) Similarity Measure [55.58269472099399]
  本稿では、深層学習に基づくスタックトレースの類似性を計算する最初のアプローチであるS3Mを紹介します。 BiLSTMエンコーダと、類似性を計算するための完全接続型分類器をベースとしている。 私たちの実験は、オープンソースデータとプライベートなJetBrainsデータセットの両方において、最先端のアプローチの優位性を示しています。
  論文  参考訳（メタデータ） (2021-03-18T21:10:41Z)
• LabelGit: A Dataset for Software Repositories Classification using Attributed Dependency Graphs [11.523471275501857]
  LabelGitと呼ばれるGitHubプロジェクトの新しいデータセットを作成します。 私たちのデータセットは、依存関係グラフや識別子からのソースコードニューラル表現など、ソースコードからの直接的な情報を使用します。 プロキシに頼らず、ソースコード全体を分類するために使用するソリューションの開発を支援することを願っています。
  論文  参考訳（メタデータ） (2021-03-16T07:28:58Z)

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。