論文の概要: SpaceX: Exploring metrics with the SPACE model for developer productivity

• arxiv url: http://arxiv.org/abs/2511.20955v1
• Date: Wed, 26 Nov 2025 01:21:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.912422
• Title: SpaceX: Exploring metrics with the SPACE model for developer productivity
• Title（参考訳）: SpaceX:SPACEモデルでメトリクスを探索して開発者の生産性を向上
• Authors: Sanchit Kaul, Kevin Nhu, Jason Eissayou, Ivan Eser, Victor Borup,
• Abstract要約: この研究は、一般化線形混合モデル(GLMM)やRoBERTaに基づく感情分類などの厳密な統計手法を用いて、総合的で多面的な生産性指標を合成する。 最終的に、この研究は、開発者の有効性に対処するためにコンポジット生産性スコア(CPS)を提示する。
• 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: This empirical investigation elucidates the limitations of deterministic, unidimensional productivity heuristics by operationalizing the SPACE framework through extensive repository mining. Utilizing a dataset derived from open-source repositories, the study employs rigorous statistical methodologies including Generalized Linear Mixed Models (GLMM) and RoBERTa-based sentiment classification to synthesize a holistic, multi-faceted productivity metric. Analytical results reveal a statistically significant positive correlation between negative affective states and commit frequency, implying a cycle of iterative remediation driven by frustration. Furthermore, the investigation has demonstrated that analyzing the topology of contributor interactions yields superior fidelity in mapping collaborative dynamics compared to traditional volume-based metrics. Ultimately, this research posits a Composite Productivity Score (CPS) to address the heterogeneity of developer efficacy.
• Abstract（参考訳）: 本研究では,SPACEフレームワークを大規模リポジトリマイニングにより運用することにより,決定論的・一次元的生産性ヒューリスティックの限界を解明する。 オープンソースリポジトリから派生したデータセットを利用して、汎用線形混合モデル(GLMM)やRoBERTaに基づく感情分類などの厳密な統計手法を用いて、総合的で多面的な生産性指標を合成する。 分析の結果, 負の感情状態とコミット頻度の間に統計的に有意な正の相関がみられ, フラストレーションによる反復的修復のサイクルが示唆された。 さらに, コントリビュータ相互作用のトポロジ解析は, 従来のボリュームベース指標と比較して, 協調力学のマッピングにおいて優れた忠実性をもたらすことを示した。 最終的に、この研究は、開発効率の不均一性に対処するために複合生産性スコア(CPS)を提示する。

関連論文リスト

• Valid Inference with Imperfect Synthetic Data [39.10587411316875]
  モーメントの一般化法に基づく新しい推定器を提案する。 合成データのモーメント残差と実データのモーメント間の相互作用は、対象パラメータの推定を大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2025-08-08T18:32:52Z)
• Information-theoretic Quantification of High-order Feature Effects in Classification Problems [0.19791587637442676]
  特徴重要度(Hi-Fi)法における高次相互作用の情報理論拡張について述べる。 私たちのフレームワークは、機能のコントリビューションをユニークでシナジスティックで冗長なコンポーネントに分解します。 その結果,提案した推定器は理論的および予測された結果を正確に復元することがわかった。
  論文  参考訳（メタデータ） (2025-07-06T11:50:30Z)
• Learning Massive-scale Partial Correlation Networks in Clinical Multi-omics Studies with HP-ACCORD [9.759451770552284]
  マルチオミクスデータ解析のための新しい擬似類似性に基づくグラフィカル・モデル・フレームワークを提案する。 提案した推定器は,高次元仮定下での様々な指標における推定と選択の整合性を維持する。 最大100万変数のシミュレーションデータを用いて,本フレームワークの高性能コンピューティング実装を検証した。
  論文  参考訳（メタデータ） (2024-12-16T08:38:02Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
  最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。 この研究は、増強に基づく事前訓練の統計的分析に発展する。
  論文  参考訳（メタデータ） (2023-06-01T15:18:55Z)
• Causal Inference via Nonlinear Variable Decorrelation for Healthcare Applications [60.26261850082012]
  線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。 我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
  論文  参考訳（メタデータ） (2022-09-29T17:44:14Z)
• An Evaluation Study of Generative Adversarial Networks for Collaborative Filtering [75.83628561622287]
  本研究は、原論文で発表された結果の再現に成功し、CFGANフレームワークと原評価で使用されるモデルとの相違が与える影響について論じる。 この研究は、CFGANと単純でよく知られた適切に最適化されたベースラインの選択を比較した実験的な分析をさらに拡張し、CFGANは高い計算コストにもかかわらず、それらに対して一貫して競合していないことを観察した。
  論文  参考訳（メタデータ） (2022-01-05T20:53:27Z)

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。