論文の概要: Predicting Open Source Software Sustainability with Deep Temporal Neural Hierarchical Architectures and Explainable AI

• arxiv url: http://arxiv.org/abs/2602.09064v1
• Date: Mon, 09 Feb 2026 05:44:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.166972
• Title: Predicting Open Source Software Sustainability with Deep Temporal Neural Hierarchical Architectures and Explainable AI
• Title（参考訳）: ディープラーニングニューラルネットワーク階層アーキテクチャと説明可能なAIによるオープンソースソフトウェアサステナビリティの予測
• Authors: S M Rakib Ul Karim, Wenyi Lu, Enock Kasaadha, Sean Goggins,
• Abstract要約: オープンソースソフトウェア(OSS)プロジェクトは、コントリビューション、コーディネーション、コミュニティエンゲージメントの進化したパターンによって形成された多様なライフサイクルの軌跡に従っている。 本稿では,OSS開発における社会技術的分類の確立に根ざした,異なるライフサイクルステージに属するOSSプロジェクトをモデル化する階層的予測フレームワークを提案する。
• 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: Open Source Software (OSS) projects follow diverse lifecycle trajectories shaped by evolving patterns of contribution, coordination, and community engagement. Understanding these trajectories is essential for stakeholders seeking to assess project organization and health at scale. However, prior work has largely relied on static or aggregated metrics, such as project age or cumulative activity, providing limited insight into how OSS sustainability unfolds over time. In this paper, we propose a hierarchical predictive framework that models OSS projects as belonging to distinct lifecycle stages grounded in established socio-technical categorizations of OSS development. Rather than treating sustainability solely as project longevity, these lifecycle stages operationalize sustainability as a multidimensional construct integrating contribution activity, community participation, and maintenance dynamics. The framework combines engineered tabular indicators with 24-month temporal activity sequences and employs a multi-stage classification pipeline to distinguish lifecycle stages associated with different coordination and participation regimes. To support transparency, we incorporate explainable AI techniques to examine the relative contribution of feature categories to model predictions. Evaluated on a large corpus of OSS repositories, the proposed approach achieves over 94\% overall accuracy in lifecycle stage classification. Attribution analyses consistently identify contribution activity and community-related features as dominant signals, highlighting the central role of collective participation dynamics.
• Abstract（参考訳）: オープンソースソフトウェア(OSS)プロジェクトは、コントリビューション、コーディネーション、コミュニティエンゲージメントの進化したパターンによって形成された多様なライフサイクルの軌跡に従っている。 これらの軌道を理解することは、大規模にプロジェクト組織と健康を評価しようとする利害関係者にとって不可欠である。 しかしながら、以前の作業は、プロジェクト年齢や累積アクティビティなど、静的あるいは集約されたメトリクスに大きく依存しており、OSSの持続可能性が時間とともにどのように広がるかについての限られた洞察を与えています。 本稿では,OSS プロジェクトを,OSS 開発の確立した社会技術的分類に根ざした,異なるライフサイクルステージに属するものとしてモデル化する階層的予測フレームワークを提案する。 これらのライフサイクルは、サステナビリティをプロジェクト長寿として扱うのではなく、コントリビューション活動、コミュニティ参加、メンテナンスのダイナミクスを統合した多次元構造として、サステナビリティを運用する。 このフレームワークは、設計された表表インジケータと24ヶ月の時間的活動シーケンスを組み合わせて、さまざまな調整と参加体制に関連するライフサイクルステージを識別するために、多段階の分類パイプラインを使用している。 透明性を支援するために、モデル予測に対する特徴カテゴリの相対的寄与を検討するために、説明可能なAI技術を導入している。 OSSリポジトリの大規模なコーパスに基づいて評価し、ライフサイクルステージの分類において、提案手法は全体の94%以上の精度を達成する。 属性分析は、貢献活動とコミュニティ関連の特徴を支配的なシグナルとして一貫して識別し、集団参加のダイナミクスの中心的な役割を強調している。

関連論文リスト

• A Survey of Vibe Coding with Large Language Models [93.88284590533242]
  視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。 変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。 この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-10-14T11:26:56Z)
• Understanding Collective Social Behavior in OSS Communities: A Co-editing Network Analysis of Activity Cascades [3.061059269434306]
  開発者の時間的活動パターンを分析し、コミットコントリビューションの本質的にバースト的な性質を明らかにします。 我々のフレームワークは、開発者が他の開発者のコードの編集を行うと、共同作業者の活動が加速する、社会的相互作用をモデル化する。 私たちの仕事はOSSコミュニティの創発的な集団的社会的ダイナミクスに光を当て、共同ソフトウェアプロジェクトにおける開発者の混乱と維持を理解するための活動のカスケードの重要性を強調します。
  論文  参考訳（メタデータ） (2025-09-30T12:28:35Z)
• A Pre-training Framework for Relational Data with Information-theoretic Principles [57.93973948947743]
  本稿では,リレーショナルグラフ上の集合に基づくアグリゲーションを通じて,監視信号を構成する新しい事前学習フレームワークであるTask Vector Estimation (TVE)を紹介する。 TVEは従来のトレーニング前のベースラインを一貫して上回っている。 本研究は,関係データベース上での予測モデルの設計原則として,タスクの不均一性と時間構造を符号化する事前学習目的を提唱する。
  論文  参考訳（メタデータ） (2025-07-14T00:17:21Z)
• Modelling and Classification of Fairness Patterns for Designing Sustainable Information Systems [0.2867517731896504]
  本稿では,社会技術システム設計における公正性の概念について考察する。 これは、価値、仮定、規制、メートル法、タスクの概念を捉えた参照持続可能性メタモデルに基づいている。
  論文  参考訳（メタデータ） (2024-11-26T21:23:56Z)
• CROSS: A Contributor-Project Interaction Lifecycle Model for Open Source Software [2.9631016562930546]
  Cross Modelは、オープンソースソフトウェアのための新しいコントリビュータ/プロジェクトインタラクションライフサイクルモデルである。 特にEoS/オフボードのシナリオにおいて、コントリビュータの関与に関するさまざまなアーキティパルケースを説明し、研究ギャップを強調します。
  論文  参考訳（メタデータ） (2024-09-12T17:57:12Z)
• A Large-Scale Evaluation of Speech Foundation Models [110.95827399522204]
  音声処理ユニバーサルパフォーマンスベンチマーク(SUPERB)を構築し,基礎モデルパラダイムの有効性について検討する。 凍結基盤モデルを用いてSUPERBにおける音声処理タスクに対処する統合マルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-15T00:03:16Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)

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。