論文の概要: Why Do You Contribute to Stack Overflow? Understanding Cross-Cultural Motivations and Usage Patterns before the Age of LLMs

• arxiv url: http://arxiv.org/abs/2603.05043v1
• Date: Thu, 05 Mar 2026 10:51:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.190629
• Title: Why Do You Contribute to Stack Overflow? Understanding Cross-Cultural Motivations and Usage Patterns before the Age of LLMs
• Title（参考訳）: スタックオーバーフローに貢献する理由は何か? LLM時代以前の異文化間のモチベーションと利用パターンを理解する
• Authors: Sherlock A. Licorish, Elijah Zolduoarrati, Tony Savarimuthu, Rashina Hoda, Ronnie De Souza Santos, Pankajeshwara Sharma,
• Abstract要約: 本研究は,Stack Overflowコントリビュータのモチベーションを調査し,地域差とプラットフォーム活動との関係を分析する。 アメリカのコントリビュータはより強力な自己宣伝行動を示し、中国のコントリビュータはより学習指向のエンゲージメントを示した。
• 参考スコア（独自算出の注目度）: 13.09044927211032
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding motivations of contributors for participating in community question and answer platforms is crucial for sustaining knowledge-sharing ecosystem, which is necessary to advance the discipline while also ensuring its longevity. This is particularly necessary in the age of LLMs, where data from such portals are used to train these models. Limited insights exist regarding how motivations of contributors vary across different national cultures. This research investigates Stack Overflow contributor motivations, analysing regional differences and relations to platform activity. We combined qualitative content analysis of Stack Overflow profiles with quantitative linguistic analysis of data from the United States, China, and Russia. Using deductive content analysis, we identified 17 motivational categories. We applied correlation analysis to identify associations between stated motivations and platform activities. Contributors are primarily motivated by advertising opportunities and altruistic problem solving desires. American contributors demonstrated stronger self promotional behaviours while Chinese contributors exhibited greater learning oriented engagement. Our correlation analysis showed that those with more detailed profiles tend to engage in advertising and social activities, while learning oriented users maintain minimal self presentation. Understanding these variations can inform strategies for enhancing cross cultural participation in software engineering.
• Abstract（参考訳）: コミュニティの質問や回答プラットフォームに参加するコントリビュータのモチベーションを理解することは、知識共有エコシステムの維持に不可欠である。 これはLLMの時代において特に必要であり、そのようなポータルからのデータを使ってこれらのモデルを訓練する。 コントリビュータのモチベーションが各国の文化によってどのように異なるかについては、限定的な洞察がある。 本研究は,Stack Overflowコントリビュータのモチベーションを調査し,地域差とプラットフォーム活動との関係を分析する。 スタックオーバーフロープロファイルの質的内容分析と,米国,中国,ロシアのデータ量的言語学的分析を組み合わせた。 帰納的内容分析を用いて17のモチベーションカテゴリーを同定した。 提案するモチベーションとプラットフォーム活動の関連性を明らかにするために相関分析を適用した。 コントリビューターは主に広告の機会と利他的な問題解決を動機としている。 アメリカのコントリビュータはより強力な自己宣伝行動を示し、中国のコントリビュータはより学習指向のエンゲージメントを示した。 相関分析の結果,より詳細なプロフィールを持つ人は広告やソーシャル活動に携わる傾向があり,学習志向のユーザは最小限の自己表現を維持していることがわかった。 これらのバリエーションを理解することは、ソフトウェアエンジニアリングにおける異文化の関与を強化するための戦略を示すことができる。

関連論文リスト

• From Hanging Out to Figuring It Out: Socializing Online as a Pathway to Computational Thinking [1.904031773979279]
  Scratchは、プログラミングの学習を支援するために設計されたオンラインプラットフォームです。 我々は「参加型デバッガ」の概念を誘導的に開発する。 参加型デバッガの社会的先行要因として機能する3つの因子を同定した。
  論文  参考訳（メタデータ） (2026-02-03T02:38:00Z)
• Culture Cartography: Mapping the Landscape of Cultural Knowledge [50.502555170749694]
  グローバルなユーザを安全かつ生産的に提供するためには、LLMには、事前トレーニング中に学ばない文化固有の知識が必要だ。 カルチャーカルトグラフィーと呼ばれる混合開始法を提案する。 ここで、LCMは、信頼度が低い回答を質問して注釈を初期化し、それ以前の知識とそのギャップの両方を明確にする。 これにより、人間の応答者がこれらのギャップを埋めて、直接編集することで、適切なトピックに向けてモデルを操ることが可能になる。 LLMが提案する質問に人間が答えるベースラインと比較すると、CultureExplorerはDeepSeek R1やGPT-4oのような主要なモデルが持つ知識をより効果的に生成することがわかった。
  論文  参考訳（メタデータ） (2025-10-31T17:37:34Z)
• Refugees of the Digital Space: Platform Migration from TikTok to RedNote [2.328849215741724]
  アメリカ合衆国政府は全国的にTikTokを禁止し、多くのアメリカ人ユーザーが代替プラットフォームに移行した。 本稿では、これらのデジタル移民が、異文化間プラットフォーム環境をいかにナビゲートするかを検討する。
  論文  参考訳（メタデータ） (2025-10-19T05:00:13Z)
• KnowTrace: Bootstrapping Iterative Retrieval-Augmented Generation with Structured Knowledge Tracing [64.38243807002878]
  我々は、大規模言語モデルにおけるコンテキスト過負荷を軽減するためのエレガントなRAGフレームワークであるKnowTraceを紹介する。 KnowTraceは、必要な知識三つ子を自律的に追跡して、入力された質問に関連する特定の知識グラフを整理する。 3つのマルチホップ質問応答ベンチマークで、既存のメソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-26T17:22:20Z)
• Dancing with Critiques: Enhancing LLM Reasoning with Stepwise Natural Language Self-Critique [66.94905631175209]
  我々は、段階的に自然言語の自己批判(PANEL)を行う新しい推論時間スケーリング手法を提案する。 ステップレベルの探索プロセスのガイドとして、自己生成の自然言語批判をフィードバックとして採用している。 このアプローチは、タスク固有の検証と関連するトレーニングオーバーヘッドの必要性を回避します。
  論文  参考訳（メタデータ） (2025-03-21T17:59:55Z)
• How Does Users' App Knowledge Influence the Preferred Level of Detail and Format of Software Explanations? [2.423517761302909]
  本研究では,ユーザが好む詳細度とソフトウェアにおける説明形式に影響を及ぼす要因について検討する。 結果は、ユーザーは短いテキスト形式で適度に詳細な説明を好んでいることを示している。 分析の結果,説明の嗜好はアプリ固有の知識に弱い影響を受けているが,人口統計学的要因や心理的要因によって形成されていることがわかった。
  論文  参考訳（メタデータ） (2025-02-10T15:18:04Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• The Imperative of Conversation Analysis in the Era of LLMs: A Survey of Tasks, Techniques, and Trends [64.99423243200296]
  会話分析(CA)は、会話データから重要な情報を発見し分析する。 本稿では,CAタスクの徹底的なレビューとシステム化を行い,既存の業務を要約する。 会話シーンの再構築,奥行きの属性分析,ターゲットトレーニングの実行,会話の生成から,CAの4つの重要なステップを導出した。
  論文  参考訳（メタデータ） (2024-09-21T16:52:43Z)
• Modulating Language Model Experiences through Frictions [56.17593192325438]
  言語モデルの過度な消費は、短期において未確認エラーを伝播し、長期的な批判的思考のために人間の能力を損なうリスクを出力する。 行動科学の介入にインスパイアされた言語モデル体験のための選択的摩擦を提案し,誤用を抑える。
  論文  参考訳（メタデータ） (2024-06-24T16:31:11Z)
• Model, Analyze, and Comprehend User Interactions within a Social Media Platform [0.6990493129893112]
  ソーシャルメディアデータからユーザインタラクショングラフを構築し,それを解析し,コミュニティダイナミクスの洞察を得る。 本研究は,オンラインコミュニティの理解と管理のための包括的枠組みを提供する。
  論文  参考訳（メタデータ） (2024-03-23T21:54:18Z)
• From Heuristic to Analytic: Cognitively Motivated Strategies for Coherent Physical Commonsense Reasoning [66.98861219674039]
  ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。 以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T19:46:04Z)
• Estimating Topic Exposure for Under-Represented Users on Social Media [25.963970325207892]
  この研究は、観察されたデータに対する参加者の貢献を強調することに重点を置いている。 これらのユーザの行動分析の最初のステップは、公開されているが関与していないトピックを見つけることです。 本稿では,これらのユーザを特定し,トピックの露出を推定する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-07T19:37:41Z)

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。