論文の概要: The First Issue Matters: Linking Task-Level Characteristics to Long-Term Newcomer Retention in OSS

• arxiv url: http://arxiv.org/abs/2603.27136v1
• Date: Sat, 28 Mar 2026 04:55:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.803545
• Title: The First Issue Matters: Linking Task-Level Characteristics to Long-Term Newcomer Retention in OSS
• Title（参考訳）: 最初の課題:OSSにおけるタスクレベル特性と長期新規保持のリンク
• Authors: Yichen Hao, Weiwei Xu, Kai Gao, Xiaofang Zhang,
• Abstract要約: オープンソースコミュニティの長期的な健全性には、新規参加の持続が不可欠だ。 予測分析,解釈可能性手法,因果推論を組み合わせることで,課題特性の因果関係が保持結果に与える影響を推定する。
• 参考スコア（独自算出の注目度）: 26.566968795185776
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sustaining newcomer participation is critical for the long-term health of open-source communities. Although prior research has explored various task recommendation approaches to help newcomers resolve their first-issue, these methods overlook how characteristics of first-issues may influence newcomers' long-term retention, limiting our understanding of whether initial success leads to sustained participation and hindering effective onboarding design. In this paper, we conduct a large-scale empirical study to examine how first-issue characteristics affect newcomer retention. We combine predictive analysis, interpretability techniques, and causal inference to estimate the causal effects of issue characteristics on retention outcomes. The prediction task supports the interpretation and shows that interaction-related characteristics exhibit stronger associations with retention than intrinsic issue attributes. The causal analysis further reveals that issues reported by moderately experienced contributors, accompanied by moderate discussion intensity and participation from project members, and neutral or slightly negative comment sentiment, have higher retention potential. These findings provide actionable insights for OSS maintainers on designing issue management practices that better support long-term newcomer retention.
• Abstract（参考訳）: オープンソースコミュニティの長期的な健全性には、新規参加の持続が不可欠だ。 先行研究では,初号の解決を支援するための課題推薦手法が検討されてきたが,これらの手法は,初号の特質が新号の長期維持にどのような影響を及ぼすかを見落とし,初期成功が継続参加に繋がるかどうかの理解を制限し,効果的な搭載設計を妨げている。 本稿では,初号特性が新参者の維持にどう影響するかを,大規模な実証研究により検討する。 予測分析,解釈可能性手法,因果推論を組み合わせることで,課題特性の因果関係が保持結果に与える影響を推定する。 予測課題は解釈を支持し, 相互作用関連特性が本質的な問題属性よりも保持性に強く関連していることを示す。 因果分析により、中程度の経験のあるコントリビュータによって報告された問題は、中程度の議論の激しさとプロジェクトメンバーの参加、中立的あるいはわずかに否定的なコメント感情により、保持可能性が高くなることが明らかになった。 これらの知見は、OSSメンテナが長期の新規維持を支援するためのイシューマネジメントプラクティスを設計する上で、実用的な洞察を提供する。

関連論文リスト

• LongR: Unleashing Long-Context Reasoning via Reinforcement Learning with Dense Utility Rewards [57.993003392037174]
  LongRは動的"Think-and-Read"メカニズムを統合することで、長時間コンテキストのパフォーマンスを向上させるフレームワークである。 LongRは様々なRLアルゴリズムのパフォーマンスを継続的に向上する。
  論文  参考訳（メタデータ） (2026-02-05T15:26:47Z)
• Beyond Isolated Capabilities: Bridging Long CoT Reasoning and Long-Context Understanding [16.50502775216771]
  より小さな言語モデルの推論能力を高めるための効果的な手法として、推論蒸留が出現している。 大規模推論蒸留が他の臨界能力、特に文脈内検索と推論に与える影響は未解明のままである。
  論文  参考訳（メタデータ） (2025-07-20T07:43:16Z)
• Uncertainty Unveiled: Can Exposure to More In-context Examples Mitigate Uncertainty for Large Language Models? [14.333412847910601]
  予測の不確実性,信頼性に欠かせない側面に,事例の増加がどのような影響を及ぼすかを検討する。 以上の結果から,タスク固有の知識を注入することで,単純なタスクと複雑なタスクの完全不確実性を低減できることが判明した。 複雑なタスクに対して、これらの利点は、長い入力に関連するノイズや不確実性の増加に対処した後だけ現れる。
  論文  参考訳（メタデータ） (2025-05-27T10:36:39Z)
• A Survey of Efficient Reasoning for Large Reasoning Models: Language, Multimodality, and Beyond [88.5807076505261]
  大規模推論モデル (LRM) は, 推論中におけるチェーン・オブ・ソート (CoT) の推論長を拡大することにより, 高い性能向上を示した。 懸念が高まっているのは、過度に長い推論の痕跡を生み出す傾向にある。 この非効率性は、トレーニング、推論、現実のデプロイメントに重大な課題をもたらす。
  論文  参考訳（メタデータ） (2025-03-27T15:36:30Z)
• Policy Learning for Balancing Short-Term and Long-Term Rewards [11.859587700058235]
  本稿では,長期的成果の欠落を許容する最適政策を学習するための新しい枠組みを定式化する。 短期的な成果は、関連する場合、長期的な報酬バランスの推定能力の向上に寄与することを示す。
  論文  参考訳（メタデータ） (2024-05-06T10:09:35Z)
• Surveying (Dis)Parities and Concerns of Compute Hungry NLP Research [75.84463664853125]
  我々は,3つのトピック,すなわち環境影響,株式,およびピアレビューへの影響に関する懸念を定量化するための最初の試みを提供する。 我々は、高齢者、アカデミック、産業に関して、異なるグループと異なるグループ内の既存の(異なる)格差を捉えます。 私たちは、発見された格差を軽減するためのレコメンデーションを考案しました。
  論文  参考訳（メタデータ） (2023-06-29T12:44:53Z)
• The Impact of Algorithmic Risk Assessments on Human Predictions and its Analysis via Crowdsourcing Studies [79.66833203975729]
  我々は,在職者が将来の再起を予測することを任務とするヴィグネット研究を行う。 参加者は、再逮捕の確率が50%よりかなり低いと判断しても、犯罪者が再逮捕されることをしばしば予測します。 裁判官の判断は、参加者の予測とは異なり、部分的には再逮捕の可能性がある要因に依存する。
  論文  参考訳（メタデータ） (2021-09-03T11:09:10Z)
• Improving Long-Tail Relation Extraction with Collaborating Relation-Augmented Attention [63.26288066935098]
  本稿では,ニューラルネットワーク,コラボレーティング・リレーショナル・アテンション(CoRA)を提案する。 一般的なベンチマークデータセットNYTの実験では、提案されたCoRAは、最先端のパフォーマンスを大きなマージンで改善する。
  論文  参考訳（メタデータ） (2020-10-08T05:34:43Z)

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。