論文の概要: Mapping GitHub Sponsorships: A Longitudinal Observatory for Open-Source Sustainability

• arxiv url: http://arxiv.org/abs/2604.03846v1
• Date: Sat, 04 Apr 2026 20:01:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.795642
• Title: Mapping GitHub Sponsorships: A Longitudinal Observatory for Open-Source Sustainability
• Title（参考訳）: GitHubのスポンサーシップをマッピングする - オープンソースサステナビリティの経年観測
• Authors: Rylan Hiltz, Taher A. Ghaleb,
• Abstract要約: 2019年に開発者間直接の資金調達モデルとしてローンチされたGitHub Sponsorsには,APIの大量アクセスが欠如している。 本稿では,GitHub Sponsorsエコシステムの追跡と解析を行うための,ライブかつ継続的に動作する観測所を紹介する。
• 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: Financial sustainability is vital for open-source software, yet systematic research on funding remains limited. GitHub Sponsors, launched in 2019 as a direct developer-to-developer funding model, lacks bulk API access, hindering large-scale studies. This paper introduces a live, continuously operating observatory for tracking and analyzing the GitHub Sponsors ecosystem. The observatory performs priority-based graph traversal with daily incremental updates, real-time normalization, and exposes collected data through an interactive dashboard and analysis-ready CSV exports. A sample dataset collected during a 72-hour run captures 49K+ users across 144 countries and serves as an example of the tool's output, not a fixed deliverable. An interactive dashboard (https://github-sponsorships.com) enables practitioners and researchers to explore sponsorship patterns, filter by geography and demographics, and benchmark against funded peers. Preliminary results on the sample show strong participation asymmetries and geographic concentration, suggesting several research directions.
• Abstract（参考訳）: オープンソースソフトウェアには金融サステナビリティが不可欠だが、資金調達に関する体系的な研究は依然として限られている。 2019年に開発者から開発者への直接出資モデルとしてローンチされたGitHub Sponsorsは、APIの大量アクセスが欠如し、大規模な研究を妨げる。 本稿では,GitHub Sponsorsエコシステムの追跡と解析を行うための,ライブかつ継続的に動作する観測所を紹介する。 観測所は、毎日のインクリメンタルアップデート、リアルタイムの正規化、インタラクティブダッシュボードによる収集データ、分析対応のCSVエクスポートなど、優先度ベースのグラフトラバーサルを実行する。 72時間のラン中に収集されたサンプルデータセットは、144カ国の49K以上のユーザをキャプチャし、ツールのアウトプットの例として機能する。 インタラクティブダッシュボード(https://github-sponsorships.com)は、実践者や研究者がスポンサーシップパターンの探索、地理的および人口統計によるフィルタリング、資金提供された仲間に対するベンチマークを可能にする。 サンプルの予備的な結果は, 強い参加対称性と地理的濃度を示し, いくつかの研究方向が示唆された。

関連論文リスト

• OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis [63.8655724265611]
  深層研究エージェントの訓練には、探索、証拠収集、多段階推論をインターリーブする長い水平軌道が必要である。 既存のデータ収集パイプラインは、一般的にプロプライエタリなWeb APIに依存しており、大規模な軌道合成をコストが高く、不安定で、再現が難しい。 再生可能なパイプラインであるOpenResearcherは,複数ターン軌道合成から1回のコーパスブートストラップを分離する。
  論文  参考訳（メタデータ） (2026-03-17T20:10:12Z)
• Launch-Day Diffusion: Tracking Hacker News Impact on GitHub Stars for AI Tools [0.0]
  ソーシャルニュースプラットフォームは、オープンソースプロジェクト、特にHacker Newsの重要な出発点となっている。 本稿では,HN露光がGitHubのスター成長にどのように変換されるかを追跡する再現可能な実演システムを提案する。
  論文  参考訳（メタデータ） (2025-11-06T15:23:50Z)
• Benchmark Datasets for Lead-Lag Forecasting on Social Platforms [30.166429756385767]
  リードラグ予測:早期使用チャンネル(リード)が与えられると、相関するが時間的に変化する結果チャネル(ラグ)を予測する。 我々は、arXivとGitHubの2つの高ボリュームベンチマークデータセットと、類似のリードラグダイナミックスを備えた追加ドメインの概要を提示する。 我々のデータセットは、長年にわたって長い水平運動を捉え、結果の全スペクトルにまたがって、リードラグ予測のための理想的なテストベッドを提供します。
  論文  参考訳（メタデータ） (2025-11-05T21:47:28Z)
• Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
  テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。 各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
  論文  参考訳（メタデータ） (2023-07-03T13:58:20Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• Greykite: Deploying Flexible Forecasting at Scale at LinkedIn [11.769823455954599]
  LinkedInでは、プロダクトオーナーが予測を使用してビジネス目標を設定し、見通しを追跡し、健康状態を監視する。 我々は、LinkedInで20以上のユースケースにデプロイされた予測のためのオープンソースのPythonライブラリであるGreykiteを紹介します。 ベンチマークの結果,様々な領域のデータセットに対して,アウト・オブ・ボックスの速度と精度が良好であった。
  論文  参考訳（メタデータ） (2022-07-15T23:57:10Z)
• An Effective Graph Learning based Approach for Temporal Link Prediction: The First Place of WSDM Cup 2022 [40.39765942721944]
  WSDMカップ2022は、時間グラフ上のエッジの存在確率を予測するソリューションを探している。 本稿では,競争で優勝したAntGraphのソリューションを紹介する。
  論文  参考訳（メタデータ） (2022-03-01T03:55:19Z)
• Retiring Adult: New Datasets for Fair Machine Learning [47.27417042497261]
  UCIアダルトは、多くのアルゴリズム的公正な介入の開発と比較の基礎として機能している。 UCIアダルトデータのスーパーセットを米国国勢調査資料から再構築し、その外部妥当性を制限するUCIアダルトデータセットの慣用性を明らかにする。 私たちの主な貢献は、公正な機械学習の研究のために既存のデータエコシステムを拡張する、一連の新しいデータセットです。
  論文  参考訳（メタデータ） (2021-08-10T19:19:41Z)
• Benchmarking Graph Neural Networks [75.42159546060509]
  グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。 成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
  論文  参考訳（メタデータ） (2020-03-02T15:58:46Z)

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。