論文の概要: A Longitudinal Analysis of Good First Issue Practices and Newcomer Pull Requests in Popular OSS Projects
- arxiv url: http://arxiv.org/abs/2604.27532v1
- Date: Thu, 30 Apr 2026 07:36:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.969882
- Title: A Longitudinal Analysis of Good First Issue Practices and Newcomer Pull Requests in Popular OSS Projects
- Title（参考訳）: OSSプロジェクトにおけるグッド・ファースト・イシューの実践と新参者プル要求の経年的分析
- Authors: Hirotatsu Hoshikawa, Hidetake Tanaka, Kazumasa Shimari, Raula Gaikovina Kula, Kenichi Matsumoto,
- Abstract要約: オープンソースのソフトウェアプロジェクトは、初心者フレンドリーなタスクを強調するために、"グッド・ファースト・イシュー"(GFI)ラベルを広く採用している。
この調査は、4年間に37の人気のあるGitHubリポジトリで406,826のイシューと1,117の新しいGFIプルリクエストを分析した。
GFIラベルに関する問題の割合は、最初の3年間は安定していたが、2024年1月から統計学的に顕著な減少が見られた。
- 参考スコア（独自算出の注目度）: 2.385829414517223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-source software (OSS) projects rely on effective newcomer onboarding to sustain their communities. OSS projects widely adopt "good first issue" (GFI) labels to highlight beginner-friendly tasks. As development practices continue to evolve, understanding how these onboarding mechanisms change over time is important for both maintainers and researchers. This study analyzes 406,826 issues and 1,117 newcomer GFI pull requests across 37 popular GitHub repositories (30 of which use GFI labels) over a four-year period from July 2021 to June 2025. We find that while the proportion of issues with GFI labels remained stable during the first three years, it underwent a statistically significant decline beginning in January 2024, with substantial variation across projects not explained by repository age or programming language. Despite this supply-side decline, newcomer engagement with GFI issues remains stable at approximately 27%, suggesting that GFI labels maintain consistent attractiveness. Examining the outcomes of this engagement, we find that the merge rate of newcomer GFI pull requests declined from 61.9% to 42.2%. Initial pull request characteristics such as description length and code size show no significant association with merge outcomes, indicating that success is not predicted by the quantitative characteristics of the initial submission alone. Together, these findings reveal a widening gap between stable newcomer interest in GFIs and the declining availability and success of GFI-based onboarding, underscoring the need for maintainers to sustain both GFI labeling and review support.
- 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、コミュニティを維持するために効果的な新参者の参加に依存している。
OSSプロジェクトは、初心者フレンドリーなタスクを強調するために、"グッド・ファースト・イシュー"(GFI)ラベルを広く採用している。
開発プラクティスが進化を続けるにつれて、これらのオンボード機構が時間の経過とともにどのように変化するかを理解することは、メンテナと研究者の両方にとって重要である。
この調査は、2021年7月から2025年6月までの4年間に、37の人気のあるGitHubリポジトリ(そのうち30はGFIラベルを使用している)で406,826のイシューと1,117の新しいGFIプルリクエストを分析した。
GFIラベルに関する問題の割合は、最初の3年間は安定していたが、2024年1月から統計学的に著しく減少し、リポジトリ時代やプログラミング言語では説明されていないプロジェクト間でかなりの変化が見られた。
この供給面の減少にもかかわらず、GFI問題への新規参入率は約27%で安定しており、GFIラベルが一貫して魅力を維持していることが示唆されている。
このエンゲージメントの結果を調べると、新規のGFIプルリクエストのマージ率は61.9%から42.2%に減少した。
記述長やコードサイズなどの初期プルリクエスト特性はマージ結果と有意な相関は示さず,初期提出の量的特性だけでは成功は予測されないことを示す。
これらの結果から,GFIの安定的新規参入者関心と,GFIをベースとしたオンボーディングの可利用性の低下と成功とのギャップが広がり,メンテナがGFIラベリングとレビューサポートの両方を維持する必要性が強調された。
関連論文リスト
- Do Good, Stay Longer? Temporal Patterns and Predictors of Newcomer-to-Core Transitions in Conventional OSS and OSS4SG [3.2952032218821565]
OSS4SGプロジェクトはコントリビュータを2.2倍高く保ち、コントリビュータはコアステータスを達成する確率が19.6%高い。
この結果から,個人的価値に整合したプロジェクトを見つけることや,主要なコントリビューションの事前理解に時間を費やすことが,中核的な地位を達成する上で重要な戦略であることが示唆された。
論文 参考訳（メタデータ） (2026-01-30T16:30:25Z) - Governance Matters: Lessons from Restructuring the data.table OSS Project [7.308586458018547]
Data.tableは、プロダクション分析パイプラインで広く採用されている高性能Rパッケージである。
改革前、Data.tableは未解決の問題とプルリクエストのバックログの増大に直面した。
改革後、新しいコントリビュータの採用が200%増加し、プルリクエストの解決時間が700日以上から1週間未満に減少し、コントリビュータの保持率が3倍になった。
論文 参考訳（メタデータ） (2026-01-19T23:41:18Z) - A Large-Scale Study on the Development and Issues of Multi-Agent AI Systems [2.1215369927766714]
本稿では8つの主要なシステムにまたがる42K以上のユニークなコミットと4.7K以上の解決問題を分析する。
私たちの分析では、持続性、安定性、バースト駆動の3つの異なる開発プロファイルを特定しました。
問題に関するデータによると、最も頻繁な懸念はバグ(22%)、インフラストラクチャ(14%)、エージェント調整の問題(10%)である。
論文 参考訳（メタデータ） (2026-01-12T02:07:15Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Benchmarking Reasoning Robustness in Large Language Models [76.79744000300363]
新規データや不完全データでは,性能が著しく低下することがわかった。
これらの結果は、厳密な論理的推論に対するリコールへの依存を浮き彫りにした。
本稿では,情報不足によって引き起こされる幻覚を利用して推論ギャップを明らかにする,Math-RoBと呼ばれる新しいベンチマークを提案する。
論文 参考訳（メタデータ） (2025-03-06T15:36:06Z) - Classification or Prompting: A Case Study on Legal Requirements Traceability [4.629156733452248]
法的要件のトレーサビリティは、エンジニアがターゲットのアーティファクトに対する技術的要件を分析するための重要なタスクである。
本稿では,言語モデルに基づく2つの自動解について検討する。
最初のソリューションであるKashifは、文変換器と意味的類似性を利用する分類器である。
第2のソリューションであるRICE_LRTは、プロンプトエンジニアリングフレームワークであるRICEをベースにした、最近のジェネレーティブLLMを誘導する。
論文 参考訳（メタデータ） (2025-02-07T13:33:40Z) - GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation [83.72561905487447]
本稿では,新しいグラフ基盤モデル (GFM) である GFM-RAG について紹介する。
GFM-RAGは、複雑なクエリ-知識関係をキャプチャするグラフ構造を理由とする、革新的なグラフニューラルネットワークによって実現されている。
効率とニューラルスケーリング法則との整合性を維持しつつ、最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-02-03T07:04:29Z) - Personalized First Issue Recommender for Newcomers in Open Source
Projects [12.444293953494032]
我々は37人の新参者を分析し、その最初の問題は複数のプロジェクトにわたって解決した。
同じ新参者によって解決された最初の問題は、タスクタイプ、プログラミング言語、プロジェクトドメインにおける類似点を共有している。
提案するPFIRecは,特定された影響力のある特徴を生かして,新参者の候補課題のランク付けを行う。
論文 参考訳（メタデータ） (2023-08-17T15:19:13Z) - Heterogeneous Federated Learning via Grouped Sequential-to-Parallel
Training [60.892342868936865]
フェデレートラーニング(Federated Learning, FL)は、プライバシ保護のためのコラボレーション機械学習パラダイムである。
本稿では,この課題に対処するため,データヘテロジニアス・ロバストFLアプローチであるFedGSPを提案する。
その結果,FedGSPは7つの最先端アプローチと比較して平均3.7%の精度向上を実現していることがわかった。
論文 参考訳（メタデータ） (2022-01-31T03:15:28Z) - Knowledge Graph Question Answering Leaderboard: A Community Resource to
Prevent a Replication Crisis [61.740077541531726]
コミュニティの焦点として、KGQAベンチマークデータセットに対して、新たな中心的でオープンなリーダボードを提供しています。
本分析は,KGQAシステムの評価において,既存の問題点を浮き彫りにする。
論文 参考訳（メタデータ） (2022-01-20T13:46:01Z)
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。