論文の概要: The Death Spiral of Open Source Projects: A Post-Mortem Analysis of Pull Request Workflow Dynamics

• arxiv url: http://arxiv.org/abs/2605.11844v1
• Date: Tue, 12 May 2026 09:28:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.754878
• Title: The Death Spiral of Open Source Projects: A Post-Mortem Analysis of Pull Request Workflow Dynamics
• Title（参考訳）: オープンソースプロジェクトの死のスパイラル:プルリクエストワークフローダイナミクスのポストモーテム分析
• Authors: Mohit Kaushik, Kuljit Kaur Chahal,
• Abstract要約: オープンソースソフトウェアプロジェクト(OSS)は現代技術の中心であるが、生存率は低い。 この研究は、Pull Request(PR)リポジトリを1,736の非アクティブなGitHubリポジトリと13万の人間駆動のPRで分析した初めての大規模なポストモーテム分析を提供する。 大衆性と革新は生存の強い肯定的な予測因子として現れ、一方で摩擦、拒絶率、形式化のラベル付け、負性は失敗の原因ではなく副産物として長寿命でスケールする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Open Source Software projects (OSS) are central to modern technology, yet their survival rates remain low. Prior research has examined project mortality through macro-level indicators such as commit activity, developer abandonment, and ecosystem dependencies, but the micro-level dynamics of the Pull Request (PR) workflow have been largely overlooked. This study provides the first large-scale post-mortem analysis of PR workflows across 1,736 inactive GitHub repositories and 1.3 million human-driven PRs. Using a mixed-method quantitative design, we investigate three dimensions of mortality. First, our comparative descriptive analysis shows that workflow friction, extended review cycles, and negativity penalties are endemic properties of the entire GitHub platform across both active and inactive projects. Rejected PRs consistently attract higher discussion and negativity regardless of project health. Second, our evolutionary analysis identifies a universal ``death spiral" marked by declining innovation rates, exponential backlog growth, rising merge latency. The collapse was defined by silence and disengagement. Labeling formalization remained endemic throughout the lifecycle, while toxicity did not intensify. Finally, our explanatory modeling demonstrates that project lifespan is not determined by workflow efficiency but by inherent value and ecosystem dynamics. Popularity and innovation emerge as strong positive predictors of survival, while friction, rejection rates, labeling formalization, and negativity scale with longevity as byproducts rather than causes of failure. Robustness checks across alternative inactivity thresholds confirm these findings. Together, this work reframes OSS mortality as a socio-technical phenomenon in which abandonment and ecosystem value dominate survival outcomes, while PR-level workflow discipline plays a secondary role.
• Abstract（参考訳）: オープンソースソフトウェアプロジェクト(OSS)は現代技術の中心であるが、生存率は低い。 これまでの研究では、コミットアクティビティや開発者放棄、エコシステム依存性といったマクロレベルの指標を通じてプロジェクトの死亡率を調査してきたが、プルリクエスト(PR)ワークフローのマイクロレベルのダイナミクスはほとんど見過ごされてきた。 この研究は、1,736のアクティブなGitHubリポジトリと13万の人間駆動のPRにわたるPRワークフローの大規模なポストモーテム分析を初めて提供する。 混合メカニカルデザインを用いて, 死亡の3次元について検討する。 まず、私たちの比較記述分析は、ワークフローの摩擦、レビューサイクルの拡張、ネガティブなペナルティが、アクティブプロジェクトと非アクティブプロジェクトの両方にわたって、GitHubプラットフォーム全体の固有プロパティであることを示している。 拒否されたPRは、プロジェクトの健全性に関わらず、より高い議論と否定性を一貫して引き付けている。 第2に、私たちの進化分析では、イノベーション率の低下、バックログの指数的な成長、マージ遅延の増加を特徴とする、普遍的な‘死のスパイラル’を特定しています。 崩壊は沈黙と解禁によって決定された。 ラベルの定式化はライフサイクルを通して継続したが、毒性は増すことはなかった。 最後に、我々の説明的モデリングは、プロジェクトの寿命がワークフローの効率ではなく、固有の価値とエコシステムのダイナミクスによって決定されることを示している。 大衆性と革新は生存の強い肯定的な予測因子として現れ、一方で摩擦、拒絶率、形式化のラベル付け、負性は失敗の原因ではなく副産物として長寿命でスケールする。 代替不活性閾値のロバスト性チェックは、これらの発見を裏付ける。 この研究は、OSS死を、放棄と生態系の価値が生存結果を支配する社会技術的現象として再考し、PRレベルのワークフローの規律が二次的な役割を担っている。

関連論文リスト

• Unveiling the Security Risks of Federated Learning in the Wild: From Research to Practice [50.84321144889696]
  フェデレーテッド・ラーニング(FL)は学術と産業の両方で大きな注目を集めている。 しかし、実際のセキュリティ姿勢はよく分かっていない。 本稿では,FLのセキュリティを計測の観点から再考する。
  論文  参考訳（メタデータ） (2026-03-21T03:19:05Z)
• Observationally Informed Adaptive Causal Experimental Design [55.998153710215654]
  本稿では,観測モデルを基礎的先行として活用する新たなパラダイムであるアクティブ残留学習を提案する。 このアプローチは、実験的な焦点を、目標因果量の学習から、観察バイアスの補正に必要な残差を効率的に推定するへとシフトさせる。 合成および半合成ベンチマークの実験は、R-Designがベースラインを大幅に上回ることを示した。
  論文  参考訳（メタデータ） (2026-03-04T06:52:37Z)
• Your Code Agent Can Grow Alongside You with Structured Memory [6.836735626065529]
  我々は,人間とAIの継続的な共進化を可能にするフレームワークであるMemCoderを提案する。 MemCoderはまず、過去のコミットから潜伏した意図-コードマッピングを蒸留するために、過去の人間の経験を構造化する。 次に、検証フィードバックによって駆動される自己リファインメントメカニズムを使用して、エージェントの動作をリアルタイムで修正する。
  論文  参考訳（メタデータ） (2026-02-25T06:39:29Z)
• Revealing the value of Repository Centrality in lifespan prediction of Open Source Software Projects [5.438725298163702]
  ユーザ・リポジトリ・ネットワークから新しいメトリクスを提案し,プロジェクト・デプリケーション・予測器に適合させる。 2011年から2023年までの103,354の非フォークGitHub OSSプロジェクトを含む包括的なデータセットを構築しました。 本研究は,HITSの集中度指標とリポジトリの非推奨リスクの相関関係を明らかにする。
  論文  参考訳（メタデータ） (2024-05-13T07:07:54Z)
• Uncertainty-boosted Robust Video Activity Anticipation [72.14155465769201]
  ビデオアクティビティの予測は、ロボットビジョンから自動運転まで幅広い応用可能性を受け入れることで、将来何が起こるかを予測することを目的としている。 近年の進展にもかかわらず、コンテンツ進化過程やイベントラベルの動的相関として反映されたデータ不確実性問題は、何らかの形で無視されている。 本研究では,予測結果の信頼性を示す不確実な値を生成する,不確実性を考慮した頑健なビデオアクティビティ予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-29T12:31:38Z)
• Harmful algal bloom forecasting. A comparison between stream and batch learning [0.7067443325368975]
  有害なアルガルブルーム(HAB)は公衆衛生と貝類産業にリスクをもたらす。 本研究では,有毒なジノフラゲレートの細胞数を予測する機械学習ワークフローを開発した。 モデルDoMEは最も効果的で解釈可能な予測器として登場し、他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-02-20T15:01:11Z)
• Understanding, Predicting and Better Resolving Q-Value Divergence in Offline-RL [86.0987896274354]
  まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。 そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。 われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
  論文  参考訳（メタデータ） (2023-10-06T17:57:44Z)
• SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
  検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。 本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。 医療データセットに関する広範な実験により,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-02-24T17:03:51Z)
• Lifelong Generative Learning via Knowledge Reconstruction [10.69710386681696]
  可変オートエンコーダ(VAE)に基づく効率的な寿命生成モデルを構築した。 本研究では,VAEの本質的な再構築特性を歴史的知識保持に拡張することにより,生涯的生成モデルを推定する。
  論文  参考訳（メタデータ） (2022-01-17T14:13:32Z)
• Data Augmentation through Expert-guided Symmetry Detection to Improve Performance in Offline Reinforcement Learning [0.0]
  マルコフ決定過程(MDP)の動的モデルのオフライン推定は非自明な作業である。 近年の研究では、密度推定法に依存する専門家誘導パイプラインが、決定論的環境において、この構造を効果的に検出できることが示されている。 学習したMDPを解き、実際の環境に最適化されたポリシーを適用すると、前者の結果が性能改善につながることを示す。
  論文  参考訳（メタデータ） (2021-12-18T14:32:32Z)

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。