論文の概要: BurnRiSc: Toward Non-Invasive Burnout Screening in Open Source from Public Repository Signals
- arxiv url: http://arxiv.org/abs/2609.19422v1
- Date: Wed, 16 Sep 2026 20:55:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.014439
- Title: BurnRiSc: Toward Non-Invasive Burnout Screening in Open Source from Public Repository Signals
- Title（参考訳）: BurnRiSc: 公開リポジトリシグナルからオープンソースで非侵襲的バーンアウトスクリーニングを目指す
- Abstract要約: BurnRiScは、Oldenburg Burnout Inventoryの2つの次元、疲労と拡張を運用するフレームワークである。
10のリポジトリにおける68のコントリビュータに対する事前評価では、持続的BRS上昇は6～15ヶ月前に10の開示のうち6つに先行する。
- 参考スコア（独自算出の注目度）: 4.766160155314574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Burnout is a chronic occupational syndrome, and open source is close to a worst case for it: maintainers absorb unbounded demand with no manager to reallocate work and no organization to notice decline. The cost is not only personal. Burnout precedes withdrawal, and in projects sustained by a handful of maintainers, one departure can break infrastructure that thousands of downstream systems depend on. Yet the field has no way to see it coming: self-report inventories, the only existing measure, miss exactly the contributors most in need of detection and cannot be applied retroactively, so the field cannot even ask how common burnout is or what helps. We present BurnRiSc, a framework that operationalizes the Oldenburg Burnout Inventory's two dimensions, exhaustion and disengagement, as 14 behavioral and linguistic signals computed from GitHub activity and scored against each contributor's own history. The signals aggregate into two weighted dimension scores, with weights learned from labeled cases, and average into a monthly Burnout Risk Score (BRS). In a preliminary evaluation across 68 contributors in ten repositories (ten disclosed burnout cases, twelve comparable-volume collapses, and 46 comparison contributors), sustained BRS elevation precedes 6 of 10 disclosures by 6-15 months, 8 of 10 when adding peak BRS as a second criterion, and 10 of 10 over any prior time frame. We thus present BurnRiSc as evidence that burnout is screenable from public data.
- Abstract（参考訳）: Burnoutは慢性的な職業症候群であり、オープンソースは最悪のケースに近い。メンテナーは、仕事を再配置するマネージャも、減少に気づく組織もいない、無制限の需要を吸収する。
費用は人件費だけではない。
バーンアウトは撤退に先立ち、少数のメンテナーによって維持されているプロジェクトでは、数千の下流システムが依存するインフラを壊す可能性がある。
しかし、この分野にはそれを見る方法がない: 唯一の既存の指標である自己申告在庫は、最も検出が必要なコントリビュータを正確に見逃し、遡及的に適用できないため、現場は一般的な燃え尽き症候群や何が役に立つのかを問うことさえできない。
私たちは、Oldenburg Burnout Inventoryの2つの次元、疲労と拡張を運用するフレームワークであるBurnRiScを、GitHubアクティビティから計算された14の行動的および言語的シグナルとして提示し、各コントリビュータ自身の履歴に対してスコア付けします。
信号は2つの重み付き次元スコアに集約され、ラベル付きケースから学習された重みは、平均で1ヶ月のバーンアウトリスクスコア(BRS)になる。
10のリポジトリにおける68人のコントリビュータ(10件のバーンアウトケース、12件の同値の崩壊、46件のコントリビュータ)に対する事前評価では、継続したBRSの上昇は6～15ヶ月前の10件のうち6件、第2の基準としてBRSをピークに加える場合の10件、10件の10件に先行している。
そこで我々は,BurnRiScを公開データからバーンアウトを確認できる証拠として提示する。
関連論文リスト
- Agora: Git as Shared Memory for Collective AutoResearch [54.31992252587096]
Agoraは、自律的な研究ループのための共有メモリである。
研究は追加専用非巡回グラフとして記録されている。
多様性を意識した選択ルールは、コミュニティがひとつのリーダに崩壊しないようにします。
論文 参考訳（メタデータ） (2026-09-16T04:00:54Z) - Coverage Is Not Redundancy: Maintenance Cost and Exposure of Query-Aware Admission Indexes in Vector Databases Under Workload Drift [0.0]
プロダクションスケールの検索を行うベクトルデータベースにおいて、クエリワークロードの異常に大きな共有のために単一の挿入文書を検索することができる。
新規の防衛要員は、入場チェックでこれを摂取します。
我々は、管理が摂取経路に課すコストについて検討する。
論文 参考訳（メタデータ） (2026-08-17T03:11:52Z) - FailForge: Distilling Procedural Competence from Persistent Failures into Code Agents [49.519184792774304]
FailForgeは、失敗したロールアウトをトレーニングシグナルに変換するエージェントフレームワークである。
FailForgeは、これまで失敗したインスタンスの26%を、限界的な追加コストでリカバリする。
論文 参考訳（メタデータ） (2026-08-09T08:22:57Z) - Plato-Bio: verification-first biological novelty screening with temporal rediscovery and structural benchmarks [0.0]
オープンなPlato/Denarioアーキテクチャの拡張であるPlato-Bioを開発した。
Plato-Bioは明示的なワークフローステートを、プロファイランスレコード、引用チェック、クレーム・ツー・エビデンスリンク、スコープドファイル書き込み、パブリッシュゲートと結合する。
現在のクリーンリビジョンでは、完全なPythonスイートが931パス、6スキップ、エラーやエラーは発生しない。
論文 参考訳（メタデータ） (2026-07-27T03:55:39Z) - Mean Time to Remediate Is Not a Fielding Model: A Cadence Audit for Enterprise Vulnerability Management [51.56484100374058]
本稿では,企業脆弱性管理のための改善ケイデンス監査について紹介する。
平均ラグ、放出期間、放出率、コホート幾何、緊急/ルーチン分割、非着地遅延、局所残留圧証拠、宣言されたレートシナリオを記録している。
論文 参考訳（メタデータ） (2026-07-05T21:23:26Z) - PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
PerceptionRubricsはルーブリックベースの評価フレームワークである。
飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。
1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
論文 参考訳（メタデータ） (2026-06-26T17:59:15Z) - Amplify, Don't Create: Temporal Accumulation for Slow-Burn Prompt Injection [0.0]
ツール使用エージェントに対するコントロールプレーン攻撃は、その代わりに、各イベントをしきい値以下に保ちながら、トラジェクトリにわたって弱いディレクティブを分散することができる。
我々は,プロキシ側時間アキュムレータが,凍結点当たりのスコアをピーク値とCUSUM永続化統計値に減らし,このスローバーン信号を回復するかどうかを検証した。
論文 参考訳（メタデータ） (2026-06-17T23:39:38Z) - What Are We Actually Decoding? Source Attribution for Non-Invasive Brain-to-Language Retrieval [42.66754319854329]
我々は,刺激同期MEG-to-audio検索を監査フレームワークとして再放送した。
構造的ショートカット、ウィンドウレベルの刺激ロックされたエビデンス、ウィンドウ間のコンテキストアグリゲーションを使用します。
これらの結果は、脳から言語へのパフォーマンスは、単に報告されるのではなく、ソース属性であるべきだことを示唆している。
論文 参考訳（メタデータ） (2026-05-23T11:23:39Z) - OpenOneRec Technical Report [99.17075873619352]
OneRecシリーズは、断片化されたレコメンデーションパイプラインをエンドツーエンドの生成フレームワークにうまく統合した。
OneRec Foundation (1.7B と 8B) は、新しい最先端(SOTA)を確立するモデルのファミリであり、RecIF-Benchのすべてのタスクにまたがる結果である。
Amazonベンチマークに移行すると、当社のモデルは10種類のデータセットに対して平均26.8%のRecall@10の改善により、最強のベースラインを越えた。
論文 参考訳（メタデータ） (2025-12-31T10:15:53Z) - RESTRAIN: From Spurious Votes to Signals -- Self-Driven RL with Self-Penalization [52.01526898310723]
私たちは、ゴールドラベルの欠如を有用な学習信号に変換する自己金型RLフレームワークであるRESTRAINを紹介します。
多数決を急ぐために過剰にコミットする代わりに、RESTRAINは、モデルの全回答分布からのシグナルを利用する。
挑戦的な推論ベンチマークでは、RESTRAINはラベルのないデータのみを使用して大きなゲインを提供する。
論文 参考訳（メタデータ） (2025-10-02T16:24:01Z)
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。