[論文レビュー] When the Open Source Community Meets COVID-19: Characterizing COVID-19 themed GitHub Repositories

Liu Wang, Ruiqing Li+3 more|arXiv (Cornell University)|Oct 23, 2020

Scientific Computing and Data Management参考文献 31被引用数 4

ひとこと要約

本研究では、2020年7月までに収集された67,079件のCOVID-19関連GitHubリポジトリを対象とした、大規模な分析を初めて実施した。自然言語処理（NLP）を用いた分類手法により、リポジトリを6つのタイプに分類し、貢献、開発、保守のパターンを分析した。主な発見として、初期の急速かつ活発な開発が見られたが、保守のライフサイクルは短期間で終わる傾向にあり、貢献者たちは封鎖措置の影響をほとんど受けていなかった。これは、オープンソースがグローバルな健康危機において重要な役割を果たしているが、同時に脆い側面も示していることを示している。

ABSTRACT

Ever since the beginning of the outbreak of the COVID-19 pandemic, researchers from interdisciplinary domains have worked together to fight against the crisis. The open source community, plays a vital role in coping with the pandemic which is inherently a collaborative process. Plenty of COVID-19 related datasets, tools, software, deep learning models, are created and shared in research communities with great efforts. However, COVID-19 themed open source projects have not been systematically studied, and we are still unaware how the open source community helps combat COVID-19 in practice. To fill this void, in this paper, we take the first step to study COVID-19 themed repositories in GitHub, one of the most popular collaborative platforms. We have collected over 67K COVID-19 themed GitHub repositories till July 2020. We then characterize them from a number of aspects and classify them into six categories. We further investigate the contribution patterns of the contributors, and development and maintenance patterns of the repositories. This study sheds light on the promising direction of adopting open source technologies and resources to rapidly tackle the worldwide public health emergency in practice, and reveals existing challenges for improvement.

研究の動機と目的

• パンデミック初期におけるCOVID-19関連GitHubリポジトリの状況を体系的に特徴づけること。
• 開発者の貢献パターンとこれらのリポジトリの開発ライフサイクルを理解すること。
• オープンソースのパンデミック対応における長期的保守、データ共有、国際的協力の課題を特定すること。

提案手法

• 2020年7月までに、キーワードベースの収集手法（例：'covid'、'sars'、'pandemic'）を用いて、67,079件のCOVID-19関連GitHubリポジトリを収集した。
• 自然言語処理（NLP）技術を適用し、リポジトリを6つのカテゴリに分類した：データ、接触追跡、ツールキット、予測・シミュレーション、検出・診断、一部の面で役立つ。
• リポジトリ作成日、スター数、フォーク数に基づいて、トレンドおよび人気の分析を実施した。
• コミット履歴およびリポジトリライフサイクルメトリクスを用いて、貢献者の活動と保守パターンを分析した。
• 時間経過に伴うコード行数（LOC）のトレンドに基づいてクラスタリングを行い、明確な開発行動のパターンを同定した。
• 研究支援を目的として、データセットをhttps://covid19-repos.github.ioに公開した。

実験結果

リサーチクエスチョン

• RQ1 COVID-19関連GitHubリポジトリの人気と時間的トレンドはどのようなものか？
• RQ2 貢献者はどの国にどのように分布しているのか？また、封鎖措置はその活動にどのような影響を与えたか？
• RQ3 COVID-19関連リポジトリの主なカテゴリは何か？また、それらは開発パターンにおいてどのように異なるか？
• RQ4 これらのリポジトリの開発および保守行動は、時間経過とともにどのように変化するか？
• RQ5 これらのプロジェクトにおける長期的持続可能性および国際的協力の主な課題は何か？

主な発見

• 2020年7月までに、GitHub上に67,000件を超えるCOVID-19関連リポジトリが作成された。特に、2020年3月11日にWHOがパンデミックを宣言した後、急激に増加した。
• 大多数のリポジトリがパンデミック宣言後に急速に作成されたことから、オープンソースコミュニティによる迅速な反応が確認された。
• リポジトリはカテゴリごとに不均等に分布しており、データ関連のリポジトリが最も多く、次に接触追跡、ツールキットの順であった。
• 多くのリポジトリが初期に活発な開発を示したが、保守期間は短期間で終わる傾向にあり、80％以上が数か月以内に活動停止した。
• 封鎖措置中でも貢献者の活動は安定的かやや増加傾向にあり、GitHub上のリモート協働が著しく妨げられていなかったことが示された。
• 長期間にわたり安定したコードベースの成長を示したリポジトリはわずか5件にとどまり、緊急時駆動型のオープンソースプロジェクトにおいて持続的開発は稀であることが明らかになった。