[논문 리뷰] When the Open Source Community Meets COVID-19: Characterizing COVID-19 themed GitHub Repositories

Liu Wang, Ruiqing Li외 3명|arXiv (Cornell University)|2020. 10. 23.

Scientific Computing and Data Management참고 문헌 31인용 수 4

한 줄 요약

이 연구는 2020년 7월까지 수집된 총 67,079개의 코로나19 관련 GitHub 레포지터리에 대한 최초의 대규모 분석을 제시한다. 자연어 처리(NLP) 기반 분류 기법을 사용해 레포지터리를 6개 유형으로 분류하고 기여, 개발 및 유지보수 패턴을 분석하였다. 주요 발견은 초기에 빠르고 집중적인 개발이 이루어졌지만 유지보수 수명주기가 짧았으며, 기여자들은 봉쇄 조치 영향을 거의 받지 않았다는 점으로, 이는 오픈소스가 글로벌 보건 긴급 상황에서 핵심적이지만 취약한 역할을 한다는 것을 시사한다.

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.

연구 동기 및 목표

• 코로나19 패an드레미크 초기 단계 동안 코로나19 관련 GitHub 레포지터리의 전반적 풍경을 체계적으로 특성화하기 위해.
• 개발자들의 기여 패턴과 이러한 레포지터리의 개발 수명주기를 이해하기 위해.
• 오픈소스 패an드레미크 대응에서 장기적 유지보수, 자료 공유 및 국제 협업의 과제를 특정하기 위해.

제안 방법

• 2020년 7월까지 코로나19 관련 키워드(예: 'covid', 'sars', 'pandemic')를 기반으로 레포지터리 수확을 수행하여 총 67,079개의 GitHub 레포지터리 수집.
• 자연어 처리(NLP) 기법을 적용해 레포지터리를 6개 카테고리로 분류: 자료, 접촉자 추적, 툴킷, 예측 및 시뮬레이션, 진단 및 감지, 일부 방식으로 유용함.
• 레포지터리 생성 일자, 스타 수, 포크 수를 기반으로 추세 및 인기 분석 수행.
• 커밋 기록 및 레포지터리 수명주기 메트릭을 활용해 기여자 활동과 유지보수 패턴 분석.
• 시간에 따른 소스 코드 라인 수(LOC) 추세를 기반으로 레포지터리 군집화를 수행해 개별적인 개발 행동 유형 식별.
• 연구 지원을 위해 데이터셋을 공개적으로 배포: https://covid19-repos.github.io

실험 결과

연구 질문

• RQ1 코로나19 관련 GitHub 레포지터리의 인기와 시간적 추세는 어떠한가?
• RQ2 기여자들은 국가별로 어떻게 분포되어 있으며, 봉쇄 조치는 그들의 활동에 어떤 영향을 미치는가?
• RQ3 코로나19 관련 레포지터리의 주요 카테고리는 무엇이며, 개발 패턴에서 어떤 차이를 보이는가?
• RQ4 이 레포지터리들의 개발 및 유지보수 행동은 시간이 지남에 따라 어떻게 변화하는가?
• RQ5 이러한 프로젝트의 장기적 지속 가능성과 국제 협업에서의 주요 과제는 무엇인가?

주요 결과

• 2020년 7월까지 총 67,000개 이상의 코로나19 관련 레포지터리가 GitHub에 생성되었으며, 2020년 3월 11일 세계보건기구(WHO)가 팬데믹을 선언한 후 급격한 증가를 보였다.
• 다수의 레포지터리가 팬데믹 선언 직후 급격히 생성되어 오픈소스 커뮤니티의 신속한 반응을 보였다.
• 레포지터리가 카테고리별로 균형 있게 분포하지는 않았으며, 자료 관련 레포지터리가 가장 많았고, 이어 접촉자 추적 및 툴킷 레포지터리가 뒤이었다.
• 대부분의 레포지터리가 초기에 집중적인 개발을 보였지만 유지보수가 짧게 끝나, 80% 이상이 몇 달 내로 기능을 멈췄다.
• 봉쇄 기간 동안 기여자 활동은 안정적이거나 약간 증가했으며, 이는 GitHub 기반 원격 협업이 크게 방해받지 않았음을 시사한다.
• 오직 5개의 레포지터리만 장기적이고 안정적인 코드베이스 성장 패턴을 보였으며, 이는 비상 상황 기반 오픈소스 프로젝트에서 지속적인 개발이 드문다는 것을 의미한다.