[论文解读] Diversity, Productivity, and Growth of Open Source Developer Communities

Qingye Jiang, Young Choon Lee+2 more|arXiv (Cornell University)|Sep 11, 2018

Open Source Software Innovations参考文献 31被引用 4

一句话总结

本研究利用20个开源项目的git提交数据，分析社区多样性、生产力和增长随时间的演变。研究发现，高多样性（表明存在多个主要贡献者）可带来更可预测的生产力增长和更高的社区稳定性；而低多样性（由单一组织主导）则与不可预测的生产力和对贡献者变动更高的脆弱性相关。

ABSTRACT

The open source development model has become a paradigm shift from traditional in-house/closed-source software development model, with many successes. Traditionally, open source projects were characterized essentially by their individual volunteer developers. Such tradition has changed significantly with the participation of many organizations in particular. However, there exists a knowledge gap concerning how open source developer communities evolve. In this paper, we present some observations on open source developer communities. In particular, we analyze git repositories of 20 well-known open source projects, with over 3 million commit activities in total. The analysis has been carried out in three respects, productivity, diversity and growth using the Spearman's rank correlation coefficient, diversity index and the Gompertz/logistic curves, respectively. We find out that (a) the Spearman's rank correlation coefficient between active contributors and commit activities reveals how changes in the size of the developer community impacts the productivity of the community; (b) the diversity index of an open source developer community reveals the structure of the community; and (c) the growth of open source developer communities can be described using different phases of growth curves as in many organic matters.

研究动机与目标

• 理解开源开发者社区的规模、多样性和增长如何影响项目生产力和可持续性。
• 填补关于开源社区随时间演变，特别是组织参与影响的知识空白。
• 研究社区结构（多样性）、生产力（提交活动）与增长动态之间的关系。
• 提供实证证据，验证社区多样性是否导致更具弹性和可扩展的开源项目。

提出的方法

• 分析了20个知名开源项目的git仓库，截至2015年12月，其提交活动总量超过300万次。
• 使用Spearman等级相关系数衡量活跃贡献者与提交活动之间的关系，评估社区规模扩大时的生产力扩展情况。
• 应用多样性指数量化组织间贡献的分布，识别贡献者结构中的主导或均衡状态。
• 拟合Gompertz和逻辑增长曲线，以建模开发者社区随时间的增长轨迹。
• 利用贡献的幂律分布识别社区结构模式，与无标度网络特征一致。
• 根据多样性水平（低、中、高）对项目进行分类，比较不同结构类型下的生产力和增长稳定性。

实验结果

研究问题

• RQ1 开源开发者社区的规模如何影响其生产力（以提交活动衡量）？
• RQ2 如何量化开源社区中贡献组织的多样性？其对社区结构和稳定性有何影响？
• RQ3 能否使用Gompertz或逻辑函数等生物增长曲线对开源开发者社区的增长进行建模？
• RQ4 多样性如何影响生产力的可预测性和可持续性，尤其是在社区规模扩大时？
• RQ5 哪些结构特征可区分高增长、稳定的开源社区与易陷入停滞或崩溃的社区？

主要发现

• 活跃贡献者与提交活动之间存在较高的Spearman等级相关系数，表明生产力可随社区规模可预测地扩展，尤其在多样化社区中表现更明显。
• 低多样性社区由单一组织主导，而高多样性则表明存在多个主要贡献者，其贡献份额大致相等。
• 高度多样化的社区表现出更高的稳定性，即使个别贡献者或组织退出，其生产力仍保持可预测。
• 开源社区的增长呈S形曲线，最适于用Gompertz或逻辑函数建模，表明存在快速增长、平台期和成熟期的明显阶段。
• 高多样性社区由于对任一单一贡献者或组织的依赖性降低，往往能更长时间保持在指数增长阶段。
• 由单一组织主导的项目在规模与生产力之间相关性较低，表明其开发模式可扩展性或可预测性较差。