Prevedere i Contributori a Lungo Termine nel Codice Aperto

I collaboratori di lungo termine (LTC) sono sviluppatori che restano e contribuiscono attivamente a progetti open source per un lungo periodo. Portano valore a questi progetti condividendo le loro conoscenze e il loro codice. Tuttavia, molti sviluppatori lasciano questi progetti presto. Se possiamo prevedere quali sviluppatori sono più propensi a diventare LTC, i manutentori dei progetti possono fornire loro risorse e guida sin dall'inizio, il che può aiutare a migliorare il retention.

Di solito, gli sviluppatori si uniscono ai progetti open source per imparare e far crescere le loro competenze, in particolare nei linguaggi di programmazione. Le competenze che sviluppano possono influenzare se continuano a impegnarsi in questi progetti. Mappando le competenze nei linguaggi di programmazione degli sviluppatori e comprendendo come i progetti utilizzano questi linguaggi, possiamo identificare quali sviluppatori sono più propensi a diventare LTC. Studi precedenti si sono concentrati principalmente su altri aspetti e non hanno considerato le competenze nei linguaggi di programmazione. Questo lavoro mira a colmare quella lacuna studiando le Unità di conoscenza (KUs) nel linguaggio di programmazione Java per prevedere gli LTC.

#Comprendere le Unità di Conoscenza (KUs)

Le KUs rappresentano le capacità chiave disponibili nei linguaggi di programmazione. In Java, queste includono costrutti di base e caratteristiche specifiche offerte dalle sue API, come la creazione di thread per la concorrenza. Ogni KU è un gruppo di competenze correlate che gli sviluppatori possono usare per costruire le loro applicazioni. Analizzando l'impegno degli sviluppatori con queste KU, possiamo ottenere intuizioni sulla loro esperienza e prevedere i loro contributi ai progetti open source.

#Metodologia di Ricerca

#Raccolta Dati

Per condurre questo studio, abbiamo selezionato 75 progetti Java attivi da GitHub che avevano un numero significativo di follower. Ci siamo concentrati sulla raccolta di dati sulle commit e informazioni sulle pull request per questi progetti.

Il primo passo è stato raccogliere dati sugli sviluppatori che hanno contribuito a questi progetti. Abbiamo collegato con attenzione i dettagli dei loro account GitHub con i nomi usati nelle loro commit per mantenere l'accuratezza. Questo passaggio ha assicurato che considerassimo solo sviluppatori con un impegno verificabile nei progetti studiati.

#Definizione dei Collaboratori di Lungo Termine

Un sviluppatore è classificato come LTC se commette una quantità sostanziale di codice e rimane impegnato con un progetto nel tempo. Per questo studio, abbiamo esaminato le attività degli sviluppatori su diversi periodi: 1 anno, 2 anni e 3 anni.

#Ingegneria delle caratteristiche

Abbiamo costruito un modello predittivo chiamato KULTC che utilizza caratteristiche basate sulle KU su cinque diverse dimensioni. Queste dimensioni includono:

1. Expertise degli Sviluppatori nei Progetti Studiati: Questo si riferisce alle competenze che gli sviluppatori mostrano nei primi giorni dei loro contributi ai progetti studiati.
2. Expertise degli Sviluppatori nei Progetti Precedenti: Questo tiene conto delle competenze che gli sviluppatori hanno acquisito da altri progetti prima di unirsi a quelli studiati.
3. Expertise dei Collaboratori nei Progetti Studiati: Questo cattura le competenze dei collaboratori degli sviluppatori negli stessi progetti, evidenziando l'impatto di lavorare accanto a sviluppatori esperti.
4. Caratteristiche dei Progetti Studiati: Questa dimensione descrive le caratteristiche dei progetti quando nuovi sviluppatori si uniscono, illustrando il loro allineamento con gli interessi degli sviluppatori.
5. Caratteristiche dei Progetti Precedenti: Questo riflette i progetti precedenti degli sviluppatori e come si relazionano alle competenze necessarie nei progetti studiati.

#Costruzione del Modello

Abbiamo usato l'Algoritmo Random Forest per creare il modello KULTC basato sulle caratteristiche raccolte durante la nostra ricerca. Questo approccio di machine learning è noto per la sua efficacia nei compiti di classificazione. Abbiamo valutato la capacità del modello di prevedere gli LTC usando una misura nota come Area Sotto la Curva (AUC), con un punteggio più alto che indica migliori performance predittive.

#Risultati Chiave

#Performance del Modello KULTC

Il modello KULTC è riuscito a ottenere un AUC mediano di almeno 0.75, indicando una forte performance predittiva. Rispetto ai modelli esistenti, KULTC ha superato gli altri, specialmente nella previsione degli LTC nei primi due anni di contributo ai progetti.

#Importanza dell'Expertise degli Sviluppatori

L'analisi ha mostrato che il livello di competenza degli sviluppatori nel primo mese di impegno in un progetto è il fattore più cruciale nel determinare se diventeranno LTC. La dimostrazione precoce di expertise nei linguaggi di programmazione ha fatto una differenza significativa nella loro probabilità di continuare a contribuire.

#Combinazione di Caratteristiche per una Migliore Predizione

Combinare le caratteristiche di KULTC con quelle di altri modelli ha prodotto un modello predittivo ancora più forte chiamato KULTC+BAOLTC. Questo modello combinato ha ulteriormente migliorato le previsioni in vari contesti, ottenendo un miglioramento dell'AUC fino al 16.5% in alcuni casi.

#Sviluppo di Modelli Economici

Creare modelli con ampie gamme di caratteristiche può essere dispendioso in termini di risorse. Per affrontare questo problema, abbiamo sviluppato un modello più economico, KULTCDEVEXP+BAOLTC, che si concentra su una singola dimensione delle caratteristiche pur superando i modelli precedenti. Questo approccio semplifica il processo di ingegneria delle caratteristiche e riduce i carichi operativi mantenendo una buona capacità predittiva.

#Conclusione

Questo studio dimostra l'efficacia dell'uso delle KU nei linguaggi di programmazione per prevedere i collaboratori di lungo termine nei progetti open source. I risultati evidenziano l'importanza delle competenze e dell'expertise degli sviluppatori nei linguaggi di programmazione, offrendo preziose intuizioni per i manutentori dei progetti. Identificando potenziali LTC precocemente nel loro coinvolgimento, i progetti possono prendere misure proattive per supportare la loro crescita e retention.

La ricerca futura dovrebbe mirare a espandere l'uso delle KU in altri linguaggi di programmazione e esplorare ulteriori caratteristiche che potrebbero migliorare le predizioni del modello. Questo approccio può aiutare a migliorare la sostenibilità dei progetti open source e a supportare meglio la comunità degli sviluppatori.