MétaCan
Menu
Retour à la cohorte
Enregistrement W2096203269 · doi:10.1109/hicss.2011.30

A Social Capital Perspective of Participant Contribution in Open Source Communities: The Case of Linux

2011· article· en· W2096203269 sur OpenAlexaff
Ray M. Chang, Sung‐Byung Yang, Jae Yun Moon, Wonseok Oh, Alain Pinsonneault

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Source Software Innovations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSocial capitalLinux kernelSocial network (sociolinguistics)Open source softwareRelational capitalPerspective (graphical)Quality (philosophy)Dimension (graph theory)Social network analysisCorporate governanceOpen-source software developmentKnowledge managementBusinessIndustrial organizationComputer scienceSoftwareSociologyIntellectual capitalFinanceSocial scienceWorld Wide WebOperating system

Résumé

récupéré en direct d'OpenAlex

Drawing upon a perspective of social capital, we investigate the extent to which several key dimensions of social capital accumulated during the growing stage of thread evolution influence both the quantitative and qualitative aspects of participant contribution in open source software development communities. To validate our hypotheses, we collected data from 223 Linux kernel threads, in which intensive intellectual and social interactions occur among the participants. The results suggest that the structural dimension of network capital (network centralization) is significantly associated with contribution quality, but not with contribution quantity. In contrast, the relational (network strength) and the dynamic (network growing speed) dimensions of network capital are significantly associated with contribution quantity, but not with contribution quality. The governance dimension (administrator participation) of network capital was found to be negatively significant on both the quality and quantity of contribution. Finally, no significant relationship was found between contribution quantity and contribution quality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,011
Communication savante0,0050,008
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,114
Tête enseignante GPT0,342
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOpen Source Software InnovationsTravaux en français237 207