MétaCan
Menu
Retour à la cohorte
Enregistrement W3209467133 · doi:10.5281/zenodo.2595071

Security Bug Conversations

2019· dataset· en· W3209467133 sur OpenAlexaboutno aff
Benjamin S. Meyers, Nuthan Munaiah, Andrew Meneely, Emily Prud’hommeaux

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typedataset
Langueen
DomaineComputer Science
ThématiqueInformation and Cyber Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

This dataset will be released as part of the following publication. Benjamin S. Meyers, Nuthan Munaiah, Andrew Meneely, and Emily Prud'hommeaux. Pragmatic Characteristics of Security Conversation: An Exploratory Linguistic Analysis. Forthcoming. Proceedings of the 12th International Workshop on Cooperative and Human Aspects of Software Engineering (CHASE 2019). Montréal, QC, Canada. Files: security_bug_conversations.csv The full dataset containing over 2.1 million comments posted by developers discussing bugs in the Chromium project. The dataset also includes the values we calculated for the five pragmatic features (described in Section 3 of the paper cited above). CSV Fields: Organizational: Bug ID: Unique identifier of a bug discussion in the Chromium project. The URL https://bugs.chromium.org/p/chromium/issues/detail?id= may be used to access the bug online Comment ID: Unique identifier of a comment in a bug discussion Classification: Is Security: Binary indicator of whether or not a comment is part of a bug that is about security Natural Language: Comment Text: The raw natural language text of the bug comment Linguistic Metrics: Min. Formality: Minimum of the formality of sentences in the bug comment Max. Formality: Maximum of the formality of sentences in the bug comment Max. Informativeness: Maximum of the informativeness of sentences in the bug comment Max. Implicature: Maximum of the implicature of sentences in the bug comment Min. Politeness: Minimum of the politeness of sentences in the bug comment Max. Politeness: Maximum of the politeness of sentences in the bug comment Number of Tokens Number of Sentences Has Doxastic Uncertainty: Binary indicator of presence of a sentence with doxastic uncertainty in the bug comment Has Epistemic Uncertainty: Binary indicator of presence of a sentence with epistemic uncertainty in the bug comment Has Conditional Uncertainty: Binary indicator of presence of a sentence with conditional uncertainty in the bug comment Has Investigational Uncertainty: Binary indicator of presence of a sentence with investigational uncertainty in the bug comment Has Uncertainty: Binary indicator of presence of a sentence with any uncertainty in the bug comment

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0020,000
Communication savante0,0030,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0510,102

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 Opus0,028
Tête enseignante GPT0,245
Écart entre enseignants0,216 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetInformation and Cyber SecurityTravaux en français237 207