On the Relationship Between the Developer's Perceptible Race and\n Ethnicity and the Evaluation of Contributions in OSS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Open Source Software (OSS) projects are typically the result of collective\nefforts performed by developers with different backgrounds. Although the\nquality of developers' contributions should be the only factor influencing the\nevaluation of the contributions to OSS projects, recent studies have shown that\ndiversity issues are correlated with the acceptance or rejection of developers'\ncontributions. This paper assists this emerging state-of-the-art body on\ndiversity research with the first empirical study that analyzes how developers'\nperceptible race and ethnicity relates to the evaluation of the contributions\nin OSS. We performed a large-scale quantitative study of OSS projects in\nGitHub. We extracted the developers' perceptible race and ethnicity from their\nnames in GitHub using the Name-Prism tool and applied regression modeling of\ncontributions (i.e, pull requests) data from GHTorrent and GitHub. We observed\nthat among the developers whose perceptible race and ethnicity was captured by\nthe tool, only 16.56% were perceptible as Non-White developers; contributions\nfrom perceptible White developers have about 6-10% higher odds of being\naccepted when compared to contributions from perceptible Non-White developers;\nand submitters with perceptible non-white races and ethnicities are more likely\nto get their pull requests accepted when the integrator is estimated to be from\ntheir same race and ethnicity rather than when the integrator is estimated to\nbe White. Our initial analysis shows a low number of Non-White developers\nparticipating in OSS. Furthermore, the results from our regression analysis\nlead us to believe that there may exist differences between the evaluation of\nthe contributions from different perceptible races and ethnicities. Thus, our\nfindings reinforce the need for further studies on racial and ethnic diversity\nin software engineering to foster healthier OSS communities.\n
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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