Page 63 - 《软件学报》2026年第7期

2748 软件学报 2026 年第 37 卷第 7 期

步骤 2: 卡片分类 (card sorting). 采用混合卡片分类 (hybrid card sorting), 参考近期研究中提出的在线交流平台
对话主题分类框架 [18] , 根据 Discord 平台对话特性扩充主题类别. 两位作者依据主题语义相似度, 遵循 LaToza 等
人 [35] 提出的分类原则, 将具有相同语义的编码, 聚类至潜在主题类别中.
具体而言, 将数据集 II 对话随机划分为 3 组: (1) 70 个对话, 即每社区 10 个; (2) 140 个对话, 即每社区 20 个;
(3) 剩余对话. 上述分阶段设置 [36] , 可在不同的样本规模下验证标注一致性的稳定性 [37] . 针对每组对话, 两位标注
者分别独立进行卡片分类, 并采用 Cohen’s Kappa 系数 [38] 量化评估两位标注者的分类一致性. 每轮卡片分类后, 两
位标注者与另一名协调员针对分歧点进行讨论, 直至达成共识. 首轮分类中, 两位标注者在对话主题及互动模式分
类中的 Kappa 系数分别为 0.514 和 0.630; 第 2 轮分别为 0.656 和 0.659; 第 3 轮分别为 0.802 和 0.813. Kappa 系数
显示, 标注一致性显著或近乎完美.
在上述分类过程中, 当对话可能涉及多个主题时, 两位标注者依据语义相似度将其归入最契合的单一主题, 以
确保每个对话仅对应一个主题.
2.4 定量分析

2.4.1 交流特征分析
基于数据集 I, 首先进行消息层面的定量分析, 聚焦 Discord 社区中消息贡献量最多的参与者, 以及其贡献消
息的时间特征. 接着, 进行对话层面的定量分析, 关注两类消息, 即开启新对话的原始问题, 以及原始问题的首次回
复. 原始问题与首次回复的时间间隔, 即为对话的响应时间.
接着, 基于各社区参与者的消息时间序列, 通过聚类方法识别出活跃时段相似、可能处于相同时区的参与者
群体, 进而分析各社区整体活跃时段分布. 首先, 将参与者消息时间序列标准化至 24 维, 以对应 24 h 发言频率, 并
使用 tslearn 库 (https://github.com/tslearn-team/tslearn) 中的 TimeSeriesScalerMeanVariance 方法进行归一化处理.
随后, 采用 k-Shape 聚类方法 [39] , 基于消息时间序列相似度, 对各社区参与者进行聚类. 具体而言, 对每个社区中的
参与者时间序列数据, 采用 tslearn 库中的 KShape 类进行聚类, 聚类数量参数 k 的取值范围为 2–11. 对每个候选 k 值
计算模型的轮廓系数 (silhouette coefficient), 并选择得分最高的 k 作为该社区的最优聚类数.
基于收集到的包含表情符号的消息, 从消息与参与者角度, 分别对各社区表情符号使用情况进行统计分析, 并
采用文献 [40] 提出的方法, 评估各类型表情符号的积极/消极情绪, 进而比较不同社区在表情符号使用上的差异.
2.4.2 评估交流特征对响应时间和解决情况的影响
基于数据集 I, 定量分析对话特性对其响应时间及问题解决情况的影响.
● 数据选择与特征收集. 如表 3 所示, 一方面, 为评估沟通特征对于对话响应时间的影响, 基于数据集 I, 排除无
回复对话, 提取原始问题特征, 对响应时间变量进行对数变换, 以降低数据异方差性 [41,42] . 另一方面, 为评估沟通特
征对问题解决情况的影响, 基于数据集 II, 提取消息层面 (如对话主题) 和对话层面 (如对话轮数) 特征, 通过对话互
动模式确定问题解决情况. 值得注意的是, 14 个交流特征中, 9 个借鉴 Gitter 平台相关研究 [17] , 5 个为本文首次提出,
包括 3 个参与者相关特征, 即提问者是否有社区预定义角色 (预定义角色是指由服务器拥有者设定的用于快速分配
身份标识和权限规则的角色模板)、回答者是否有社区预定义角色、是否由社区活跃参与者回复, 以及 2 个对话相
关特征, 即对话持续时间、对话轮数. 社区活跃参与者是指过去 30 天内发言数量排名在前 25% 的用户 [17] .
● 混合效应模型 (mixed-effects model) 构建. 运用混合效应模型 [43] , 评估交流特征对响应时间及问题解决情况
的影响. 混合效应模型同时考虑变量对结果产生的固定效应与随机效应, 解析变量对结果的作用机制. 具体而言,
将消息、参与者及对话相关特征变量设定为固定效应, 作为核心预测因子. 同时, 引入 Discord 社区作为随机效应
项, 捕捉结果变量的潜在变异原因. 针对响应时间与问题解决状态两类因变量, 分别构建线性混合效应模型 (模型 A)
与逻辑混合效应模型 (模型 B).
模型 A 具体形式如下:

y i = X i β+Z i u i +ε i , i ∈ {1,2,...,7} (1)
i
其中, y i 表示第 个社区中观测样本的对话响应时间向量, 为连续输出变量. X i 表示第 个社区中观测样本的固定
i