Page 66 - 《软件学报》2026年第7期

王璐瑶 等: 面向 Discord 平台的开源软件实践者沟通实证研究 2751

异, 例如, Redis 社区较 Angular 社区展现出更广泛的全球地域分布.
进一步地, 将各社区消息高峰时段窗口 (UTC 14:00–20:00) 与全球主要时区进行映射, 发现消息高峰时段对
应: (1) 美国和加拿大部分地区所采用的东部标准时间 (EST, UTC−5) 的 09:00–15:00; (2) 德国、法国、西班牙和
意大利等国家采用的中欧时间 (CET, UTC+1) 的 15:00–21:00; (3) 东亚和东南亚的中国标准时间 (CST, UTC+8) 和
新加坡标准时间 (SGT, UTC+8) 的 21:00–次日 03:00. 时区映射结果显示, 各社区主要参与者的地域分布, Angular
社区消息高峰出现在 UTC 14:00 (CET 15:00), 而 Redis 和 TensorFlow 社区消息高峰出现在 UTC 20:00 (EST 15:00).
图 7 展示了 7 个社区数据集 I 中消息在 1 w 内的分布情况. 依据消息量分布可见, 参与者在工作日的活跃度
普遍高于周末. 此外, Redis 社区参与者表现出明显的星期一交流偏好, 而其他社区的参与者则未呈现出对某一工
作日的显著偏好.
在此基础上, 通过 k-Shape 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
区活跃时段分布, 结果如图 8 所示. 具体而言, 社区活跃时段分布主要包括 3 种模式, 反映各社区在参与者地理分
布与沟通节奏方面的差异.

12
Android Angular 25
Docker Redis Android Angular Docker
10 Redis TensorFlow TypeScript
TensorFlow TypeScript 20
VSCode VSCode
消息占比 (%) 6 4 消息占比 (%) 15
8
10
2 5
0 0
0 2 4 6 8 10 12 14 16 18 20 22 Mon Tue Wed Thu Fri Sat Sun
UTC 时间 (h) UTC 时间 (w)
图 6 消息数量在 1 d (24 h) 内的分布 图 7 消息数量在 1 w (7 d) 内的分布

10 8 群体A 6 6
消息占比 (%) 6 4 群体C 消息占比 (%) 7 5 4 3 群体A 消息占比 (%) 4 群体A 消息占比 (%) 8 6 4 群体A
群体B

0 2 2 1 群体B 2 群体B 2 群体B
0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22
UTC时间 (h) UTC时间 (h) UTC时间 (h) UTC时间 (h)
(a) Android 群体A (b) Angular (c) Docker (d) Redis
7
消息占比 (%) 10 8 6 4 群体B 消息占比 (%) 6 5 4 3 消息占比 (%) 10 8 6 4 群体A
群体C

群体B
0 2 2 1 群体A 2 0 群体B
0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22 0 2 4 6 8 10 12 14 16 18 20 22
UTC时间 (h) UTC时间 (h) UTC时间 (h)
(e) TensorFlow (f) TypeScript (g) VSCode
图 8 各社区中基于 k-Shape 聚类的不同参与者群体 24 h 消息数量分布

● 多峰分布型. 如 Android 与 TensorFlow 社区, 不同参与者群体的高峰时段明显错开, 反映出社区成员分布跨
越多个时区、活跃节奏存在异步性.
● 集中单峰型. 如 Angular、Docker、Redis 与 TypeScript 社区, 不同群体的活跃时段基本重叠, 峰值多位于
UTC 12:00–18:00 时, 说明这些社区的主要参与者可能集中于相似时区, 沟通节奏较为一致.
● 主从型. 如 VSCode 社区, 其活跃曲线由少数高活跃群体主导, 其他群体的活跃度显著较低, 反映出社区内