Page 68 - 《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 2753

上, Discord 各社区的讨论高峰集中在 UTC 14:00–20:00, 且参与者普遍倾向于在工作日进行交流, 周末活跃度明显
下降, 各社区在参与者地理分布与沟通节奏, 以及表情符号使用的频率、参与者覆盖率及类型分布方面, 均存在显
著差异.

VSCode
TypeScript
TensorFlow
Redis
Docker
Angular
Android
0 20 40 60 80 100
表情符号相对使用占比 (%)
图 9 不同开发者社区中前 10 个高频表情符号的相对使用占比分布

3.2 RQ2: 软件实践者在沟通中如何互动?
图 10 展示了数据集 II 中识别出的 10 种对话互动模式. 图中以节点表示对话参与者角色: 蓝色节点为对话发
起者, 黄色节点为响应者; 以连线表示回复关系: 实线表示对话推进所需的必要互动 (提供关键信息的核心交流),
虚线表示补充性可选互动 (缺失不会影响对话推进). 数据集 II 中 76% (495 个) 已解决对话对应 6 种互动模式
(P1–P6), 而 160 个未解决对话则对应其余 4 种模式 (P7–P10).

OQ OQ OQ OQ OQ
D 1 D 1 D 1 D 1 D 1
PF F/GG F/GG CQ F/GG
PA CQ PA
PA i FD F/GG
NF PA j FQ FD FD PA PA
FQ
FD
D i D j D i D j D i D j D i D j D j
P1: 多个答案 P2: 模糊答案 P3: 模糊问题 P4: 模糊问答 P5: 直接答案

OQ OQ OQ OQ
D 1 D 1 D 1 D 1
OQ
PA D 1 CQ CQ UI FD UI

D 1 D j D j D j
P6: 自我回答 P7: 无回复 P8: 无澄清 P9: 无效澄清 P10: 无效讨论
图 10 对话互动模式

● P1 (多个答案): 在此模式下, 对话中会出现多个潜在答案 (potential answers, PA). 对话发起者对给出能够解
决原始问题的正确潜在答案 (PA i ) 的响应者 (D i ) 给予积极反馈 (positive feedback, PF), 并对给出不能解决原始问
题的错误潜在答案 (PA j ) 的响应者给予消极反馈 (negative feedback, NF).
● P2 (模糊答案): 在此模式下, 对话响应者仅给出了模糊不清的答案. 当对话发起者提出问题后, 若响应者向
对话发起者提供了其难以理解的潜在答案 (PA), 发起者会基于该答案继续提出相关的后续问题 (follow-up
questions, FQ). 然后, 响应者提供与答案相关的更多细节 (follow-up detail, FD), 其之后可能会收到对话发起者的反
馈 (feedback, F) 或问候和感谢 (greetings and gratitude, GG).
● P3 (模糊问题): 在此模式下, 对话响应者因无法理解原始问题而要求对话发起者进一步澄清 (clarify question,