Page 69 - 《软件学报》2026年第7期

2754 软件学报 2026 年第 37 卷第 7 期

CQ). 然后, 对话发起者提供关于问题的更多细节 (FD). 经过多轮讨论后, 响应者提供潜在答案 (PA); 对话发起者可
能会给予反馈 (F) 或问候和感谢 (GG).
● P4 (模糊问答): 在此模式下, 对话响应者因无法理解原始问题并要求对话发起者进一步澄清 (CQ). 在响应
者提供潜在答案 (PA) 后, 对话发起者感到困惑并基于该答案继续提出相关的后续问题 (FQ). 然后, 响应者继续提
供与答案相关的更多细节 (FD), 之后可能会收到来自对话发起者的反馈 (F) 或问候和感谢 (GG).
● P5 (直接答案): 在此模式下, 对话发起者和响应者无需多轮讨论澄清即可达成理解. 在对话发起者发布原始
问题后, 响应者直接提供潜在答案 (PA). 然后, 对话发起者直接给予反馈 (F) 或问候和感谢 (GG) 以结束对话.
● P6 (自我回答): 在此模式下, 对话发起者作为对话的唯一参与者, 未获任何响应者对原始问题的回复, 最终
自行得出解决问题的潜在答案 (PA).
● P7 (无回复): 在此模式下, 对话发起者没有得到任何响应.
● P8 (无澄清): 在此模式下, 对话响应者不理解问题, 并要求对话发起者进一步澄清原始问题 (CQ) 但没有收
到其回复.
● P9 (无效澄清): 在此模式下, 对话响应者不理解问题, 并要求对话发起者进一步澄清原始问题 (CQ). 由对话
发起者提供更多细节 (FD), 但响应者可能提供无效信息 (useless information, UI).
● P10 (无效讨论): 在此模式下, 对话响应者未提供关于对话发起者所提原始问题的解决方案. 相反, 响应者提
供无用信息 (UI), 例如表达同情或重申社区问答规则.
图 11 展示了数据集 II 中各对话互动模式在不同社区的分布情况. 以潜在答案 (PA) 为核心节点的 P1–P6 互
动模式表明对话已有效解决, 不同社区的问题解决率在 61%–84% 之间. 其中, TypeScript 社区的问题解决率最高
(84%), VSCode 社区最低 (61%). 在已解决对话中, 直接回答模式 (P5) 反映了高效的沟通特征, 其在各社区的出现
频率在 8%–27% 之间, 在 Redis 社区中占比最高 (27%). 多个答案模式 (P1) 体现了社区交流的活跃度, 在各社区中
的出现频率为 4%–51%, 其中 TypeScript 社区占比最高.

VSCode
TypeScript
TensorFlow
Redis
Docker
Angular
Android
0 10 20 30 40 50 60 70 80 90 100
对话互动模式占比 (%)
P1 (23%) P2 (7%) P3 (8%) P4 (19%) P5 (17%)
P6 (1%) P7 (11%) P8 (2%) P9 (5%) P10 (7%)
图 11 对话互动模式在各个社区的分布

● RQ2 研究结果总结. Discord 平台上的软件实践者对话共呈现出 10 种互动模式, 其中 6 种模式来源于占总
数 76% 的已解决对话, 表明整体问题解决率为 76%. 不同社区问题解决率存在差异, VSCode 社区为 61%,
TypeScript 社区则高达 84%. 在所有研究社区中, 多个答案模式 (P1) 出现频率最高, 占比 23%, 体现了社区讨论的
活跃度; 而在 Redis 社区中, 直接回答模式 (P5) 占比 27%, 反映出该社区较高的沟通效率.
3.3 RQ3: 软件实践者沟通中的主要话题有哪些?
如表 6 所示, 基于数据集 II 的对话共识别出 13 个讨论主题, 如应用程序编程接口使用、性能问题和新功能
等. 这些主题可归纳为 3 类: 面向解决方案类、面向问题类和面向知识类. 面向解决方案的对话聚焦于解决方案的
确定与实施, 强调通过积极主动的行动步骤来解决问题; 面向问题的对话侧重于对特定问题或挑战的深入剖析, 致