Page 74 - 《软件学报》2026年第7期
P. 74

王璐瑶 等: 面向   Discord  平台的开源软件实践者沟通实证研究                                           2759


                 了提高讨论效率的方法        [84] .
                    Twitter 作为广受欢迎的社交媒体平台, 在软件工程社区中承担着多元功能                    [12,85] , 其中包括进行对话交流和信
                 息共享  [86] . 开源软件开发者通过    Twitter 追踪代码存储库的最新动态        [13,87] ; 开源软件维护者则利用   Twitter 向潜在
                 的大量受众分享他们的工作成果           [41] , 并吸引新成员加入他们的项目       [41] .
                  5.2   软件工程中的实时交流研究
                    早期的研究已经对在线交流平台的前身               IRC  中的交流进行了探索      [5,9,13,88,89] . 例如, Shihab  等人  [13] 研究了  IRC
                 会议中的参与者、讨论主题以及交流风格. Elsner 等人             [88] 采用连贯性模型梳理     IRC  频道中的对话. Chowdhury  等
                 人  [5] 提出了一种基于机器学习分类器来识别           IRC  中偏离主题讨论的方法. 其他研究则对开源软件社区在                 IRC  上
                 的交流与协作方式, 与邮件列表         [3,90] 、社区摘要  [3] 以及问题跟踪器  [89] 进行对比.
                    随着现代在线交流平台的兴起, 学界逐渐认识到其在开源软件协作开发中所起的关键作用                                [10] , 并开始探索
                 Slack、GitHub  讨论区、Gitter 等平台上的软件实践者的交流情况.
                    ● Slack. Lin  等人  [21] 对  53  名软件开发人员的调查显示, Slack  被用于支持不同的任务和活动. Stray      等人  [19] 调
                 查了一家大型软件开发公司中           30  名开发人员通过    Slack  频道进行的交流情况. Chatterjee 等人   [15,91] 专注于梳理和
                 提取  Slack  交流中的问答对话.
                    ● GitHub  讨论区. GitHub  讨论区于  2020  年推出, 旨在方便软件实践者提问、分享想法并相互建立联系. Hata
                 等人  [45] 对  GitHub  讨论区的早期采用情况进行了探索性研究, 揭示了它在推动开源软件项目发展中所起的关键作
                 用. Wang  等人  [92] 实证分析了开发人员在    NPM  和  PyPI 项目中在  GitHub  讨论区和问题板块的选择逻辑. Lima 等
                 人  [93] 提出了一种自动检测   GitHub  讨论区相关帖子的方法.
                    ● Gitter. Ehsan  等人  [17] 提出了一种自动识别  Gitter 上  709  个开发者交流室中对话的方法, 并刻画了讨论主题
                 与问题的回复、解决行为的特征. Shi 等人           [18] 对  Gitter 上  8  个社区用户的交流情况进行了实证研究, 运用社交网络
                 分析方法, 根据对话中用户之间的回复关系来描述社区结构. Sahar 等人                   [20] 聚焦于  Gitter 上  24  个开源社区中的开
                 发者如何进行问题报告讨论. Parra 等人        [16] 整理了一个名为   GitterCom  的  Gitter 消息数据集, 比较了  Gitter 和  Slack
                 在消息意图分类方面的情况, 并进一步评估了              9  种用于自动识别     Gitter 上消息意图的分类模型      [14] .
                  5.3   Discord  相关研究
                    Discord  是一个面向多元用户群体的交流平台, 已被应用于普通社交、加密货币投资以及教育等领域. 近期研
                 究针对   Discord  开发了多种辅助工具: 或帮助服务器版主探查对话并识别问题内容                   [94] , 或采用聊天机器人管理工
                 单  [95] , 另有工具可辅助用户实现图文转化, 提高交互体验          [96] . 另一项近期研究  [97] 通过社交网络分析, 探究了     Discord
                 上的讨论对非同质化代币         (NFT) 价格的影响. Discord 在教育领域的相关研究则覆盖了同伴学习             [98,99] 、远程课程  [100] 、
                 在线辅导   [101,102] 以及虚拟课堂  [103−105] 等方面.
                    在开源软件社区场景中, Discord       的实时交流特性支持对话的即时响应. 已有研究提出了可视化方法, 用于辅
                 助开源软件开发者浏览        Discord  上的各种信息   [24,25] . 另一项研究  [106] 尝试运用大语言模型对  Discord  对话数据中的
                 意图进行解析, 旨在提高软件开发中的沟通效率. 近期更有研究整理了                      Discord  上的消息数据集, 将其作为软件工
                 程领域研究的挖掘数据的来源           [27,107,108] , 并开发了从  Discord  热门社区对话历史中自动识别相似问题的方法        [26] , 也
                 有研究尝试构建文档映射, 以管理包含            Discord  在内的多平台软件文档     [109] .
                    不同于上述研究, 本文针对跨技术领域的开源软件社区, 对                   Discord  平台上开源软件实践者的交流行为展开
                 了全面的实证研究.
                  6   有效性分析

                    ● 结论有效性. 本文通过统计模型分析了沟通特征对对话响应时间和问题解决情况的影响. 然而, 这些模型的
                 解释力及结果解读可能对结论效度构成潜在威胁. 为减轻此类威胁, 研究通过检验模型系数以评估模型效力. 根据
                 既有研究   [50,51] , 模型系数表明模型具备可接受的效力, 可支撑可靠结论. 此外, 研究根据                p  值指示的统计显著性水
   69   70   71   72   73   74   75   76   77   78   79