第四章、 資料分析
4.4 專案演進
Yam-ashita、Shane McIntosh、Yasutaka Kamei 和 Naoyasu Ubayashi 等四位作者所共同撰 寫的論文[11]，將專案活動的狀態分成四種型態，分別為活躍期、流動期、穩定期 案所屬型態，資料庫計算中以fstat=’high’ and pstat=’high’表示為高吸引力、高黏著 度專案，並標註為 A(活躍期)。以 fstat=’high’ and pstat=’low’ 表示為高吸引力，低 黏著度專案，並標註為 B (流動期)。以 fstat=’low’ and pstat=’high’ 表示為低吸引力，
高黏著度專案，並標註為 C (穩定期)。以 fstat=’low’ and pstat=’low’ 表示為低吸引力，
低黏著度專案，並標註為 D(衰退期) 。並利用以下語法計算出各專案所處的型態。
‧
FROM `20150522_fork_pull_2011`) as a FROM `20150522_fork_pull_2012`
) as b on a.repo = b.repo FROM `20150522_fork_pull_2013`
) as c on a.repo = c.repo
‧
(select count(*) as co1 FROM `20150531_fork_pull_projecttime`
where 2011s=' A ' and 2012s='A') as a,
(select count(*) as co2 FROM `20150531_fork_pull_projecttime`
where 2012s=' A ' and 2013s='A') as b,
(select count(*) as co1 FROM `20150531_fork_pull_projecttime`
where 2011s=' A ' and 2012s='B') as c,
(select count(*) as co2 FROM `20150531_fork_pull_projecttime`
where 2012s=' A ' and 2013s='B') as d,
(select count(*) as co1 FROM `20150531_fork_pull_projecttime`
where 2011s=' A ' and 2012s='C') as e,
(select count(*) as co2 FROM `20150531_fork_pull_projecttime`
where 2012s=' A ' and 2013s='C') as f,
(select count(*) as co1 FROM `20150531_fork_pull_projecttime`
where 2011s=' A ' and 2012s='D') as g,
(select count(*) as co2 FROM `20150531_fork_pull_projecttime`
where 2012s=' A ' and 2013s='D') as h FROM `20150531_fork_pull_projecttime`
分母為各型態轉換的總次數，專案型態 A 轉換到專案型態 A 為 15 次，型態 A 轉換到型態 B 為 5 次，型態 A 轉換到型態 C 為 7 次，依序加總後分母為 110。接下 來計算各階段型態轉換之機率，型態 A 轉換到型態 A，機率為 15/110 = 0.136(13.6%)。
型態 A 轉換到型態 B，機率為 5/110 = 0.045(4.5%)。型態 A 轉換到型態 C，機率為
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
7/110 = 0.064(6.4%)。型態 A 轉換到型態 D，機率為 3/110 = 0.027(2.7%)。型態 B 轉 換到型態 A，機率為 4/110 = 0.036(3.6%)，以此類推求得各階段轉換之機率。
以上述方式將 2011 到 2013 年所有專案狀態的變化進行統計，首先四種狀態共 有十六種排列組合，再分別計算這十六種組合在各年間出現的次數，最後再除以十 六種組合的總次數，以求得各狀態轉換的機率值。我們參考 Kazuhiro Yamashita、
Shane McIntosh、Yasutaka Kamei 和 Naoyasu Ubayashi 等四位作者所共同撰寫的論文 [11]，將各狀態轉換的機率值繪製成圖 21。如圖 21 所示，目前專案中呈現流動的狀 態為最高，佔 23.6%；而呈現活躍的狀態佔次高，為 13.6%；值得注意的是目前專 案流動轉衰退狀態佔了較高的機率，為 9%，且衰退狀態若要回到活躍的狀態，所 佔的機率為最低，為 1.8%。因此，表示如果專案一旦處於流動狀態，便有較高的機 率形成衰退；且一旦專案衰退之後，便較無可能再回到活躍的狀態。
圖 23:專案演進機率[11]
‧
同專案的使用者，並且針對相關指標分析，例如平均 degree 與 degree 分佈、network resilience 與 degree correlations，發現目前 GitHub 平台上鮮少有同時對多個專案進行 提交的貢獻者，且 pull request 事件的 degree 分佈遠低於 follow 事件的 degree 分佈，表示每個人平均貢獻度其實不高，而後針對網絡彈性方面的分析，也發現 follow 事 件所形成網絡是一個具有彈性的網絡結構，在 GitHub 上如果關鍵人物不再使用 GitHub，其他人將不受影響;反觀以 pull request 所形成的網絡則呈現一個缺乏彈性的 網絡結構，表示若刪除關鍵人物，將會直接造成 GitHub 上的貢獻減少。研究最後也