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
‧
具有高度關聯性的專案。研究觀察出專案 doom3.gpl、folly、MaNGOS 三者之間具 有關聯性，且都使用 C++語言，而 stat-cookbook、ProjectTemplate、devtools、knitr 具有關聯性，且都使用 R 語言等。結果顯示具有高度關聯性的專案通常是相同類型 的程式語言，表示在 GitHub 上使用者的操作行為模式，通常考慮自身領域相關的程 式語言技術，在關注專案時，鮮少會關注不同領域的技術。(五) 推論程式語言間的相關性與公司組織之間的關聯。透過社群網絡分析，可以觀 察出語言之間的相關性。Scala、JavaScript、R 具有相關性，表示使用者同時會這些 程式語言的機率較高。Java、Python、PHP 具有相關性，而 C、C#、C++、Ruby，
也具有相關性。透過公司組織之間的關聯性觀察出兩個組織之間的合作與投資關係。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
研究指出組織之間的關聯，可透過新聞事件來觀察其真實性，例如 新聞指出 Facebook 與 Joyent 兩家公司具有互相合作的關係，而 Twitter 與 Netty 也同樣具有合 作關係，或是 Scala 與 Akka 具有相同技術開發等事實。
(六) 追隨事件與最後是否進行貢獻之間並無顯著的關係。在本研究 4.1.2 小節中使 用 pagerank 指標觀察 pull request 與 follow 事件之間的相關係數程度，推論是否具有 相關性，而結果顯示此兩種事件呈現微弱相關，其相關係數為-0.06。表示 GitHub 平台上使用者追隨某人時並不會影響最後是否貢獻給此人。以上結論與參考論文中 Coding Together at Scale: GitHub as a Collaborative Social Network[18]提到 follow 將 有助於 collaborative 的結論相反，此論文中使用斯皮爾曼相關係數觀察 follow 與 collaborative 之間的相關性，而結論顯示此兩者之間為正相關，相關係數約為 0.257。
而後本研究再針對 pagerank 指標做斯皮爾曼相關係數的計算，結論得出 follow 與 collaborative 之間為正相關，相關係數約為 0.645，結論亦與參考論文相同。
(七) 推論 GitHub 專案的演進階段與演進機率。本研究利用 GitHub 平台上的 fork 事件計算出專案吸引力，並比較各年度吸引力的成長率；之後利用 pull request 事件 作為專案黏著度評估的基礎，計算專案中各年度持續貢獻的開發者，並進行各年度 間持續貢獻的比例計算。計算出專案的吸引力與黏著度數值後，將其兩種變數視為 兩種維度，將其轉換成四個象限之圖形，即表示專案的四種演進的過程，分別為活 躍期、流動期、穩定期與衰退期。之後透過現有 MSR 資料集推論目前 GitHub 平台 上專案所呈現的實際情況，將其專案區分出專案的四種演進階段，而推論出 2011 年到 2013 年所有專案的演進趨勢。後續本研究更進一步的將此資料計算出各個狀態 轉換的機率，進而能夠評估出目前 GitHub 上的專案狀態轉換的一個過程，以此分析 出專案未來可能的趨勢與走向。
‧
通常也會使用另一種語言，例如:網頁前端技術中，會 javascript 的開發人員，通常 也會使用 jquery 語言等。