大数据 = 大洞见？在大规模 GitHub 数据集中践行布鲁克斯定律

来自软件仓库与协作工具的海量数据被广泛用于研究软件开发中的社会因素。近期若干工作探讨的一个问题是软件项目的规模与结构如何影响团队生产力，这一问题是布鲁克斯定律中著名的议题。使用海量仓库数据的研究近期表明，较大团队中的开发者往往比小团队生产力更低。尽管使用了相似的方法与数据，其他研究主张团队规模与生产力之间存在正线性甚至超线性关系，从而质疑了软件经济学中软件项目属于规模不经济的观点。在我们的工作中，我们研究了可解释近期海量仓库数据中开发者生产力研究之间分歧的挑战。我们进一步提供了——据我们所知——为考察团队规模与协作模式对个人及集体生产力影响而定制的规模最大的精选 GitHub 项目语料库。我们的工作有助于正在进行的关于在成功软件项目决定因素假设操作化中生产力度量选择的讨论。它进一步凸显了大数据分析中的普遍陷阱，并表明使用更大的数据集并不自动带来更可靠的洞见。