逃离时间陷阱：基于时间的 Git 数据的陷阱与指南
软件工程
2021-03-23 v1
摘要
许多软件工程研究论文依赖于基于时间的数据（例如，提交时间戳、问题报告创建/更新/关闭日期、发布日期）。然而，像大多数现实世界数据一样，基于时间的数据常常是不干净的。迄今为止，尚无研究量化软件工程研究界使用此类数据的频率，或调查其来源并量化此类数据不干净的频率。根据所使用的研究任务和方法，包含此类不干净数据可能会影响研究结果。本文首次对利用基于时间数据的论文进行了调查，这些论文发表于 Mining Software Repositories (MSR) 会议系列。在 MSR 2004—2020 年发表的 690 篇技术轨道与数据论文中，我们观察到至少 35% 的论文使用了基于时间的数据。随后，我们利用 Boa 和 Software Heritage 基础设施来帮助识别并量化不干净提交时间戳数据的若干来源。最后，我们为使用来自 Git 仓库的基于时间数据的研究人员提供了指南/最佳实践。
引用
@article{arxiv.2103.11339,
title = {Escaping the Time Pit: Pitfalls and Guidelines for Using Time-Based Git Data},
author = {Samuel W. Flint and Jigyasa Chauhan and Robert Dyer},
journal= {arXiv preprint arXiv:2103.11339},
year = {2021}
}
备注
Accepted to the 18th International Conference on Mining Software Repositories (MSR 2021)