探究 PyPI 库中的显著元数据实践：关于代码库与捐赠平台 URL 的实证研究

背景：开源软件 (OSS) 库是现代软件系统的关键组件，然而其元数据——特别是指向源代码仓库和捐赠平台的链接——通常是不完整的、过时的或不一致的。此类缺陷阻碍了依赖监控、安全评估以及 OSS 项目的可持续性。目的：本研究旨在解释 PyPI 库中显著的元数据实践，重点关注平台主导地位、过时链接以及缺失对仓库和捐赠平台的引用。由于本调查依赖于大规模定性调查数据，我们进一步评估了用于推导发现的基于 LLM 的主题建模方法的鲁棒性与质量。方法：我们开展了两项针对 PyPI 作者与维护者的调查，收集了 1,776 份开放式回复。为分析这些回复，我们使用 LLaMA 3.3 70B 开发了一条基于 LLM 的主题建模流水线，包括预处理、主题提取和主题合并。使用 Jaccard 和余弦相似度在 30 次重复运行中评估了鲁棒性，同时由 23 位专家使用结构化评估框架和 Randolph's Kappa 评估了主题质量。结果：研究结果表明，缺失或过时的仓库链接主要与疏忽、缺乏意识或认为不相关有关，而平台主导地位则由意识形态、技术和组织因素驱动。捐赠平台链接常因怀疑、感知收益有限或缺乏了解而被省略，且出于可见性原因优先放置在 GitHub 上。该主题建模方法表现出较高的鲁棒性（高达 88% 的词汇相似度和 92% 的语义相似度），并生成了高质量的主题，其中约 77-78% 满足所有评估标准，且评估者间具有中等一致性。