维护活动变更的依赖传播式生态系统影响建模：PyPI 网络中的支持策略评估

背景：开源软件生态系统呈现出密集的依赖网络，其中处于结构中心的包的维护退化可能会广泛传播。尽管对开源可持续性的关注日益增加，但现有的支持机制缺乏明确的、具备依赖感知的生态系统级影响概念来指导支持决策。目的：在本文中，我们引入了一个具备依赖感知的生态系统影响模型，该模型捕获了维护活动中的变更如何通过 Python Package Index (PyPI) 生态系统传播并影响其整体状态。基于此模型，我们利用依赖传播式的生态系统影响概念来优先选择需要生态系统支持的包。方法：将该框架应用于包含 718,750 个 PyPI 包和超过 200 万个依赖项的快照，我们将影响驱动的支持策略与现有支持机制（Tidelift、Ecosyste$.$ms 和 GitHub Sponsors）以及作为结构重要性基线度量的 PageRank 进行了比较。结果：结果表明，当基于依赖传播式影响进行优先排序时，很大一部分建模的生态系统影响（约 80%）可归因于仅 0.1% 的 PyPI 包。相比之下，外部定义的支持集与生态系统影响的一致性差异很大。我们进一步分析了维护者可达性和元数据可访问性，揭示了生态系统影响、社会足迹和运营可行性代表了生态系统支持中不同但互补的维度。结论：具备依赖感知的生态系统影响建模为在大规模软件生态系统中优先安排支持提供了透明且系统化的基础。我们的发现表明，由生态系统管理者、资助机构和运营支持计划的组织所驱动的有效支持策略，应通过基于影响的决策来补充现有的分配逻辑。