
 
 
 
 
 Forfattere af: (1) Hsu Myat Win, Southern University of Science and Technology, Kina (11960003@mail.sustech.edu.cn); (2) Haibo Wang, Southern University of Science and Technology, Kina (wanghb2020@mail.sustech.edu.cn) (3) Shin Hwei Tan, korrespondent fra Southern University of Science and Technology, Kina (tansh3@sustech.edu.cn). Authors: (1) Hsu Myat Win, Southern University of Science and Technology, Kina (11960003@mail.sustech.edu.cn); (2) Haibo Wang, Southern University of Science and Technology, Kina (wanghb2020@mail.sustech.edu.cn) (3) Shin Hwei Tan, korrespondent fra Southern University of Science and Technology, Kina (tansh3@sustech.edu.cn). Bord til venstre Abstract og 1. introduktion 
 
 
 
 
 
 
 
 
 
 Background and Related Work 
 
 
 
 Study of Unethical Behavior in OSS 3.1 RQ1: Types of unethical behavior 3.2 RQ2: Affected software artifacts 
 
 
 
 Methodology 4.1 Modeling via SWRL rules 4.2 Automatic detection of unethical behavior 
 
 Evaluation 
 
 Discussion and Implications 
 
 Threats to Validity 
 
 Conclusion and References Abstrakt I betragtning af den hurtige vækst i OSS-projekter bliver etiske overvejelser stadig vigtigere. Tidligere undersøgelser fokuserede på specifikke etiske spørgsmål (f.eks. kønsforstyrrelser og retfærdighed i OSS). Der er lidt til ingen undersøgelse af de forskellige typer af uetisk adfærd i OSS-projekter. Vi præsenterer den første undersøgelse af uetisk adfærd i OSS-projekter fra interessenternes perspektiv. Vores undersøgelse af 316 GitHub-spørgsmål giver en taxonomi af 15 typer af uetisk adfærd styret af seks etiske principper (f.eks. autonomi). Eksempler på ny uetisk adfærd omfatter (kopiering af et repository uden forking) og (fremme et repositorium uden selvidentificering som bidragsyder til repositoriet). Vi identificerer også 18 typer software artefakter, der påvirkes af uetisk adfærd. De forskellige typer af uetisk adfærd, der er identificeret i vores undersøgelse (1) opfordrer udviklere og forskere til at være opmærksomme, når de bidrager til GitHub, og (2) peger på fremtidig forskning om automatisk påvisning af uetisk adfærd i OSS-projekter. Baseret på vores undersøgelse foreslår vi Etor, en tilgang, der automatisk kan registrere seks typer af uetisk adfærd ved hjælp af ontologisk teknik og semantisk webregelsprog (SWRL) regler til at modellere GitHub attributter og software artefakter. Vores vurdering af 195.621 GitHub problemer (1,765 GitHub Blød forkørsel Selvfremme 1 Introduktion Med den stigende popularitet af Open-Source Software (OSS) udvikling er etiske overvejelser blevet et vigtigt, men ofte overset emne inden for forskningsfællesskabet. (forpligtelser, der bevidst indfører kritiske bugs i koden), har provokeret aktiv diskussion blandt Linux-fællesskabet, forskere og andre OSS-udviklere [81]. Linux-udviklerne hævdede, at det at gøre "hypokratiske forpligtelser" er "ikke etisk", og at spilde udvikleres tid på at gennemgå ugyldige patches [36]. Mere vigtigt har denne hændelse afsløret et angreb på den grundlæggende forudsætning for OSS selv (dvs. det faktum, at enhver kan bidrage til koden og ethvert OSS-projekt er modtageligt for en lignende hændelse). (individer, der har deltaget eller er interesseret i OSS-projektet, og som enten kan påvirke eller blive påvirket af OSS-projektet), de fleste undersøgelser om uetisk adfærd i OSS-projekter fokuserer hovedsageligt på de almindelige typer af uetisk adfærd, såsom kønsforstyrrelser [59, 76], retfærdighed i kodeanalyseprocessen [53] og softwarelicensering [64, 78, 79]. Uden at forstå definitionen af uetisk adfærd fra interessenternes synsvinkel i OSS-projekter, er hændelser, der ligner eksperimenterne med "hykleriske handlinger", tvunget til at gentage sig. Hykleriske handlinger Interessenterne Der er få til ingen undersøgelser, der undersøger det vigtige spørgsmål: "Hvilken type adfærd betragtes som uetisk af interessenter i OSS-projekter?" Tidligere undersøgelser understregede vigtigheden af at overveje etiske spørgsmål i OSS-projekter ved at bruge forskellige eksempler og henvise til etiske principper [54, 56, 73]. Desværre afslørede en undersøgelse, at instruere deltagerne til at overveje ACM's kodeks for etik ikke påvirker deres etiske beslutningstagning i software engineering-opgaver [68]. Et lignende argument er blevet gjort i AI-etik, som kræver praktiske metoder til at oversætte principper til praksis [69]. Derfor hævder vi, at det ikke er nok blot at observere forekomsten af uetisk adfærd via flere eksempler i OSS-projekter, det er meget vigtigere at systematisk studere deres egenskaber og designe praktiske værktøjer, der automatisk kan opdage uetisk adfærd ved at præsentere beviser ved hjælp af data i OSS-projekter til interessenter. For at overbryde kløften mellem generelle etiske principper og OSS-praksis præsenterer vi den første undersøgelse af typer af uetisk adfærd i OSS-projekter fra interessenters perspektiv. (RQ1) Hvordan definerer interessenter i OSS-projekter uetisk adfærd, og hvad er typerne af uetisk adfærd? (RQ1) Hvordan definerer interessenter i OSS-projekter uetisk adfærd, og hvad er typerne af uetisk adfærd? Ved at henvise til Vi studerer den Deres Og den tilsvarende   Det er det, der driver disse uetiske adfærd i OSS projekter. Etiske principper Forskellige typer af uetisk adfærd Karakteristika Etisk principper (RQ2) I betragtning af typen af uetisk adfærd, hvad er den tilsvarende type software artefakter, der betragtes som uetiske af interessenter i OSS-projektet? (RQ2) I betragtning af typen af uetisk adfærd, hvad er den tilsvarende type software artefakter, der betragtes som uetiske af interessenter i OSS-projektet? For hver type uetisk adfærd studerer vi (dvs. artefakter, hvor interessenterne hævdede at overtræde etiske principper) for at vejlede vores design af et værktøj, der automatisk kan identificere uetisk adfærd i OSS-projekter. Berørte software artefakter Vores egen undersøgelse udvælger en taxonomi af 15 typer af uetisk adfærd i OSS-projekter. herunder S1: Ingen tilskrivning til forfatteren i kode, S2: Soft forking, S3: Plagiarisme, S4: Licens uforenelighed, S5: Ingen licens i det offentlige repository, S6: Uinformed license change, S7: No opt-in or no option allowed, S8: Self-promotion, S9: Unmaintained project with paid service, S10: Vulnerable code/API, S11: Naming confusion, S12: Closing issue/PR without explanation, S13: Offensive language, S14: No opt-in or no option allowed, og S15: Privacy Violation. seks af dem er ikke blevet undersøgt (dvs. S2, S6, S8, Inspireret af vores undersøgelse foreslår vi Ethic Detector (Etor), et automatisk detektionsværktøj baseret på ontologisk teknik (en beskrivelse af enheder og deres egenskaber, relationer og adfærd) og Semantic Web Rule Language (SWRL) regler til at model software artefakter i GitHub. • af Vores undersøgelse af 316 GitHub problemer/PR'er fra 301 projekter afslørede 15 typer uetisk adfærd med seks nye. Vores undersøgelse afslørede også mangfoldigheden af de berørte software artefakter. Vores benchmark, der indeholder 316 spørgsmål med forskellige typer uetisk adfærd, lægger grundlaget for fremtidige automatiserede tilgange til påvisning af uetisk adfærd. Study • af Vi foreslår Etor, et nyt ontologibaseret værktøj, der automatisk registrerer uetisk adfærd i OSS-projekter.Vi modellerer GitHub-attributter ved hjælp af ontologier og designer SWRL-regler for at kontrollere uetisk adfærd i forskellige artefakter. Technique • af Vores vurdering af 195.621 GitHub-problemer/PR'er fra 1.765 repos viser, at Etor automatisk kan opdage 548 problemer med en gennemsnitlig 74.8% sand positiv sats. Evaluation 
 
 Denne artikel er tilgængelig på arkiv under CC BY 4.0 DEED licens. Dette papir er Under CC BY 4.0 DEED licens. Tilgængelig i arkivet Tilgængelig i arkivet

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

EScholar Technologies

EScholar

Denne lyd er produceret på historiens originalsprog!

For langt; At læse

Make resilience your competitive advantage

Hvad 316 GitHub-problemer lærer os om den mørke side af open source

About Author

KOMMENTARER

HÆNG TAGS

DENNE ARTIKEL BLEV PRÆsenterET I

Related Stories

Avoid These Mistakes to Monetize Internet Products Profitably

Meet Timescale: HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Meet MinIO: The HackerNoon Company of the Week

Avoid These Mistakes to Monetize Internet Products Profitably

Meet Timescale: HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Meet MinIO: The HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps