
 
 
 
 
 Författare : (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 från 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 från Southern University of Science and Technology, Kina (tansh3@sustech.edu.cn). Tabell från vänster Abstrakt och 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 Med tanke på den snabba tillväxten av Open-Source Software (OSS) -projekt blir etiska överväganden allt viktigare. Tidigare studier fokuserade på specifika etiska frågor (t.ex. könsbegränsning och rättvisa i OSS). Det finns liten till ingen studie om de olika typerna av oetiskt beteende i OSS-projekt. Vi presenterar den första studien av oetiskt beteende i OSS-projekt från intressenternas perspektiv. Vår studie av 316 GitHub-frågor ger en taxonomi av 15 typer av oetiskt beteende som styrs av sex etiska principer (t.ex. autonomi). Exempel på nytt oetiskt beteende inkluderar (Kopiera ett repository utan att forka) och (För att främja ett arkiv utan att själv identifiera sig som bidragsgivare till arkivet). Vi identifierar också 18 typer av mjukvaruartefakter som påverkas av oetiskt beteende. De olika typerna av oetiskt beteende som identifierats i vår studie (1) kräver uppmärksamhet från utvecklare och forskare när de bidrar till GitHub, och (2) pekar på framtida forskning om automatisk upptäckt av oetiskt beteende i OSS-projekt. Baserat på vår studie föreslår vi Etor, ett tillvägagångssätt som automatiskt kan upptäcka sex typer av oetiskt beteende genom att använda ontologisk teknik och Semantic Web Rule Language (SWRL) regler för att modellera GitHub-attribut och mjukvaruartefakter. Vår utvärdering av 195,621 G Mjuk förankring Självförbättring 1 Introduktion Med den ökande populariteten av Open-Source Software (OSS) utveckling, etiska överväganden har blivit ett viktigt men ofta försummat ämne inom forskarsamhället. (kommittéer som medvetet introducerar kritiska buggar i koden), har provocerat aktiv diskussion bland Linux-gemenskapen, forskare och andra OSS-utvecklare [81]. Linux-utvecklare hävdade att att göra ”hyckliga kompromisser” är ”inte etiskt”, och att slösa tid på utvecklare att granska ogiltiga patcher [36]. Mer viktigt har denna incident avslöjat ett angrepp på den grundläggande förutsättningen för OSS själv (dvs. det faktum att vem som helst kan bidra till koden och något OSS-projekt är mottagligt för en liknande incident). (individer som deltog eller var intresserade av OSS-projektet, och kan antingen påverkas eller påverkas av OSS-projektet), de flesta studier om oetiskt beteende i OSS-projekt fokuserar huvudsakligen på de vanliga typerna av oetiskt beteende, såsom könsfördomar [59, 76], rättvisa i kodutvärderingsprocessen [53] och programvarulicensiering [64, 78, 79]. Utan att förstå definitionen av oetiskt beteende ur intressenternas synvinkel i OSS-projekt, är incidenter som liknar "hycklare begår" experiment tvungna att återkomma. Hycklare begår intressenterna Det finns få till inga studier som undersöker den viktiga frågan: ”Vilket beteende anses oetiskt av intressenter i OSS-projekt?”. Tidigare studier betonade vikten av att överväga etiska frågor i OSS-projekt genom att använda olika exempel och hänvisa till etiska principer [54, 56, 73]. Tyvärr visade en studie att instruera deltagarna att överväga ACM: s etiska kod inte påverkar deras etiska beslutsfattande i mjukvaruingenjörsuppgifter [68]. Ett liknande argument har gjorts i AI-etik, som kräver praktiska metoder för att översätta principer till praktik [69]. Därför hävdar vi att det inte räcker att bara observera förekomsten av oetiskt beteende via flera exempel i OSS-projekt, det är mycket viktigare att systematiskt studera deras egenskaper och utforma praktiska verktyg som automatiskt kan upptäcka oetiskt beteende genom att presentera bevis med hjälp av data i OSS-projekt till intressenter. För att överbrygga klyftan mellan allmänna etiska principer och OSS-praxis presenterar vi den första studien av typerna av oetiskt beteende i OSS-projekt ur intressenternas perspektiv. (RQ1) Hur definierar intressenter i OSS-projekt oetiskt beteende, och vad är typerna av oetiskt beteende? (RQ1) Hur definierar intressenter i OSS-projekt oetiskt beteende, och vad är typerna av oetiskt beteende? Genom att referera till Vi studerar den och deras och den motsvarande   som driver dessa oetiska beteenden i OSS-projekt. Etiska principer Olika typer av oetiskt beteende Karaktäristiska etiskt principerna (RQ2) Med tanke på typen av oetiskt beteende, vad är den motsvarande typen av programvara artefakter som anses vara oetiska av intressenter i OSS-projektet? (RQ2) Med tanke på typen av oetiskt beteende, vad är den motsvarande typen av programvara artefakter som anses vara oetiska av intressenter i OSS-projektet? För varje typ av oetiskt beteende studerar vi (dvs. artefakter där intressenterna hävdade att de bryter mot etiska principer) för att styra vår utformning av ett verktyg som automatiskt kan identifiera oetiskt beteende i OSS-projekt. Berörda programvaruartiklar Vår egen utvalda studie leder till en taxonomi av 15 typer av oetiskt beteende i OSS-projekt. inklusive S1: Ingen tillskrivning till författaren i kod, S2: Soft forking, S3: Plagiarism, S4: Licens inkompatibilitet, S5: Ingen licens som tillhandahålls i offentligt arkiv, S6: Oinformed 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, och S15: Privacy Violation. Inspirerade av vår studie föreslår vi Ethic Detector (Etor), ett automatiskt detektionsverktyg baserat på ontologisk teknik (en beskrivning av enheter och deras egenskaper, relationer och beteenden) och Semantic Web Rule Language (SWRL) regler för att modellera mjukvaruartefakter i GitHub. • är Vår studie av 316 GitHub-problem/PR från 301 projekt avslöjade 15 typer av oetiskt beteende med sex nya. Vår studie avslöjade också mångfalden av de drabbade mjukvaruartiklarna. Vår referensvärde som innehåller 316 problem med olika typer av oetiskt beteende lägger grunden för framtida automatiserade metoder för att upptäcka oetiskt beteende. Study • är Vi föreslår Etor, ett nytt ontologibaserat verktyg som automatiskt upptäcker oetiskt beteende i OSS-projekt.Vi modellerar GitHub-attribut med ontologier och utformar SWRL-regler för att kontrollera oetiskt beteende i olika artefakter. Technique • är Vår utvärdering av 195,621 GitHub-problem / PR från 1,765 repos visar att Etor kan automatiskt upptäcka 548 problem med 74,8% sann positiv hastighet i genomsnitt. Evaluation 
 
 Den här artikeln finns tillgänglig på arkiv under CC BY 4.0 DEED-licens. Den här artikeln finns tillgänglig på arkiv under CC BY 4.0 DEED-licens. Tillgänglig i Arkiv

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

EScholar Technologies

EScholar

Det här ljudet är producerat på berättelsens originalspråk!

För länge; Att läsa

Make resilience your competitive advantage

Vad 316 GitHub-problem lär oss om den mörka sidan av öppen källkod

About Author

KOMMENTARER

HÄNG TAGGAR

DENNA ARTIKEL PRESENTERAS I

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps