[Task] 理解 GitHub 上已归档的开源项目

[xiaoya-yaya]

Understanding The Archived Projects on GitHub

背景

理解 GitHub 上被 Archived 的开源项目，尤其是曾经具备着高活跃度、高关注度的项目出于什么样的原因被Archive，处于 Archived 状态下之后的这些项目拥有怎样的协作、迭代（如果存在的话）和发展/衰退的模式。

一个被 Archived 的项目实例：https://github.com/PHPOffice/PHPExcel

GitHub 上被 Archived 的项目是否就代表它已经是过去式，代表了衰败和停止演化呢？如果是的话，这些项目在历史上拥有怎样的协作、活跃和演化的行为轨迹？我们能否总结出一些导致开发者流失和项目衰败的因素和规律？

是否还存在其他方面的原因而归档一个项目，如在代码开放和协作策略上的考量？

思路

• 抽取 5000 个左右存在时间在 5 年以上，Star 数 1 万以上的被 Archived 的项目
• 给相应的项目维护者及活跃度高的贡献者发送问卷，问卷内容围绕项目的基本信息、协作模式和受访者认为的项目存档原因
• 半结构化的访谈，进一步了解协作模式和存档原因
• 从行为日志数据中观察项目历史年份中的活跃度、openRank指数、贡献者数量趋势等，结合分析
• 与项目所具有的性质（规模、技术栈等）进行交叉分析

预期结果

• 总结出一套项目被归档的模式和原因
• 总结出一套项目衰败和开发者流失的原因
• 推导出一些项目衰败模式和规律
• 反推出一些项目健康和可持续性的关键要素

[xiaoya-yaya]

灵感来源：谭鑫，周明辉老师等 2020 年的文章

A first look at good first issues on GitHub, Tan, X., Zhou, M., & Sun, Z, ESEC/FSE 2020

[will-ww]

你这绝对是个好方向，我也想一下，先把 PHPExcel 项目拉出来看看，有点意思：

[will-ww]

看了下期中作业的汇总：https://xlab2017.yuque.com/msdpvs/rpifg5/26295762

感觉还是挺不错的，可以引申出不少的后续问题：

• 被归当前社区活动的异常分析，例如转变成一个多指标的时间序列预测
• 归档是一个非常强的信号（标签），标注数据也有了
• 分析与总结归档项目的故事，归纳出归档的排在前面的几个原因
• 结合供应链分析，对供应链上项目归档分线进行实时监控与预警
• 相反，同时定义成功的项目集合，这样可以作为知识库进行建设

还可以继续想很多~