面向实证软件工程的多项目、多领域特征工程 Itemlet 数据集

《Scientific Data》：A multi-project, multi-domain, and feature-engineered Itemlet dataset for empirical software engineering

　　

摘要

在实证软件工程中，对新的方法进行基准测试和复现已发表研究的能力长期进展有限，原因在于一直缺乏一个大规模、多领域的数据集，能够将原始工作流数据和衍生特征整合于同一平台。为解决这一问题，我们创建了 Itemlet 数据集，该数据集符合敏捷软件工程的各项任务要求。数据集包含 727,282 个数据点，来自 19 个不同领域中 204 个具有公开可访问 Jira 问题跟踪系统的项目。每个样本包含 108 个特征，由从 JIRA REST API 获取的 60 个原始结构字段和 48 个衍生特征组成。原始结构字段和衍生特征的设计旨在支持三类研究任务：(1) 冲刺计划与工作量代理分析；(2) 需求优先级排序；(3) 复杂度分类。工作量相关字段是反映敏捷团队如何记录工作量的代理变量；该数据集不包含经典意义上正式工作量估算所需的独立验证的交付物规模度量（如功能点）。我们还证明该数据集在十五项标准上符合 FAIR 原则；除一项外，所有标准均完全满足。该数据集可在 CC-BY 4.0 许可条款下访问，并已在 Zenodo 存档，DOI 编号为：https://zenodo.org/records/19411554。