The h-index Metric for GitHub

Zadanie

Anotácia

Táto bakalárska práca sa zameriava na adaptáciu metriky h-index pre prostredie GitHub s cieľom kvantifikovať „vplyv" vývojára alebo repozitára na základe popularity a využívania jeho projektov. V práci navrhujem definíciu GitHub h-indexu odvodenú z počtu citácií na GitHube (napr. hviezdičky, forky a ďalšie signály), analyzujem dostupnosť a obmedzenia dát z GitHub API a popisujem postup zberu a spracovania údajov. Súčasťou je implementácia prototypu, ktorý vypočíta metriky pre zvolených používateľov a repozitáre, a porovnanie výsledkov s tradičnými indikátormi aktivity. Výsledkom je návrh metriky a webová prezentácia, ktorá umožňuje prehľadne zobraziť vypočítané hodnoty a diskutovať ich interpretáciu a limity.

Cieľ

Cieľom bakalárskej práce je adaptovať bibliometrickú metriky h-index na prostredie GitHub a navrhnúť spôsob, ako pomocou verejne dostupných údajov spoľahlivo kvantifikovať „vplyv" používateľov a repozitárov. Práca sa zameriava na definovanie GitHub h-indexu na základe merateľných signálov (napr. hviezdičky a forky), na návrh metodiky zberu a spracovania dát s ohľadom na obmedzenia GitHub REST/GraphQL API a na implementáciu prototypu, ktorý tieto metriky vypočíta a umožní ich porovnávanie a interpretáciu.

Vizualizácie

Nasledujúce grafy ilustrujú kľúčové aspekty navrhovanej GitHub h-index metriky:

Prezentácia

Stiahnite si prezentáciu bakalárskej práce v preferovanom formáte:

Zdroje a odkazy

• Zobraziť literatúru

  Zoznam použitej literatúry

  1. HIRSCH, Jorge E., 2005. An index to quantify an individual's scientific research output. Proceedings of the National Academy of Sciences, vol. 102, no. 46, pp. 16569–16572. Dostupné na: https://doi.org/10.1073/pnas.0507655102
  2. LARSEN, R. L., 2007. The future of scholarly communication: Building the infrastructure for cyberscholarship. Journal of the American Society for Information Science and Technology, roč. 58, č. 7, s. 1061–1066. Dostupné na: https://asistdl.onlinelibrary.wiley.com/doi/full/10.1002/asi.20609
  3. ESCAMILLA, Emily; KLEIN, Martin; COOPER, Talya; RAMPIN, Vicky; WEIGLE, Michele C.; NELSON, Michael L., 2022. The Rise of GitHub in Scholarly Publications. In: Silvello, G.; Corcho, O.; Manghi, P.; Di Nunzio, G.M.; Golub, K.; Ferro, N.; Poggi, A. (eds.) Linking Theory and Practice of Digital Libraries. TPDL 2022. Lecture Notes in Computer Science, vol. 13541. Springer, Cham, pp. 187–200. Dostupné na: https://doi.org/10.1007/978-3-031-16802-4_15
  4. GILROY, Shawn P.; KAPLAN, Brent A., 2019. Furthering Open Science in Behavior Analysis: An Introduction and Tutorial for Using GitHub in Research. Perspectives on Behavior Science, vol. 42, pp. 565–581. Dostupné na: https://doi.org/10.1007/s40614-019-00202-5
  5. PERKEL, Jeffrey, 2016. Democratic databases: science on GitHub. Nature, vol. 538, pp. 127–128. Dostupné na: https://doi.org/10.1038/538127a
  6. BLINCOE, Kelly; SHEORAN, Jigyasa; GOGGINS, Sean; PETAKOVIC, Emil; DAMIAN, Daniela, 2016. Understanding the popular users: Following, affiliation influence and leadership on GitHub. Information and Software Technology, vol. 70, pp. 30–39. Dostupné na: https://doi.org/10.1016/j.infsof.2015.10.002
  7. GitHub, 2026. Rate limits for the REST API. GitHub Docs. Dostupné na: https://docs.github.com/en/rest/using-the-rest-api/rate-limits-for-the-rest-api
  8. GitHub, 2026. Rate limits and query limits for the GraphQL API. GitHub Docs. Dostupné na: https://docs.github.com/en/graphql/overview/rate-limits-and-query-limits-for-the-graphql-api
• Aktuálna verzia bakalárskej práce: Otvoriť PDF

Denník

• 1. týždeň
  • Počas prvého týždňa som sa oboznámil so zadaním bakalárskej práce a definoval hlavné ciele projektu. Vykonal som úvodný prieskum literatúry zameraný na využitie GitHubu vo vedeckom výskume a metriky hodnotenia vedeckej aktivity. Zhromaždil som relevantné vedecké články a zdroje, ktoré sa budú používať v teoretickej časti práce.
  • Preskúmal som GitHub REST a GraphQL API, ich možnosti, dokumentáciu a obmedzenia (rate limits). Na základe toho som navrhol základnú architektúru aplikácie a spôsob získavania dát z GitHubu. Tiež som vytvoril základnú štruktúru projektu a inicializoval repozitár.
• 2. týždeň
  • V druhom týždni som sa zameral na parsovanie odpovedí z GitHub API. Implementoval som modulárny parser pre JSON odpovede REST API, ktorý extrahuje kľúčové polia potrebné pre výpočet GitHub h-indexu: počet hviezdičiek (stargazers_count), forkov (forks_count), dátum vytvorenia repozitára a informácie o prispievateľoch.
  • Riešil som spracovanie paginovaných odpovedí API – implementoval som logiku na postupné prechádzanie stránok výsledkov a ich zlučovanie do jednotnej dátovej štruktúry. Zároveň som ošetril edge cases: chýbajúce polia, null hodnoty a neočakávané formáty dát, aby parser bol robustný voči zmenám v API špecifikácii.
  • Vytvoril som validačnú vrstvu, ktorá kontroluje integritu naparsovaných dát pred ich ďalším spracovaním. Parser teraz loguje varovania pri detekcii nekonzistentných údajov a umožňuje ich manuálnu revíziu alebo automatické opravy podľa definovaných pravidiel.
• 3. týždeň
  • V treťom týždni som rozšíril parsovacie schopnosti o spracovanie GraphQL odpovedí. Implementoval som parser pre komplexné vnorené štruktúry GraphQL, ktorý efektívne extrahuje vzťahy medzi repozitármi, commitmi, pull requestmi a issue záznamami – všetky tieto signály sú dôležité pre refinovanie GitHub h-index metriky.
  • Zameral som sa na normalizáciu naparsovaných dát: konverzia časových značiek na jednotný formát, štandardizácia identifikátorov používateľov a repozitárov, a transformácia rôznych typov aktivít na číselné váhy použiteľné pri výpočte metriky. Parser teraz produkuje čistý, analyticky pripravený dataset.
  • Implementoval som caching mechanizmus pre naparsované dáta, ktorý znižuje počet opakovaných API volaní a urýchľuje iteratívny vývoj. Parser podporuje incrementálne parsovanie – dokáže spracovať iba nové alebo zmenené záznamy od posledného spustenia, čo je kritické pri práci s veľkými datasetmi a rate limitmi GitHub API.