Alumni di tutoraggio CHAOSS

La comunità CHAOSS ringrazia tutti gli allievi e i mentori che hanno partecipato a Google Summer of Code, Google Season of Docs e Outreachy.

Elenco di tutti i Mentees

studente Programma & Anno Progetto Mentori
Yas Prakash GSoC 2021 Automatizza il rilascio delle metriche e il miglioramento dei processi Kevin Lombard, Georg Link, Jaskirat Singh
Ritik Malik GSoC 2021 Automatizza il rilascio delle metriche e il miglioramento dei processi Kevin Lombard, Georg Link, Matt Germonprez, Jaskirat Singh
Dhruv Sachdev GSoC 2021 Sviluppare una risorsa di dati condivisa incentrata su dipendenze, rischi e vulnerabilità nel software open source Sean Goggins, Vinod Ahuja
Anuj Lamoria GSoC 2021 Identifica automaticamente gli alias dei collaboratori Sean Goggins
Rashmi KA GSoC 2021 Cappello di smistamento - Estendi il modello di dati e l'interfaccia utente per acquisire informazioni migliori sui contributori Venu Vardhan Reddy
Yeming Gu GSoC 2021 Proposta GSoC di Yeming Gu per CHAOSS Sean Goggins, Vinod Ahuja
Veerasamy Sevagen Promozione Estate Open Source 2021 Ampliamento e restyling del tutorial GrimoireLab Venu Vardhan
Jaskirat Singh DSOD 2020 Crea un manuale CHAOSS a livello di comunità Georg JPlink, Armstrong Foundjem, Matt Germonprez
Xiaoya Xiao DSOD 2020 Crea documentazione per il progetto CHAOSS D&I Badging Matt Snell, Aastha Bist
Ria Gupta GSoC 2020 Sistema metrico della valuta sociale Valerio Cosentino, Samantha Venia, Logan
Tianyi Zhou GSoC 2020 Analisi di grandi reti sociali e rilevamento di anomalie con Augur Sean Goggins, Jonahz, Gabe Heim
Sarit Adhikar GSoC 2020 Machine Learning per il rilevamento delle anomalie nelle comunità open source Sean Goggins, Carter Landis, Gabe Heim
Abhinav Baipai GSoC 2020 Implementazione di GitLab Data Collection Worker e Mapper per associare le risposte di GitLab API, Github API e lo schema Augur Sean Goggins, Carter Landis
bistaasta GSoC 2020 Costruisci il processo del flusso di lavoro per il progetto CHAOSS D&I Badging Matt Snell
vcrombie GSoC 2020 Creazione di modelli di qualità utilizzando le metriche GrimoireLab e CHAOSS Valerio Cosentino, Aniruddha Karajgi
Saicharan Reddy GSoC 2020 Implementazione di GitLab Data Collection Worker e miglioramento della copertura dei test Elita Nelson, Sean Goggins, Jonahz
Akshara P GSoC 2020 Machine Learning per il rilevamento delle anomalie nelle comunità open source Elita Nelson, Sean Goggins, Gabe Heim
Pratik Mishra GSoC 2020 Machine Learning per il rilevamento delle anomalie nelle comunità open source Elita Nelson, Sean Goggins, Gabe Heim
Ore-Aruwaji Oloruntola Sensibilizzazione 2020 Crea un processo di flusso di lavoro per CHAOSS Diversity & Inclusion Badging Matt Germonprez, Matt Snell, Saleh Abdel Motaal
Parte Sharma GSoC 2019 Costruisci CHAOSS Rischio e Crescita Maturity e Decline Metrics in Augur Sean Goggins
Bingwen Ma GSoC 2019 Costruisci CHAOSS Rischio e Crescita Maturity e Decline Metrics in Augur Sean Goggins, Matt Germonprez
Aniruddha Karajgi GSoC 2019 Implementazione delle metriche CHAOSS con Perceval Jesus Gonzalez-Barahona, valcos, Pranjal Aswani
Nishchith K Shetty GSoC 2019 Supporto di metriche relative al codice sorgente Jesus Gonzalez-Barahona, valcos, Pranjal Aswani
Keanu Nichols GSoC 2018 Segnalazione delle metriche CHAOSS Sean Goggins, Jesus González-Barahona
Pranjal Aswani GSoC 2018 Reporting delle metriche CHAOSS: Refactoring del codice esistente ed estensione delle capacità del Progetto Manoscritti Valerio Cosentino, Jesus González-Barahona

mentee

Yas Prakash

Yash Prakash selezionato per GSoC 2021

titolo del progetto

Automatizza il rilascio delle metriche e il miglioramento dei processi

Home

Le metriche CHAOSS sono state definite per fornire una visione approfondita delle varie caratteristiche di un progetto open source. Le metriche sono anche un input chiave per aiutare le organizzazioni a investire strategicamente le proprie risorse.

L'obiettivo principale del progetto è comprendere il processo di rilascio delle metriche, proporre miglioramenti del processo e automatizzare il processo di rilascio di queste metriche.

Oltre alla versione inglese originale di queste metriche, queste metriche sono anche tradotte in diverse lingue per aiutare le comunità di tutto il mondo a comprenderle e trarne vantaggio.

Entro la fine di questo progetto, ci sarebbe una completa automazione nel processo di generazione dei report per le metriche e le loro traduzioni

Link

Ritik Malik

Ritik Malik selezionata per GSoC 2021

titolo del progetto

Automatizza il rilascio delle metriche e il miglioramento dei processi

Home

Migliorare il processo di rilascio delle metriche e automatizzare completamente non solo farà risparmiare tempo, ma ci aiuterà anche a definire una struttura centrale per i WG/metriche attuali e futuri. Tenendo presente il CHAOSS in continua evoluzione, il processo sarebbe sufficientemente scalabile e flessibile per essere facilmente modificato in futuro. Anche la qualità e l'impressione del PDF avrebbero la stessa priorità.

Link

Dhruv Sachdev

Dhruv Sachdev selezionato per GSoD 2021

titolo del progetto

Sviluppare una risorsa di dati condivisa incentrata su dipendenze, rischi e vulnerabilità nel software open source

Home

Questo progetto ha lo scopo di sviluppare una risorsa di dati condivisa per identificare varie dipendenze per il software open source, utilizzando alcuni degli strumenti esistenti per analizzare le dipendenze e mapparle per sapere se ci sono dipendenze dirette, transitive e circolari. Questo progetto si occupa delle dipendenze a livello di codice e non delle dipendenze basate sull'infrastruttura come il sistema operativo o il database. Questo progetto è implementato utilizzando augur, una suite software per la raccolta e la misurazione di dati strutturati sulle comunità di software libero e open source (FOSS).

Link

Anuj Lamoria

Anuj Lamoria selezionato per GSoC 2021

titolo del progetto

Identifica automaticamente gli alias dei collaboratori

Home

Lo scopo di questo progetto è generalizzare e rendere disponibile un pacchetto Python distribuibile PyPy, la funzionalità principale attualmente all'interno del collaboratore Augur, e immaginato come la fase successiva del collaboratore Augur. L'obiettivo principale di questo progetto è identificare automaticamente gli alias del collaboratore (e-mail, account utente della piattaforma) per aumentare la parsimonia di statistiche e metriche con il miglioramento della privacy Mi concentrerei sull'Augure e svilupperei utili strumenti di analisi di previsione del rischio e moduli di visualizzazione. Il lavoro principale in questo progetto è il seguente: Costruire un database grafico accessibile tramite API per identificare e mappare i contributori che utilizzano più indirizzi e-mail all'interno di una piattaforma e identificatori tra piattaforme. Implementare metodi per gestire queste informazioni. Integra queste informazioni in metriche CHAOSS più chiare e parsimoniose. Automatizza la gestione delle modifiche dei contributori nel tempo Abilita l'analisi a livello di progetto che oscura o rende anonima l'identità del singolo sviluppatore

Link

Rashmi KA

Rashmi KA selezionato per GSoD 2021

titolo del progetto

Cappello di smistamento - Estendi il modello di dati e l'interfaccia utente per acquisire informazioni migliori sui contributori

Home

Grimoirelab è un set di strumenti open source per l'analisi dello sviluppo software. Grimoirelab fornisce una serie di strumenti per raccogliere, analizzare e visualizzare le metriche di sviluppo del software da una varietà di fonti come Git, Jira, Confluence, Slack, ecc. Per gestire le identità delle persone attraverso queste diverse fonti, Grimoirelab ha sviluppato Sorting Hat. Sorting Hat gestisce le identità delle persone e i relativi metadati.

Come parte dei metadati raccolti sulle identità, Sorting Hat memorizza le informazioni dell'organizzazione come il nome e i domini relativi all'organizzazione. Questo progetto mira ad aggiungere queste informazioni estendendo il modello di organizzazione esistente per acquisire la struttura interna di organizzazioni come dipartimenti, sotto-organizzazioni e team. Ciò aiuterà ad annotare le informazioni sull'identità in modo più significativo.

Link

Yeming Gu

Yeming Gu selezionato per GSoD 2021

titolo del progetto

Proposta GSoC di Yeming Gu per CHAOSS

Home

Il mio progetto mira a definire una nuova metrica di misura della somiglianza basata sulla semantica di codifica sociale alla base dei dati di traccia open source per arricchire le capacità di Augur. Vengono introdotti lo schema di rete di informazioni eterogenee e le tecniche di incorporamento di rete per catturare le informazioni di somiglianza latente tra i repository. Questo progetto si concluderà con alcuni nuovi modelli computazionali per trasformare tali informazioni in vettori di rappresentazione calcolabili rispetto a ogni repository.

Link

Veerasamy Sevagen

Veerasamy Sevagen selezionato per Summer of Open Source Promotion 2021

titolo del progetto

Ampliamento e restyling del tutorial GrimoireLab

Home

GrimoireLab è una potente piattaforma open source che fornisce supporto per il monitoraggio e l'analisi approfondita dei progetti software. Produce un ricco set di metriche con dati estratti da oltre 30 strumenti relativi al contributo allo sviluppo Open Source come sistemi di controllo delle versioni, tracker di problemi e forum. Queste metriche vengono mostrate e sfruttate su dashboard dinamici Web, che possono essere facilmente ispezionati dai decisori per aiutarli a comprendere l'evoluzione e lo stato di salute dei loro progetti. Il punto di ingresso principale per conoscere GrimoireLab è il tutorial, che fornisce una panoramica della piattaforma e dei suoi componenti. Di recente, la community ha richiesto di rinnovare ed espandere i propri contenuti per includere informazioni aggiuntive come la personalizzazione e la gestione della dashboard.

Link

Jaskirat Singh

Jaskirat Singh selezionato per GSoD 2020 sotto la Linux Foundation

titolo del progetto

Crea un manuale CHAOSS a livello di comunità

Home

Il Manuale della comunità è un documento che definisce le politiche e le procedure chiave della comunità e delinea la missione, i valori e le attività della comunità. Questo manuale fornisce una chiara introduzione e il funzionamento dei nuovi membri della comunità. Attualmente, il manuale della comunità CHAOSS è disponibile sul repository GitHub e deve essere rinnovato e rifattorizzato con più informazioni per i nuovi arrivati ​​e gli utenti della comunità esistenti.

Link

Xiaoya Xiao

Xiaoya Xia è stata selezionata per GSoD 2020 dalla Linux Foundation

titolo del progetto

Crea documentazione per il progetto CHAOSS D&I Badging

Home

Il lavoro riguarda la creazione di documentazione per un giovane progetto di CHAOSS: D&I Badging project, il progetto è un sistema di revisione tra pari, che utilizza il badge come risultato della revisione finale e le metriche di CHAOSS D&I come riferimenti di revisione. Quindi candidati e revisori sono due ruoli importanti, dovrebbero avere una guida chiara ed elaborata per mostrare loro cosa fare, come inviare la domanda e come rivedere con una lista di controllo su GitHub.

Link

Ria Gupta

Ria Gupta selezionata per GSoc 2020

titolo del progetto

Sistema metrico della valuta sociale

Home

L'implementazione del Social Currency Metric System (SCMS) sarà un'enorme pietra miliare nel fornire una visione migliore e olistica dello stato di salute del progetto nella comunità open source. Aggiungendo la valuta sociale nella metrica, possiamo misurare quantitativamente il valore delle interazioni della comunità per misurare con precisione la "reputazione" di una comunità.

Link

Tianyi Zhou

Tianyi Zhou selezionato per GSoC 2020

titolo del progetto

Analisi di grandi reti sociali e rilevamento di anomalie con Augur.

Home

Augur è un software che raccoglie dati per un elenco di archivi dati e fornisce una varietà di metriche CHAOSS per fornire metriche di salute e sostenibilità open source. Quindi gli utenti possono indagare empiricamente e scoprire informazioni utili per l'ingegneria del software, come la comprensione del modello collaborativo.

Nella fase attuale, Augur non è in grado di estrarre i repository per generare le informazioni di co-editing nello sviluppo del software open source. Questa idea progettuale sta per sviluppare questo tipo di funzioni per migliorare il progetto Augur. Si concluderà con un nuovo data worker e uno strumento di analisi per una rete di co-editing a grana fine che apre una nuova enorme fonte di dati ad alta risoluzione sui modelli di collaborazione umana.

Quindi vorrei stabilire il server Augur per il mining e il monitoraggio dell'ecosistema open source (con oltre 10000 repository o più). Le reti di collaborazione ei dati di traccia sociale di tutti i contributori nell'ecosistema open source saranno valutati in termini di analisi dei social network. Giocherà un ruolo vitale nel raggiungimento dell'obiettivo di Augur verso l'analisi della salute delle organizzazioni open source, nonché l'obiettivo del progetto CHAOSS verso la diversità e l'inclusione.

Link

Sarit Adhikar

Sarit Adhikari selezionato per GSoC 2020

titolo del progetto

Machine Learning per il rilevamento delle anomalie nelle comunità open source

Home

Lo sviluppo di software open source è uno sforzo collaborativo che richiede un processo decisionale decentralizzato da parte di diversi sviluppatori e manutentori. Per misurare lo stato di avanzamento del progetto, è importante quantificare le modifiche del codice nel tempo. CHAOSS fornisce analisi e metriche per aiutare le comunità open source a misurare l'impatto del lavoro dello sviluppatore sul progetto e l'impatto del progetto sulla comunità. Augur è un'implementazione prototipo del progetto CHAOSS sulle metriche del software open source che integra sistematicamente i dati da diversi repository open source, tracker di problemi, mailing list, ecc. Il rilevamento di anamoly è una strategia comune della scienza dei dati per trovare punti di dati estremi (outlier), le cui caratteristiche differiscono notevolmente da altri punti dati normali. Da una prospettiva di sviluppo software open source, rileva picchi e cali insoliti nelle attività di sviluppo come commit di codice, richieste pull, ecc. Questo progetto mira a identificare i diversi tipi di anomalie disponibili dai dati di traccia e fornire una notifica personalizzata all'utente utilizzando diverse tecniche di apprendimento automatico.

Link

Abhinav Baipai

Abhinav Bajpai selezionato per GSoC 2020

titolo del progetto

Implementazione di GitLab Data Collection Worker e Mapper per associare le risposte dell'API GitLab, dell'API Github e dello schema Augur.

Home

Il progetto mira a sviluppare un lavoratore di raccolta Gitlab strettamente legato al lavoratore di raccolta Github utilizzando file mapper per associare gli attributi previsti delle loro risposte API e lo schema Augur. Il lavoratore Gitlab ha la responsabilità di recuperare i dati progressivi relativi a problemi, commit, richieste di unione ecc. da GitLab utilizzando l'API python-gitlab su cui è possibile generare metriche. Moduli aggiuntivi come il modulo Data Setter e il moderatore dello schema verrebbero implementati per funzionare come un canale comune per entrambi i lavoratori per inviare la risposta API raccolta nel database Augur o per modificare lo schema Augur modificando i file del mappatore. Il modulo Data Setter avrà inoltre la responsabilità di implementare il meccanismo di gestione dei duplicati.

Link

bistaasta

bistaastha selezionato per GSoC 2020

titolo del progetto

Costruisci il processo del flusso di lavoro per il progetto CHAOSS D&I Badging.

Home

Il programma CHAOSS Diversity and Inclusion Badging mira a incoraggiare progetti ed eventi a ottenere badge per buone pratiche di diversità e inclusione. Questo progetto riguarderà la creazione di un flusso di lavoro basato su GitHub per il programma CHAOSS D&I Badging.

Questo progetto estenderebbe il lavoro di CHAOSS Badging esistente e implementerebbe un processo di revisione Open Peer. Inoltre, il progetto si concentrerebbe sull'integrazione di bot per flussi di lavoro basati su GitHub.

Link

vcrombie

vchrombie selezionato per GSoC 2020

titolo del progetto

Creazione di modelli di qualità utilizzando le metriche GrimoireLab e CHAOSS.

Home

GrimoireLab è una potente piattaforma open source che fornisce supporto per il monitoraggio e l'analisi approfondita dei progetti software. Produce un ricco set di dashboard, che possono essere facilmente ispezionati dai decisori per aiutarli a comprendere l'evoluzione e lo stato di salute dei loro progetti. Nonostante l'ampia serie di dashboard disponibili in GrimoireLab, confrontare i progetti tra loro non è semplice poiché richiede la navigazione e il drill-down dei dati in dashboard diversi.

Prosoul è un'applicazione web che abilita i decisori con i mezzi per creare e gestire i propri modelli di qualità, che sono mezzi utili per valutare e confrontare progetti software. Questa idea progettuale riguarda il supporto alla definizione di modelli di qualità utilizzando i dati GrimoireLab e Prosoul.

L'obiettivo principale del progetto è progettare un approccio per modellare i dati di GrimoireLab in un formato che possa essere facilmente utilizzato da Prosoul e implementarlo sui dati ottenuti da alcune fonti di dati come git, github e repository di mailing list per ottenere una qualità semplice Modelli.

Link

Saicharan Reddy

Saicharan Reddy selezionato per GSoC 2020

titolo del progetto

Implementazione di GitLab Data Collection Worker e miglioramento della copertura dei test

Home

L'obiettivo principale di questo progetto è riunire i dati relativi ai problemi di GitLab, ai commit, unire le richieste tra altre entità e archiviarli nell'ecosistema del modello di dati unificato di Augur. Il progetto utilizzerà una coda di attività, un broker e istanze di lavoro per elaborare le informazioni su larga scala. Metriche per la sostenibilità e. lo stato di salute generale del progetto sarà basato sulle informazioni memorizzate nel modello unificato. Questo progetto mira anche ad aumentare la copertura complessiva dei test del progetto. Verrebbero implementati test di ergo, unità e integrazione per gli addetti alla raccolta dei dati per garantire la coerenza dei dati.

Link

Akshara P

Akshara P selezionato per GSoC 2020

titolo del progetto

Machine Learning per il rilevamento delle anomalie nelle comunità open source

Home

Augur è uno stack web di prototipazione basato su Flask per le metriche CHAOSS. Fornisce dati strutturati estratti da varie fonti come repository git, mailing list e tracker di problemi utilizzando un'architettura plug-in che incorpora altri progetti di metriche open source come Facade e FOSSology. Augur consente agli utenti di tenere traccia delle attività che si verificano nei repository a cui tengono e confrontare le loro prestazioni. Gli obiettivi principali di questo progetto sono rilevare anomalie in varie metriche nella comunità open source e notificare al più presto i gestori della comunità; fornendo endpoint API per le metriche richieste e un dashboard personalizzato per visualizzare queste metriche tramite grafici. Il completamento di questo progetto comporterebbe un dashboard personalizzato per ogni utente, fornendo statistiche in tempo reale sulle attività anomale che si verificano nei loro repository.

Link

Pratik Mishra

Pratik Mishra selezionato per GSoC 2020

titolo del progetto

Machine Learning per il rilevamento delle anomalie nelle comunità open source

Home

Questo progetto svolgerà uno dei ruoli più vitali nel raggiungimento dell'obiettivo di Augur verso l'analisi dello stato di salute dell'organizzazione open source. Non solo fornirà la visualizzazione, ma offrirà anche utili approfondimenti che aiuteranno gli utenti a trovare il motivo dietro attività anomale o periodi anomali.

Link

Ore-Aruwaji Oloruntola

Ore-Aruwaji Oloruntola è stata selezionata per Outreachy 2020

titolo del progetto

Crea un processo di flusso di lavoro per CHAOSS Diversity & Inclusion Badging

Link

Parte Sharma

Parth Sharma ha completato con successo il GSoC 2019.

titolo del progetto

Costruisci CHAOSS Rischio e Crescita Maturity e Decline Metrics in Augur

Home

Augur è uno stack web di prototipazione completamente funzionale per le metriche CHAOSS. Fornisce dati strutturati estratti da repository git utilizzando un'architettura plug-in che incorpora altri progetti di metriche open source come Facade e FOSSology. L'obiettivo principale di questo progetto è estendere le funzionalità di Augur implementando metriche CHAOSS rischio e crescita-maturità-declino e casi d'uso con particolare attenzione al caso d'uso del gestore di comunità open source. Questo progetto, incentrato sul caso d'uso del gestore di comunità, consentirà ai gestori di comunità open source di sfruttare le metriche di rischio e crescita-maturità-declino per gestire meglio le loro comunità e progetti.

Link

Bingwen Ma

Bingwen Ma ha completato con successo il GSoC 2019.

titolo del progetto

Costruisci CHAOSS Rischio e Crescita Maturity e Decline Metrics in Augur

Home

L'obiettivo del progetto è implementare le metriche di rischio e altre metriche all'interno delle metriche CHAOSS di crescita-maturità-declino e casi d'uso utilizzando Augur, concentrandosi su ciò che abbiamo portato alla luce come caso d'uso del gestore di comunità open source.

Link

Aniruddha Karajgi

Aniruddha Karajgi ha completato con successo il GSoC 2019.

titolo del progetto

Implementazione delle metriche CHAOSS con Perceval

Home

Lo scopo di questo progetto è quello di creare implementazioni e test di riferimento, principalmente per le metriche definite dall'Evolution Working Group, ma anche per gli altri gruppi di lavoro. Ciò avverrà analizzando i dati recuperati da Perceval da varie fonti utilizzando jupyter notebook, panda e matplotlib.

Link

Nishchith K Shetty

Nishchith K Shetty ha completato con successo il GSoC 2019.

titolo del progetto

Supporto di metriche relative al codice sorgente.

Home

Graal produce analisi relative alla complessità del codice, alla qualità, alle dipendenze, alla vulnerabilità e alle licenze ei dati prodotti sono conformi a quelli che possono essere elaborati da GrimoireLab. Mi concentrerò principalmente su:

  • Aggiunta del supporto delle metriche relative al codice sorgente a Grimoirelab con l'aiuto dei dati di analisi prodotti da Graal.
  • Adattare la toolchain di Grimoirelab per essere in grado di eseguire Graal ed elaborare i dati da esso prodotti.
  • Scrittura di unit test appropriati per backend aggiuntivi, connettori di supporto corrispondenti e metodi.
  • Produzione di analisi relative alle metriche proposte e calcolate* (descritte di seguito)
  • Aggiunta di documentazione relativa a funzionalità aggiuntive e miglioramenti a quelle esistenti.

Di tutti e cinque i backend forniti da Graal, CoCom (Code Complexity) copre la stragrande maggioranza dei linguaggi popolari e CoLic (Code License) supportati da NOMOS e ScanCode ci aiuta a recuperare le informazioni relative a licenza e copyright dai repository di sviluppo software ed è indipendente dal linguaggio . L'aggiunta di metriche relative a questi due backend durante il periodo GSoC potrebbe essere applicata a un'ampia gamma di progetti in futuro.

Link

Keanu Nichols

Keanu Nichols ha completato con successo il GSoC 2018.

titolo del progetto

Segnalazione delle metriche CHAOSS.

Home

Scrivendo codice Python per interrogare i database GrimoireLab Elastisearch e ricavarne le metriche rilevanti per il report. Le possibili tecnologie per raggiungere questo obiettivo includono Python Pandas.

Link

Pranjal Aswani

Pranjal Aswani ha completato con successo il GSoC 2018.

titolo del progetto

Reporting delle metriche CHAOSS: Refactoring del codice esistente ed estensione delle capacità del Progetto Manoscritti.

Home

Il progetto Manoscritti, che fa parte del Grimoire Toolset, ci aiuta nell'analisi di repository e progetti creando un report basato su Metriche predefinite che forniscono una panoramica del progetto. L'infrastruttura dell'attuale sistema di generazione di report deve essere aggiornata in modo che gli utenti possano dedicare meno tempo a capire come e concentrarsi sulla funzionalità. L'obiettivo di questo progetto è di estendere le capacità del progetto Manoscritti in modo che copra quasi tutte le metriche che possono essere calcolate utilizzando le diverse fonti di dati. Alla fine di questo progetto, avremo un sistema di reporting più grande e migliore.

Link