混沌导师校友
CHAOSS 社区感谢所有参与 Google Summer of Code、Google Season of Docs 和 Outreachy 的学员和导师。
所有学员名单
| 学生 | 计划和年份 | 项目 | 导师 |
|---|---|---|---|
| 亚什普拉卡什 | GSoC 2021 | 自动化指标发布和流程改进 | 凯文·伦巴德、乔治·林克、贾斯基拉特·辛格 |
| 里提克·马利克 | GSoC 2021 | 自动化指标发布和流程改进 | 凯文·伦巴德、乔治·林克、马特·杰蒙普雷兹、贾斯基拉特·辛格 |
| 德鲁夫·萨赫德夫 | GSoC 2021 | 开发专注于开源软件中的依赖、风险和漏洞的共享数据资源 | 肖恩·戈金斯，维诺德·阿胡亚 |
| 阿努杰·拉莫里亚 | GSoC 2021 | 自动识别贡献者别名 | 肖恩·戈金斯 |
| 拉什米 KA | GSoC 2021 | Sorting Hat - 扩展数据模型和用户界面以捕获有关贡献者的更好信息 | 维努·瓦尔丹·雷迪 |
| 顾夜明 | GSoC 2021 | 顾夜明针对 CHAOSS 的 GSoC 提案 | 肖恩·戈金斯，维诺德·阿胡亚 |
| 维拉萨米·塞瓦根 | 2021 年开源推广之夏 | 扩展和重新设计 GrimoireLab 教程 | 维努瓦尔丹 |
| 贾斯基拉特·辛格 | GSOD 2020 | 创建 CHAOSS 社区范围的手册 | Georg JPlink、Armstrong Foundjem、Matt Germonprez |
| 夏小雅 | GSOD 2020 | 为 CHAOSS D&I Badging 项目构建文档 | 马特·斯内尔，阿斯塔·比斯特 |
| 里亚古普塔 | GSoC 2020 | 社会货币公制 | 瓦莱里奥·科森蒂诺，萨曼莎·维尼亚，洛根 |
| 周天一 | GSoC 2020 | 使用 Augur 进行大型社交网络分析和异常检测 | 肖恩·戈金斯、乔纳兹、加布·海姆 |
| 萨里特阿迪卡里 | GSoC 2020 | 用于开源社区异常检测的机器学习 | 肖恩·戈金斯、卡特·兰迪斯、加布·海姆 |
| 阿比纳夫·巴杰派 | GSoC 2020 | 实现 GitLab Data Collection Worker 和 Mapper 以绑定 GitLab API、Github API 和 Augur 模式的响应 | 肖恩·戈金斯，卡特·兰迪斯 |
| 比斯塔斯塔 | GSoC 2020 | 为 CHAOSS D&I 徽章项目构建工作流程 | 马特·斯内尔（Matt Snell） |
| 变色龙 | GSoC 2020 | 使用 GrimoireLab 和 CHAOSS 指标创建质量模型 | 瓦莱里奥·科森蒂诺，阿尼鲁达·卡拉吉吉 |
| 赛查兰·雷迪 | GSoC 2020 | GitLab Data Collection Worker 和测试覆盖率改进的实现 | 艾丽塔·尼尔森、肖恩·戈金斯、乔纳兹 |
| 阿克沙拉 P | GSoC 2020 | 用于开源社区异常检测的机器学习 | 艾丽塔·尼尔森、肖恩·戈金斯、加布·海姆 |
| 普拉蒂克·米什拉 | GSoC 2020 | 用于开源社区异常检测的机器学习 | 艾丽塔·尼尔森、肖恩·戈金斯、加布·海姆 |
| 矿石-Aruwaji Oloruntola | 2020 年外展活动 | 为 CHAOSS 多样性和包容性徽章构建工作流程 | 马特·杰蒙普雷兹、马特·斯内尔、萨利赫·阿卜杜勒·莫塔尔 |
| 帕斯·夏尔马 | GSoC 2019 | 在 Augur 中构建 CHAOSS 风险和增长成熟度以及衰退指标 | 肖恩·戈金斯 |
| 马炳文 | GSoC 2019 | 在 Augur 中构建 CHAOSS 风险和增长成熟度以及衰退指标 | 肖恩·戈金斯，马特·杰蒙普雷兹 |
| 阿尼鲁达·卡拉吉 | GSoC 2019 | 使用 Perceval 实现 CHAOSS 指标 | Jesus Gonzalez-Barahona，瓦尔科斯，Pranjal Aswani |
| Nishchith K 谢蒂 | GSoC 2019 | 支持源代码相关指标 | Jesus Gonzalez-Barahona，瓦尔科斯，Pranjal Aswani |
| 基努尼科尔斯 | GSoC 2018 | 报告 CHAOSS 指标 | 肖恩·戈金斯、耶稣·冈萨雷斯-巴拉奥纳 |
| 普兰哈尔阿斯瓦尼 | GSoC 2018 | CHAOSS Metrics 报告：重构现有代码并扩展 Manuscripts 项目的功能 | 瓦莱里奥·科森蒂诺，耶稣·冈萨雷斯-巴拉奥纳 |
学弟学妹
亚什普拉卡什
Yash Prakash 入选 GSoC 2021
项目名称
自动化指标发布和流程改进
项目介绍
已定义 CHAOSS 指标以提供对开源项目各种功能的深入了解。 这些指标也是帮助组织战略性地投资其资源的关键输入。
该项目的主要目的是了解指标发布过程，提出流程改进并自动化这些指标的发布过程。
除了这些指标的原始英文版本外，这些指标还被翻译成不同的语言，以帮助全球社区理解并从中受益。
到该项目结束时，在生成指标报告及其翻译的过程中将实现完全自动化
链接
里提克·马利克
Ritik Malik 入选 GSoC 2021
项目名称
自动化指标发布和流程改进
项目介绍
改进指标发布流程和完全自动化不仅可以节省时间，还可以帮助我们为当前和即将到来的工作组/指标定义一个中心结构。 牢记不断发展的混沌，该过程将具有足够的可扩展性和灵活性，以便将来轻松调整。 PDF 的质量和印象也同样重要。
链接
德鲁夫·萨赫德夫
Dhruv Sachdev 入选 GSoD 2021
项目名称
开发专注于开源软件中的依赖、风险和漏洞的共享数据资源
项目介绍
该项目旨在开发一个共享数据资源来识别开源软件的各种依赖关系，使用一些现有的工具来分析依赖关系并映射它们以了解是否存在直接、传递和循环依赖关系。 该项目处理代码级别的依赖关系，而不是基于基础设施的依赖关系，如操作系统或数据库。 该项目是使用 augur 实现的，augur 是一个用于收集和测量有关免费和开源软件 (FOSS) 社区的结构化数据的软件套件。
链接
阿努杰·拉莫里亚
Anuj Lamoria 入选 GSoC 2021
项目名称
自动识别贡献者别名
项目介绍
该项目的目的是概括并提供一个 PyPy 可分发 Python 包，该包目前在 Augur 贡献者工作人员中的核心功能，并被设想为 Augur 贡献者工作人员的下一阶段。该项目的主要目标是自动识别贡献者别名（电子邮件、平台用户帐户）通过增强隐私来增加统计和度量的简约性 我将专注于 Augur 并开发有用的风险预测分析工具和可视化模块。 该项目的主要工作如下： 构建一个API Accessible Graph Database，用于识别和映射平台内使用多个电子邮件地址的贡献者，以及跨平台的标识符。 实施管理这些信息的方法。 将这些信息集成到更清晰、更简洁的 CHAOSS 指标中。 自动管理贡献者随时间的变化在项目级别启用分析，以掩盖或匿名化个别开发人员身份
链接
拉什米 KA
Rashmi KA 入选 GSoD 2021
项目名称
Sorting Hat - 扩展数据模型和用户界面以捕获有关贡献者的更好信息
项目介绍
Grimoirelab 是用于软件开发分析的开源工具集。 Grimoirelab 提供了一组工具来收集、分析和可视化来自各种来源（如 Git、Jira、Confluence、Slack 等）的软件开发指标。为了管理这些不同来源的人的身份，Grimoirelab 开发了 Sorting Hat。 Sorting Hat 管理人员的身份和相关元数据。
作为围绕身份收集的元数据的一部分，Sorting Hat 存储组织信息，例如与组织相关的名称和域。 该项目旨在通过扩展现有的组织模型来添加此信息，以捕获组织的内部结构，例如部门、子组织和团队。 这将有助于更有意义地注释身份信息。
链接
顾夜明
顾夜明入选 GSoD 2021
项目名称
顾夜明针对 CHAOSS 的 GSoC 提案
项目介绍
我的项目旨在基于开源跟踪数据底层的社会编码语义定义一个新的相似性度量指标，以丰富 Augur 的能力。 引入异构信息网络模式和网络嵌入技术来捕获存储库之间的潜在相似性信息。 该项目最终将获得一些新的计算模型，以将这些信息转换为关于每个存储库的可计算表示向量。
链接
维拉萨米·塞瓦根
Veerasamy Sevagen 入选 2021 年夏季开源推广活动
项目名称
扩展和重新设计 GrimoireLab 教程
项目介绍
GrimoireLab 是一个强大的开源平台，为软件项目的监控和深入分析提供支持。 它使用从 30 多个与开源开发相关的工具（例如版本控制系统、问题跟踪器和论坛）中提取的数据生成一组丰富的指标。 这些指标在 Web 动态仪表板上显示和利用，决策者可以轻松地检查这些仪表板，以帮助他们了解项目的发展和健康状况。 了解 GrimoireLab 的主要入口点是教程，它提供了平台及其组件的演练。 最近，社区已要求修改和扩展其内容，以包括仪表板定制和管理等附加信息。
链接
贾斯基拉特·辛格
Jaskirat Singh 入选 Linux 基金会的 GSoD 2020
项目名称
创建 CHAOSS 社区范围的手册
项目介绍
社区手册是一份文件，它定义了社区的关键政策和程序，并概述了社区的使命、价值观和工作方式。 这本手册为新加入的社区成员提供了清晰的介绍和工作方式。 目前，CHAOSS 社区手册可在 GitHub 存储库上获得，需要对其进行修改和重构，为新来者和现有社区用户提供更多信息。
链接
夏小雅
夏晓雅入选 Linux 基金会下的 GSoD 2020
项目名称
为 CHAOSS D&I Badging 项目构建文档
项目介绍
这项工作是为 CHAOSS 的一个年轻项目：D&I Badging 项目构建文档，该项目是一个同行评审系统，使用徽章作为最终评审结果，以及 CHAOSS D&I 指标作为评审参考。 所以申请者和审稿人是两个重要的角色，应该有明确而详尽的指导来告诉他们该做什么，如何提交申请，以及如何使用 GitHub 上的清单进行审查。
链接
里亚古普塔
Ria Gupta 入选 GSoc 2020
项目名称
社会货币公制
项目介绍
实施社交货币度量系统 (SCMS) 将是一个巨大的里程碑，它可以更好、更全面地了解开源社区的项目健康状况。 通过在指标中添加社交货币，我们可以量化衡量社区互动的价值，从而准确衡量社区的“声誉”。
链接
周天一
周天一入选GSoC 2020
项目名称
使用 Augur 进行大型社交网络分析和异常检测。
项目介绍
Augur 是一个软件，它收集给定存储库列表的数据并提供各种 CHAOSS 指标以提供开源健康和可持续性指标。然后用户可以通过经验调查和发现对软件工程有用的见解，例如理解协作模式。
在现阶段，Augur 无法挖掘存储库以生成开源软件开发中的共同编辑信息。 这个项目的想法是要开发这种功能来增强Augur项目。 它将最终得到一个新的数据工作者和分析工具，用于细粒度的共同编辑网络，从而为人类协作模式开辟大量新的高分辨率数据来源。
然后我想建立Augur服务器来挖掘和监控开源生态系统（拥有10000+或更多的存储库）。 开源生态系统中所有贡献者的协作网络和社交追踪数据将在社交网络分析方面进行评估。 它将在实现 Augur 的开源组织健康分析目标以及 CHAOSS 项目的多元化和包容性目标方面发挥至关重要的作用。
链接
萨里特阿迪卡里
Sarit Adhikari 入选 GSoC 2020
项目名称
用于开源社区异常检测的机器学习
项目介绍
开源软件开发是一项协作工作，需要不同开发人员和维护人员的分散决策。 为了衡量项目的进度，量化代码随时间的变化是很重要的。 CHAOSS 提供分析和指标来帮助开源社区衡量开发人员的工作对项目的影响以及项目对社区的影响。 Augur 是基于开源软件指标的 CHAOSS 项目的原型实现，它系统地集成了来自多个开源存储库、问题跟踪器、邮件列表等的数据。Anamoly 检测是一种常见的数据科学策略，用于寻找极端数据点（异常值），其特征与其他正常数据点有很大不同。 从开源软件开发的角度来看，它可以检测代码提交、拉取请求等开发活动中的异常激增和下降。该项目旨在识别可从跟踪数据中获得的不同类型的异常并提供个性化通知使用多种机器学习技术向用户展示。
链接
阿比纳夫·巴杰派
Abhinav Bajpai 入选 GSoC 2020
项目名称
实现 GitLab Data Collection Worker 和 Mapper 以绑定 GitLab API、Github API 和 Augur 模式的响应。
项目介绍
该项目旨在开发一个与 Github 收集工作人员密切相关的 Gitlab 收集工作人员，使用映射器文件绑定其 API 响应和 Augur 模式的预期属性。 Gitlab 工作人员负责使用 python-gitlab API 从 GitLab 获取与问题、提交、合并请求等相关的渐进式数据，在这些数据上可以生成指标。 额外的模块，如 Data Setter 模块和 Schema moderator 将被实现为一个公共通道，供工作人员将收集到的 API 响应推送到 Augur 数据库或通过编辑映射器文件来更改 Augur 模式。 Data Setter 模块将另外负责实现重复管理机制。
链接
比斯塔斯塔
bistaastha 入选 GSoC 2020
项目名称
为 CHAOSS D&I 徽章项目构建工作流程。
项目介绍
CHAOSS 多元化和包容性徽章计划旨在鼓励项目和活动获得徽章，以实现良好的多元化和包容性实践。 这个项目将是关于为 CHAOSS D&I Badging 程序构建一个基于 GitHub 的工作流。
该项目将扩展现有的 CHAOSS Badging 工作并实施开放同行评审流程。 此外，该项目将专注于集成基于 GitHub 的工作流机器人。
链接
变色龙
vchrombie 入选 GSoC 2020
项目名称
使用 GrimoireLab 和 CHAOSS 指标创建质量模型。
项目介绍
GrimoireLab 是一个强大的开源平台，为软件项目的监控和深入分析提供支持。 它生成了一组丰富的仪表板，决策者可以轻松地对其进行检查，以帮助他们了解项目的发展和健康状况。 尽管 GrimoireLab 中有大量仪表板可用，但相互比较项目并不简单，因为它需要导航和钻取不同仪表板中的数据。
Prosoul 是一个 Web 应用程序，它使决策者能够创建和管理他们自己的质量模型，这是评估和比较软件项目的有用方法。 这个项目的想法是关于使用 GrimoireLab 数据和 Prosoul 支持质量模型的定义。
该项目的主要目的是设计一种方法，将 GrimoireLab 数据塑造成 Prosoul 可以轻松使用的格式，并在从几个数据源（如 git、github 和邮件列表存储库）获得的数据上实现它以获得简单的质量楷模。
链接
赛查兰·雷迪
Saicharan Reddy 入选 GSoC 2020
项目名称
GitLab Data Collection Worker 和测试覆盖率改进的实现
项目介绍
该项目的主要目标是将与 GitLab 问题、提交、合并请求和其他实体相关的数据聚合起来，并将其存储到 Augur 的统一数据模型生态系统中。 该项目将使用任务队列、代理和工作实例来大规模处理信息。 可持续性指标&。 整体项目的健康状况将建立在统一模型中存储的信息之上。 该项目还旨在增加项目的整体测试覆盖率。 将实施针对数据收集工作人员的尔格、单元和集成测试，以确保数据一致性。
链接
阿克沙拉 P
Akshara P 入选 GSoC 2020
项目名称
用于开源社区异常检测的机器学习
项目介绍
Augur 是一个基于 Flask 的用于 CHAOSS 指标的原型网络堆栈。 它使用包含其他开源指标项目（如 Facade 和 FOSSology）的插件架构，提供从各种来源（如 git 存储库、邮件列表和问题跟踪器）挖掘的结构化数据。 Augur 使用户能够跟踪他们关心的存储库中发生的活动并比较他们的性能。 该项目的主要目标是检测开源社区中各种指标的异常情况，并第一时间通知社区管理者； 为所需指标提供 API 端点，以及通过图表可视化这些指标的定制仪表板。 该项目的完成将为每个用户提供一个定制的仪表板，提供他们存储库中发生的异常活动的实时统计数据。
链接
普拉蒂克·米什拉
Pratik Mishra 入选 GSoC 2020
项目名称
用于开源社区异常检测的机器学习
项目介绍
该项目将在实现 Augur 分析开源组织健康状况的目标中发挥最重要的作用之一。它不仅提供可视化，还提供有用的洞察力，帮助用户找到异常活动或异常时期背后的原因。
链接
矿石-Aruwaji Oloruntola
Ore-Aruwaji Oloruntola 被选为 Outreachy 2020
项目名称
为 CHAOSS 多样性和包容性徽章构建工作流程
链接
帕斯·夏尔马
Parth Sharma 成功完成了 GSoC 2019。
项目名称
在 Augur 中构建 CHAOSS 风险和增长成熟度以及衰退指标
项目介绍
Augur 是用于 CHAOSS 指标的全功能原型 Web 堆栈。 它使用插件架构提供从 git 存储库挖掘的结构化数据，该架构包含其他开源指标项目，如 Facade 和 FOSSology。 该项目的主要目的是通过实施风险和增长-成熟度-下降 CHAOSS 指标和用例来扩展 Augur 的功能，重点是开源社区管理器用例。 该项目以社区经理用例为重点，将允许开源社区经理利用风险和增长-成熟度-下降指标来更好地管理他们的社区和项目。
链接
马炳文
马炳文顺利完成GSoC 2019。
项目名称
在 Augur 中构建 CHAOSS 风险和增长成熟度以及衰退指标
项目介绍
该项目旨在使用 Augur 在增长-成熟度-下降 CHAOSS 指标和用例中实施风险指标和其他指标，重点关注我们作为开源社区管理器用例挖掘出来的内容。
链接
阿尼鲁达·卡拉吉
Aniruddha Karajgi 成功完成了 GSoC 2019。
项目名称
使用 Perceval 实现 CHAOSS 指标
项目介绍
该项目的目的是创建参考实现和测试，主要针对演进工作组定义的指标，也针对其他工作组。 这将通过使用 jupyter notebook、pandas 和 matplotlib 分析 Perceval 从各种来源检索到的数据来完成。
链接
Nishchith K 谢蒂
Nishchith K Shetty 成功完成了 GSoC 2019。
项目名称
支持源代码相关指标。
项目介绍
Graal 生成与代码复杂性、质量、依赖关系、漏洞和许可相关的分析，并且生成的数据符合 GrimoireLab 可以处理的数据。 我将主要关注：
- 借助 Graal 生成的分析数据，向 Grimoirelab 添加对源代码相关指标的支持。
- 调整 Grimoirelab 工具链，使其能够执行 Graal 并处理其生成的数据。
- 为其他后端、它们相应的支持连接器和方法编写适当的单元测试。
- 生成与建议和计算指标相关的分析*（如下所述）
- 添加与现有功能的附加功能和改进相关的文档。
在 Graal 提供的所有五个后端中，CoCom（代码复杂性）涵盖了绝大多数流行语言，NOMOS 和 ScanCode 支持的 CoLic（代码许可证）帮助我们从软件开发存储库中获取许可证和版权相关信息，并且与语言无关. 在 GSoC 期间添加与这两个后端相关的指标可以应用于未来的广泛项目。
链接
基努尼科尔斯
Keanu Nichols 成功完成了 GSoC 2018。
项目名称
报告混沌指标。
项目介绍
编写 Python 代码以查询 GrimoireLab Elastisearch 数据库并从中获取与报告相关的指标。 实现这一目标的可能技术包括 Python Pandas。
链接
普兰哈尔阿斯瓦尼
Pranjal Aswani 成功完成了 GSoC 2018。
项目名称
CHAOSS Metrics 报告：重构现有代码并扩展 Manuscripts 项目的功能。
项目介绍
Manuscripts 项目是 Grimoire 工具集的一部分，它通过创建基于预定义指标的报告来帮助我们分析存储库和项目，该报告提供项目的概述。 当前报告生成系统的基础结构需要更新，以便用户可以花更少的时间来弄清楚如何做，并可以专注于功能。 该项目的目的是扩展 Manuscripts 项目的功能，使其涵盖几乎所有可以使用不同数据源计算的指标。 在这个项目结束时，我们将拥有一个更大更好的报告系统。