Erhobene Daten der Masterarbeit: Identifikation und Bewertung von Fragilitäts-Metriken in Open-Source-Projekten mittels empirischer Analyse

Erhobene Daten im Rahmen der MasterarbeitBegutachtung:JProf. Dr.-Ing. Ben HermannProf. Dr. Falk Maria Howar - inputAnalysis.csv: Analysedatensatz (Input) mit den Variablen für EFA und logistische Regression- statistischeAnalyse_.py: Lädt inputAnalysis.csv und führt EFA sowie logistische Regression aus (Erzeugung der Faktor-Scores und Klassifikation) Weiteres Material:- gql_client.py: Ausführen der GraphQL Anfragen auf GitHub- Final_result_Dataset.csv: Ergebnisse der Faktorenanalyse und logistischen Regression für alle genutzten Projekte- metrics_mvp_graphql.py: Crawling der Repository-Daten- metrics_mvp_graphqlV2.py: Erweiterung des Crawlings um verbesserter Filterung von Bot-Beiträgen- projectList_for_crawling.csv: Liste der Repositorys der Projekte für das Crawling (Crawling-Input)- redundancyCheck.py: Überprüfen der Redundanz in den Daten nach Crawling-Prozess für die weitere Analyse Python 3.11.13Packages:Factor Analyzer 0.5.1: https://pypi.org/project/factor-analyzer/Scikit Learn 1.7.2 : https://pypi.org/project/scikit-learn/Numpy 2.3.3 https://pypi.org/project/numpy/Statsmodels 0.14.5 https://pypi.org/project/statsmodels/Matplotlib 3.10.7 https://pypi.org/project/matplotlib/Seaborn 0.13.2 https://pypi.org/project/seaborn/Ipython 9.5.0 https://pypi.org/project/ipython/Pandas 2.3.2 https://pypi.org/project/pandas/ Ausführen von statistischeAnalyse_.py mit inputAnalysis.csv als Input ergibt die Ergebnis CSV.