数据集概述
本数据集为CI/CD流水线演进与重构的定性定量研究配套数据，包含初始项目集、候选提交列表、人工验证样本等结构化数据文件，以及分析脚本和分类文档，支持复现研究中关于CI/CD基础设施使用及重构的分析结果。
文件详解
该数据集包含多个文件，具体说明如下：
- 数据文件 (.csv格式，共7个)：
- StartingProjectsSet.csv：记录初始8000个项目的基础信息，包含分支数、星标数、大小及使用的CI/CD基础设施列表
- ListOfCandidateCommitsForRQ1.csv：列出每个候选提交的编程语言、项目名称、GitHub提交URL及涉及变更的CI/CD文件列表
- FirstRoundManuallyValidatedSample.csv：首轮人工验证样本数据，含语言、项目名、提交URL及验证标签信息
- SecondRoundManuallyValidatedSample.csv：次轮人工验证样本数据，结构与首轮样本一致
- SaturationManuallyValidatedSample.csv：饱和度人工验证样本数据
- rq2-aggregated.csv：RQ2相关的聚合处理数据
- rq1-rq2-mapping.csv：RQ1与RQ2数据的映射关系表
- 代码文件 (.r格式，共1个)：
- rq2-script.R：用于RQ2分析的数据处理脚本
- 文档文件 (.txt和.pdf格式，共2个)：
- README.txt：数据集说明文档
- FirstVersionTaxonomy.pdf：初始版本分类体系文档
适用场景
- CI/CD研究：分析开源项目中CI/CD基础设施的使用分布与演进趋势
- 软件工程实证研究：验证CI/CD流水线重构的触发因素与实施模式
- 数据复现：支持相关学术论文的实验结果复现与方法验证
- 工具开发：为CI/CD重构检测工具提供标注数据集与评估基准
