数据集概述
本数据集是EASE 2014论文《Data Quality Assessment in the Wild: Findings from GitHub》的复制包，包含研究中使用的全部数据文件与代码文件，总计五个文件，覆盖GitHub数据质量评估的核心分析内容与工具支持。
文件详解
- 数据文件（共3个，格式均为.xlsx）
- Data_RQ1toRQ3.xlsx：用于论文研究问题1至3的分析数据
- Data_RQ4.xlsx：用于论文研究问题4的分析数据
- DataQualityToolsList.xlsx：数据质量工具清单数据
- 代码文件（共2个，格式均为.ipynb）
- GitHub_web_scraper.ipynb：GitHub网页数据爬取代码
- GitHub_repo_miner.ipynb：GitHub仓库数据挖掘代码
数据来源
EASE 2014论文《Data Quality Assessment in the Wild: Findings from GitHub》
适用场景
- 数据质量评估研究：支持对GitHub开源数据质量特征的复现分析与验证
- 开源数据挖掘实践：参考GitHub仓库数据挖掘与网页爬取的代码实现逻辑
- 数据质量工具研究：基于数据质量工具清单分析行业工具应用现状
- 学术研究复现：助力相关领域研究者复现论文实验结果与拓展研究
