数据集概述
本数据集为“机器学习可维护性挑战”系统性文献综述的复现数据包，包含文献综述过程所用数据及研究合成的附加数据，涵盖编码报告、文献列表、研究结果等文件，支持研究透明度与可重复性验证。
文件详解
- 文件名称: Coding Summary By Code Report.pdf
- 文件格式: PDF
- 内容: 由Nvivo项目生成的编码总结报告，记录文献编码分析结果
- 文件名称: Literature Review Papers.xlsx
- 文件格式: XLSX
- 内容: 文献综述入选论文的详细列表
- 文件名称: Implication for Developer and Researchers.pdf
- 文件格式: PDF
- 内容: 面向开发者与研究者的研究启示相关论文
- 文件名称: Search query from Different Database.pdf
- 文件格式: PDF
- 内容: 不同数据库的检索查询语句
- 文件名称: No of Literature review papers.pdf
- 文件格式: PDF
- 内容: 按类别统计用于回答研究问题的文献数量
- 文件名称: Maintainability challenges in ML workflow from SLR.pdf
- 文件格式: PDF
- 内容: 系统性文献综述得出的机器学习工作流可维护性挑战
适用场景
- 机器学习可维护性研究: 复现系统性文献综述结果，分析机器学习工作流的可维护性挑战
- 文献综述方法验证: 参考检索策略、文献筛选及编码分析的复现流程
- 学术研究透明度实践: 作为科研数据开放与复现的案例参考
- 开发者实践指导: 基于研究启示优化机器学习系统的可维护性设计
