数据集概述
本数据集记录了2019-2022年软件工程顶会56篇深度学习软件故障预测研究论文的可复现性评估数据，包含源代码可用性、模型代码完整性等核心变量，用于分析该领域研究的可复现性现状与问题。
文件详解
- README.md
- 文件格式：MD
- 字段映射介绍：包含数据集内容说明及可复现性变量定义，如Repository Link（代码仓库链接可用性）、Model Code（模型代码完整性）等评估指标的描述
- Recorded Data.xlsx
- 文件格式：XLSX
- 字段映射介绍：记录深度学习软件故障预测研究的可复现性变量测量数据，具体包含论文可复现性评估的各项量化与分类记录
数据来源
论文“Investigating Reproducibility in Deep Learning-Based Software Fault Prediction”
适用场景
- 软件工程研究可复现性分析: 评估深度学习软件故障预测领域研究的可复现性现状与关键影响因素
- 机器学习研究规范优化: 基于可复现性变量数据，为改进机器学习驱动的软件工程研究实践提供参考
- 学术论文评估标准制定: 支撑软件故障预测领域研究论文可复现性评估指标体系的构建
- 深度学习模型复现实践指导: 为学者复现相关软件故障预测模型提供数据参考与方法依据
