대규모 협업의 새로운 무대 GitHub 네트워크 분석

초록

본 논문은 2012년 3월부터 2013년 9월까지 18개월간 수집된 GitHub 공개 이벤트 1억 8천3백만 건을 기반으로, 사용자·레포지토리 간의 팔로우, 포크, 푸시, 스타 등 다양한 상호작용을 정량적으로 분석한다. 팔로워 그래프와 협업(바이파티트) 그래프를 구축해 구조적 특성을 살피고, 팔로우 관계의 낮은 상호성, 활동량과 인기도 간의 약한 상관관계, 그리고 지리적 거리와 협업 빈도의 연관성을 규명한다.

상세 분석

본 연구는 GitHub가 제공하는 실시간 이벤트 스트림을 활용해 18개월 동안 발생한 183,540,210개의 이벤트를 수집하였다. 이벤트는 푸시(Push), 생성(Create), 워치(Watch), 이슈 코멘트(IssueComment) 등 18가지 유형으로 구분되며, 각 이벤트는 사용자·레포지토리·언어 등 메타데이터를 포함한다. 데이터 전처리 단계에서 자동화된 학습 도구인 Try‑Git 계정을 제외하고, 위치 정보가 비어 있지 않은 345,625명의 사용자를 대상으로 MapQuest Open Geocoding API를 이용해 좌표를 추출하였다. 샘플 검증 결과 약 10 %가 잘못 매핑되었으나, 전체 분석에 큰 영향을 주지 않는다.

네트워크 모델링은 네 가지 주요 그래프를 정의한다. 첫째, 팔로워 관계를 나타내는 방향성 그래프 G_F는 671,751개의 노드와 2,027,564개의 엣지를 갖으며 평균 차수는 3.02, 밀도는 4.5 × 10⁻⁶에 불과하다. 이는 GitHub에서 팔로우가 비용이 높은 행동임을 시사한다. 인‑아웃 차수 분포는 20~1,000 구간에서 파워‑로우 형태를 보이며, 전체 차수 분포와 협업 그래프의 투영 차수 분포가 유사한 꼬리 구조를 가진다. 그러나 상호성은 9.6 %에 불과해, 트위터(22 %)나 Flickr(68 %) 등 기존 SNS에 비해 현저히 낮다.

둘째, 협업 관계를 나타내는 바이파티트 그래프 G_C는 사용자와 레포지토리를 연결한다. 이를 사용자 집합에 투영한 G⊥C는 협업 기반 사용자 네트워크를 제공하며, 평균 차수는 팔로워 그래프보다 낮다. 셋째, 스타(Watch) 관계를 모델링한 G_S는 사용자가 레포지토리를 즐겨찾기한 정보를 담고, 네 번째로 푸시 이벤트에서 추출한 커밋 저자 정보를 이용한 기여자 그래프 G_N을 구축하였다.

핵심 발견은 다음과 같다. (1) 기여자·워처·팔로워 수는 모두 파워‑로우 형태의 분포를 보여, 소수의 프로젝트·사용자가 대부분의 활동을 차지한다. (2) 활동량(이벤트 수)과 팔로워 수 사이의 상관계수는 낮아, 활발히 커밋하는 사용자가 반드시 많은 팔로워를 보유하지 않음을 확인했다. (3) 지리적 분석에서는 345,625명의 사용자를 5대 대륙에 고르게 분포시켰으며, 거리와 협업 빈도 사이에 음의 상관관계가 존재한다. 즉, 물리적 거리가 가까운 사용자 간에 더 빈번한 포크·풀 리퀘스트·커밋이 이루어진다. (4) 레포지토리별 협업 폭(협업자 수)과 깊이(포크 트리 깊이)를 측정한 결과, 대부분의 포크 트리는 얕고 폭이 제한적이며, 핵심 프로젝트에만 다수의 포크가 집중되는 경향을 보였다.

연구의 제한점으로는 (가) 데이터가 2012년 이후 공개 이벤트만 포함해, 초기 레포지토리·사용자에 대한 정보를 놓쳤으며, (나) 비공개 레포지토리는 API 접근이 제한돼 분석에서 제외되었다는 점이다. 또한 위치 정보가 자발적으로 입력된 것이기에 일부 오류가 존재한다. 그럼에도 불구하고, 대규모 실시간 협업 플랫폼을 정량적으로 조명한 최초의 연구로서, 소프트웨어 개발 커뮤니티의 구조와 행동 양식을 이해하는 데 중요한 기초 데이터를 제공한다.