Datasetpublic

IuryCavalcante/TechnicalDebt_GitHubIssues_PT

Technical Debt in GitHub Issues (Portuguese) Visão Geral Este dataset reúne issues públicas extraídas do GitHub que mencionam o termo "dívida técnica" ou suas variações em português. A base foi construída com o objetivo de apoiar pesquisas em Engenharia de Software, Processamento de Linguagem Natural (PLN) e Inteligência Artificial, com foco na compreensão e classificação de como o conceito de dívida técnica é comunicado por desenvolvedores. A estrutura e… See the full description on the dataset page: https://huggingface.co/datasets/IuryCavalcante/TechnicalDebt_GitHubIssues_PT.

sourceHugging Facecc-by-4.0updated 1y agoView on Hugging Face

0likes26downloads

Dataset Card

Technical Debt in GitHub Issues (Portuguese)

Visão Geral

Este dataset reúne issues públicas extraídas do GitHub que mencionam o termo "dívida técnica" ou suas variações em português. A base foi construída com o objetivo de apoiar pesquisas em Engenharia de Software, Processamento de Linguagem Natural (PLN) e Inteligência Artificial, com foco na compreensão e classificação de como o conceito de dívida técnica é comunicado por desenvolvedores.

A estrutura e categorização dos dados foram definidas a partir de uma análise qualitativa realizada no contexto de um estudo acadêmico, visando treinar modelos de classificação textual e explorar o uso do termo na prática profissional.

Estrutura do Dataset

Cada linha do dataset representa uma issue e contém os seguintes campos:

—ID: Identificador único da issue no GitHub
—Data: Data de criação ou atualização da issue
—Título: Título da issue
—Link: URL direta para a issue no GitHub
—Descrição: Texto completo da issue (incluindo descrição e, quando aplicável, comentários)
—# watching: Número de usuários acompanhando a issue
—# star: Número de estrelas do repositório
—Status: Status da issue (ex: open, closed)
—Repositório: Nome do repositório de origem
—Contexto de uso: Classificação que emergiu de forma indutiva, conforme artigo *1
—Categoria: Classificação que emergiu de forma indutiva, conforme artigo *1

*1 - As classificações Contexto de uso e Categoria são fruto de uma análise qualitativa realizada com esse dataset de issues. Para mais detalhes acesse o artigo completo.

2 - A base não contém informações sensíveis ou privadas e se restringe a repositórios públicos.

Aplicações e Uso

Este dataset é ideal para tarefas de:

—Classificação de texto supervisionada
—Análise qualitativa e quantitativa do uso de conceitos técnicos
—Treinamento de modelos de PLN em português técnico
—Estudos sobre comunicação de dívida técnica em ambientes colaborativos

Licença

Este dataset está licenciado sob CC BY 4.0, permitindo o uso, redistribuição e adaptação com atribuição apropriada.

Citação sugerida

Se utilizar este dataset, por favor cite: