0:00:00.000,0:00:03.540
Hola a todos, gracias por recibirme, me llamo Shurui Zhou,

0:00:03.540,0:00:06.300
Soy profesora asistente en la Universidad de Toronto.

0:00:06.300,0:00:10.440
Hoy voy a presentar nuestro trabajo sobre la comprensión de los desafíos de sostenibilidad

0:00:10.440,0:00:13.500
en la construcción de software científico de código abierto.

0:00:15.420,0:00:20.100
Estoy segura de que la mayoría de la audiencia de hoy está familiarizada con la importancia del código abierto

0:00:20.100,0:00:24.840
y son conscientes de los retos de sostenibilidad y apoyo en las comunidades de código abierto.

0:00:25.500,0:00:29.460
En este proyecto nos centramos en un tipo especial de comunidad de código abierto,

0:00:29.460,0:00:30.240
es decir

0:00:30.240,0:00:34.920
software científico de código abierto. El desarrollo de software científico se refiere

0:00:34.920,0:00:39.720
a los procesos de desarrollo de software que se utiliza en una disciplina científica

0:00:39.720,0:00:43.800
como la biología, la física, la química o incluso la informática.

0:00:43.800,0:00:46.020
Sin embargo, en una comunidad científica,

0:00:46.020,0:00:52.380
sus participantes no son sólo desarrolladores de software, sino también expertos en dominios específicos.

0:00:53.280,0:00:57.240
En este gráfico les muestro el ecosistema de software científico basado en Python.

0:00:57.240,0:01:02.520
A la derecha hay algunos programas de código abierto basados en Python relacionados con la bioinformática.

0:01:02.520,0:01:07.440
Se trata de herramientas esenciales para los investigadores y su importancia no hará sino crecer

0:01:07.440,0:01:12.240
a medida que la investigación científica dependa cada vez más de los métodos computacionales.

0:01:13.020,0:01:17.040
En esta charla voy a demostrar que los riesgos que se conocen 

0:01:17.040,0:01:21.420
en las comunidades de código abierto en general, el mantenimiento y la salud de la comunidad,

0:01:21.420,0:01:24.600
estos son exageradas en las comunidades científicas de código abierto.

0:01:24.600,0:01:28.740
Si pierdes a los expertos en la materia o a los profesionales del software,

0:01:28.740,0:01:34.560
el proyecto amenaza con venirse abajo y en realidad es un riesgo doble al que se enfrentan.

0:01:35.220,0:01:40.860
Y debido a que estos dos grupos tiene diferentes antecedentes de formación y educación y de los incentivos,

0:01:40.860,0:01:45.420
hay tensiones y conflictos entre ellos, que hacen que esta sostenibilidad

0:01:45.420,0:01:50.640
aún sea más difícil. Así que anteriormente los investigadores investigaron

0:01:50.640,0:01:56.040
el fenómeno de la colaboración interdisciplinaria, cuando se construye software basado en IA en el que el software

0:01:56.040,0:01:58.800
necesitan colaborar con expertos en ciencia de datos

0:01:58.800,0:02:01.620
a lo largo del ciclo de vida del aprendizaje automático. Específicamente,

0:02:01.620,0:02:05.700
los científicos de datos suelen centrarse en la fase inicial del ciclo de vida,

0:02:05.700,0:02:11.700
con el objetivo de obtener un modelo de aprendizaje automático de alto rendimiento y los desarrolladores de software tienden a centrarse en

0:02:11.700,0:02:16.020
integrar el modelo en un sistema mayor y asegurar el rendimiento del sistema anfitrión.

0:02:17.280,0:02:21.060
Este es otro punto de vista para mostrar que cuando se construye un sistema de software basado en IA,

0:02:21.060,0:02:25.020
las personas tienen diferentes enfoques durante el procedimiento de desarrollo,

0:02:25.020,0:02:30.480
y, por supuesto, hay algunos puntos de colaboración y el estudio encontró que la colaboración

0:02:30.480,0:02:33.960
interdisciplinaria crea muchas tensiones diferentes en el proceso.

0:02:34.740,0:02:39.540
Así que en nuestro estudio nos centramos en una colaboración interdisciplinaria a la hora de construir

0:02:39.540,0:02:45.120
software científico en un entorno de código abierto. El trabajo relacionado encontró que la mayoría de

0:02:45.120,0:02:51.420
el trabajo de desarrollo lo realizan los propios científicos y es posible que posteriormente se contraten desarrolladores profesionales

0:02:51.420,0:02:55.620
para crear y mantener un programa informático. A diferencia del bien definido

0:02:55.620,0:02:58.920
ciclo de vida del aprendizaje automático, no está claro cómo los dos

0:02:58.920,0:03:02.160
grupos colaboraban entre sí en un entorno de código abierto

0:03:02.160,0:03:06.240
y cómo dicha colaboración afectará a los retos de sostenibilidad.

0:03:06.900,0:03:10.380
En concreto, investigamos este problema desde dos aspectos.

0:03:10.380,0:03:12.780
En primer lugar, nos centramos en los retos relacionados

0:03:12.780,0:03:15.480
con la ciencia en el contexto del código abierto preguntando,

0:03:15.480,0:03:19.440
cuáles son los principales obstáculos cuando un equipo interdisciplinario construye y

0:03:19.440,0:03:25.440
mantiene el software científico en código abierto. Y a continuación nos centramos en los retos relacionados con el

0:03:25.440,0:03:28.260
código abierto en la comunidad científica preguntando,

0:03:28.260,0:03:32.220
cuáles son los principales factores para sostener la comunidad científica de código abierto.

0:03:33.600,0:03:38.760
Para responder a estas preguntas, realizamos un estudio de caso utilizando estas metodologías en una comunidad científica de código abierto.

0:03:38.760,0:03:45.840
Software científico en el ámbito de la física. Por cuestiones de ética de la investigación anonimizamos los

0:03:45.840,0:03:49.920
nombres reales del proyecto y utilizamos el nombre falso Moonpie para referirnos al proyecto.

0:03:49.920,0:03:55.320
Así Moonpie como se puede ver desde aquí es un proyecto lo suficientemente grande y de larga vida.

0:03:57.240,0:04:01.380
Veamos ahora el resultado. Primero investigamos la ciencia

0:04:01.380,0:04:06.540
en el contexto del código abierto. Nos gustaría entender cómo nuestros científicos

0:04:06.540,0:04:09.600
colaboran con los ingenieros de software, cómo se dividen la tarea.

0:04:09.600,0:04:13.560
Teníamos la hipótesis de que los ingenieros de software trabajarían más en el

0:04:13.560,0:04:17.880
funcionamiento de la infraestructura del sistema, mientras que los científicos trabajarían más

0:04:17.880,0:04:21.720
en el código específico del dominio. Para esta parte nos centramos en los

0:04:21.720,0:04:25.440
desarrolladores principales a lo largo de 10 años y detectamos el tipo de

0:04:25.440,0:04:30.600
contribución mediante el análisis de la historia de commits. Y dividimos el código en dos categorías:

0:04:30.600,0:04:33.600
uno es la infraestructura, otro es específico del dominio.

0:04:34.440,0:04:38.700
Así que para cada colaborador core calculamos el número de merge commits

0:04:38.700,0:04:41.940
y luego trazamos su contribución en este espectro

0:04:41.940,0:04:45.120
y el tamaño de los puntos se refiere al número de commits.

0:04:45.120,0:04:49.440
El extremo izquierdo es la contribución 100% relacionada con la infraestructura

0:04:49.440,0:04:53.940
mientras que el extremo derecho es el 100% de contribución de código específico de dominio.

0:04:54.480,0:04:57.900
Como puedeN ver, hay gente en todas las partes del espectro.

0:04:57.900,0:04:59.040
También,

0:04:59.040,0:05:02.880
en realidad sólo hay dos ingenieros de software profesionales entre

0:05:02.880,0:05:08.460
los 40 desarrolladores o colaboradores principales y los demás son todos científicos profesionales.

0:05:10.080,0:05:15.000
Hay alguien en ambos, que tiene tanto experiencia en ingeniería de software y la ciencia,

0:05:15.000,0:05:19.200
pero esta persona en el medio es en gran medida una excepción en un proyecto.

0:05:19.200,0:05:23.700
Es raro en esta comunidad Moonpie que la gente tenga ambos orígenes.

0:05:23.700,0:05:28.320
No es de extrañar que esta persona no tiene una vida fácil

0:05:28.320,0:05:32.940
y tenían un montón de conversaciones difíciles con personas en los extremos del espectro.

0:05:32.940,0:05:37.440
Y lo que es más interesante, a partir de nuestro estudio de entrevistas observamos que

0:05:38.280,0:05:41.340
existe una tensión entre los dos grupos de expertos.

0:05:41.340,0:05:44.940
No se trata de sus títulos, sino de sus mentalidades. Por ejemplo,

0:05:44.940,0:05:49.080
observamos que las personas que ven las mejores prácticas de mantenimiento

0:05:49.080,0:05:52.380
y actualización de software como el valor que están aportando al software

0:05:52.380,0:05:57.300
y las personas que están buscando en la utilidad de dominio y el valor relacionado con la ciencia del proyecto.

0:05:58.500,0:06:04.620
Y otro ejemplo es sobre la priorización de tareas entre los dos grupos.

0:06:04.620,0:06:07.920
Por un lado, los ingenieros de software creen que es importante

0:06:07.920,0:06:13.260
seguir las mejores prácticas de ingeniería de software y utilizar flujos de trabajo automatizados como CI/CD

0:06:13.260,0:06:17.160
para garantizar la calidad del código y reducir la carga de mantenimiento.

0:06:17.160,0:06:21.660
En consecuencia, a menudo tienen que explicar a los científicos que su código no

0:06:21.660,0:06:25.380
cumple con el estándar de calidad de código y necesitan más refactorización.

0:06:25.380,0:06:27.900
Por otra parte, los científicos perciben a los

0:06:27.900,0:06:33.060
ingenieros de software como alguien que tienen estas normas rígidas que quieren adherirse a

0:06:33.060,0:06:37.980
o que no están tan familiarizados con el tipo de flexibilidad natural de los científicos desarrolladores

0:06:37.980,0:06:40.740
de software. Sí,

0:06:41.820,0:06:45.780
y otra tensión revisada en la entrevista es la percepción de

0:06:45.780,0:06:49.740
antigüedad en la comunidad Moonpie. Según los entrevistados

0:06:49.740,0:06:54.900
una distinción entre la comunidad del software científico y el código abierto tradicional

0:06:54.900,0:07:00.000
es la clasificación por antigüedad. Como en los proyectos tradicionales de código abierto,

0:07:00.000,0:07:03.540
los colaboradores se clasifican por el volumen de su contribución al código,

0:07:03.540,0:07:06.360
mientras que en Moonpie, las personas con un mayor

0:07:06.360,0:07:11.820
título académico tienen más poder de decisión sobre la fusión o no de este RP.

0:07:12.360,0:07:15.540
De modo que estos dos aspectos están fundamentalmente en tensión entre sí.

0:07:16.560,0:07:21.600
Y la segunda parte de nuestro estudio se centra en el otro lado del escenario,

0:07:21.600,0:07:27.060
que son los retos de sostenibilidad en las comunidades de código abierto con este contexto científico.

0:07:27.060,0:07:31.140
Concretamente, identificamos a los colaboradores que fusionan código

0:07:31.140,0:07:37.920
pero que no ha tenido actividad en los últimos 100 días en este proyecto Moonpie y hacemos tres preguntas.

0:07:38.460,0:07:41.160
¿Cuál fue el incentivo para que contribuyera a Moonpie?

0:07:41.160,0:07:42.900
¿Cuál fue la razón por la que abandonaste la comunidad?

0:07:42.900,0:07:47.940
¿Y tienes alguna sugerencia para mejorar la sostenibilidad?

0:07:49.020,0:07:55.560
Así que resumimos los resultados de los incentivos y las razones de la desvinculación utilizando el diagrama de Sankey.

0:07:55.560,0:07:58.320
Como puede ver, la mayoría de las personas que han

0:07:58.320,0:08:03.780
contribuido a Moonpie debido a su propio uso y se fueron porque el proyecto es estable

0:08:03.780,0:08:07.680
o su enfoque ha cambiado. Así que podrías pensar

0:08:07.680,0:08:12.840
son razones bastante obvias, ¿qué podemos hacer como responsables del mantenimiento para que se queden más tiempo?

0:08:13.680,0:08:17.460
Por desgracia, no hay muchas cosas que se puedan evitar.

0:08:17.460,0:08:22.380
La pregunta que podría tener como un mantenedor es, ¿qué puedo hacer con esta información entonces, ¿verdad?

0:08:22.380,0:08:25.620
A partir de nuestro estudio hemos identificado algunas oportunidades.

0:08:25.620,0:08:30.780
Si el objetivo no es la participación a largo plazo de un miembro sino la

0:08:30.780,0:08:34.140
salud general de la comunidad, necesitamos una estrategia diferente.

0:08:34.140,0:08:39.720
Hemos recibido muchas sugerencias y opiniones valiosas, pero dada la limitación de tiempo me gustaría

0:08:39.720,0:08:43.050
presentar dos de las principales. La primera es,

0:08:43.050,0:08:47.760
debemos reconocer que hay mucho acerca de los procesos de rotación que no podemos cambiar

0:08:47.760,0:08:54.000
pero podemos, lo que podemos cambiar es hacer el proyecto realmente más accesible.

0:08:54.000,0:08:58.260
Sabiendo que no sólo tenemos que hacer el proyecto accesible pero tenemos que hacer

0:08:58.260,0:09:02.700
la ciencia accesible al mismo tiempo, por lo tanto, cuando proporcionamos documentación,

0:09:02.700,0:09:07.920
no sólo tenemos que documentar el código fuente, sino también explicar la teoría científica

0:09:07.920,0:09:10.320
que hay detrás. Del mismo modo,

0:09:10.320,0:09:15.180
un trabajo anterior ya demostró que proporcionar esta buena primera cuestión es

0:09:15.180,0:09:19.500
una gran estrategia para atraer a los recién llegados, pero muchos de nuestros participantes sugirieron

0:09:19.500,0:09:25.200
que para arreglar un buen problema necesitan no sólo entender el código o lo que el problema es,

0:09:25.200,0:09:28.620
también tienen que proporcionar orientación sobre el módulo de código correspondiente

0:09:28.620,0:09:32.880
y la teoría de que el contribuyente tiene que entender antes de hacer realmente esta contribución.

0:09:32.880,0:09:37.440
De esta manera se convierte el proyecto en no ser sólo una participación de software

0:09:37.440,0:09:41.880
en una herramienta específica, sino también un valioso ejercicio de aprendizaje

0:09:41.880,0:09:45.660
para nosotros, para alguien que está tomando algo de estas experiencias.

0:09:46.800,0:09:51.480
Entonces, como investigador ingeniero de software, una pregunta abierta que surge naturalmente para nosotros es,

0:09:51.480,0:09:55.800
podemos diseñar algunas herramientas para automatizar estos procesos de documentación,

0:09:55.800,0:10:02.520
que conecten tanto el código como la teoría. Y la segunda estrategia que me gustaría compartir es

0:10:02.520,0:10:05.940
reconocer la participación y la contribución. En primer lugar,

0:10:05.940,0:10:09.420
si utilizan alguno de los programas o paquetes científicos de código abierto,

0:10:09.420,0:10:14.040
por favor consideren citar un trabajo en el proyecto, del proyecto en sus documentos o informes

0:10:14.040,0:10:18.780
para dar a la gente el reconocimiento de la participación y contribución en un proyecto.

0:10:19.500,0:10:23.880
Y a algunos participantes en la encuesta les gustaría conocer el impacto de su contribución,

0:10:23.880,0:10:29.700
como cuántos investigadores utilizan su código, cuántos estudiantes de doctorado utilizan mi código para

0:10:29.700,0:10:33.900
contribuir a su tesis, correcto. Así que la pregunta para nosotros de nuevo es,

0:10:33.900,0:10:38.580
¿podemos diseñar mejores formas de cuantificar el impacto más allá del número de descargas?

0:10:38.580,0:10:43.980
¿Podemos detectar el uso de su código en un pequeño, una granularidad más fina en una escala mayor.

0:10:44.880,0:10:47.760
Así que hay muchas otras ideas que no tengo tiempo para compartir, pero si

0:10:47.760,0:10:50.760
están interesados yo estaría más que feliz de discutir fuera de línea.

0:10:50.760,0:10:52.620
Por último, pero no por ello menos importante, me gustaría dar las gracias a

0:10:52.620,0:10:55.980
a mis estudiantes y colaboradores que han ayudado en este trabajo.

0:10:57.180,0:10:59.760
En resumen, en este proyecto investigamos

0:10:59.760,0:11:04.080
un único software científico de código abierto y los resultados muestran que la sostenibilidad

0:11:04.080,0:11:07.500
de código abierto en general empeorarán

0:11:07.500,0:11:12.600
cuando se construye un paquete científico. Para mejorar esta sostenibilidad

0:11:12.600,0:11:16.920
en estos contexto tenemos que reconocer la tensión entre los dos grupos de expertos,

0:11:16.920,0:11:21.480
ser conscientes de que serán retos exagerados,

0:11:21.480,0:11:24.360
y dado que los desarrolladores de software no son sustituibles,

0:11:24.360,0:11:28.620
pero tampoco lo son los científicos, sin duda necesitamos estrategias diferentes.

0:11:28.620,0:11:32.280
Si ustedes están en un papel de liderazgo en una comunidad científica de código abierto,

0:11:32.280,0:11:37.200
hay que esforzarse por mejorar la accesibilidad del proyecto

0:11:37.200,0:11:42.360
reduciendo la barrera tanto para el código, ingeniería de software, como para la ciencia y la teoría.

0:11:43.140,0:11:49.920
Y si ustedes son usuarios de estas herramientas, por favor consideren dar reconocimiento a estas herramientas

0:11:49.920,0:11:56.220
y dar reconocimiento a estas contribuciones. Con esto concluyo mi charla, muchas gracias.

0:11:58.920,0:12:01.920
Fantástico, muchas gracias de nuevo,

0:12:01.920,0:12:04.860
realmente interesante, lo aprendí tarde en la vida,

0:12:04.860,0:12:08.820
como, en los últimos años este era el tipo de investigación que estaba haciendo como estudiante,

0:12:08.820,0:12:14.820
haciendo,  ayudando a desarrollar tecnología para los geólogos y el software que utilizan para mantener sus datos,

0:12:14.820,0:12:18.420
así que creo que este es un espacio muy interesante y aparentemente poco estudiado.

0:12:18.420,0:12:24.540
Me pregunto, el trabajo que has estado haciendo aquí, es que la construcción de cualquier otro trabajo

0:12:24.540,0:12:29.160
específica a la pieza de sostenibilidad o incluso la interacción que ocurre?

0:12:29.160,0:12:32.220
Parece que eso es parte del problema y de la solución,

0:12:32.220,0:12:35.820
es cómo hacer que estas interacciones sean significativas para ambas partes,

0:12:35.820,0:12:40.140
de tal manera que estamos obteniendo estos resultados, así como, de nuevo, que sean sostenibles?

0:12:41.040,0:12:43.680
¿Es esto construido en las cosas o es esto realmente, tipo de, algunos de los primeros

0:12:43.680,0:12:49.020
trabajo para mirar a esas interacciones? Trabajos anteriores ya han

0:12:49.020,0:12:54.840
estado buscando la construcción de software en un pequeño instituto o tipo de un instituto local

0:12:54.840,0:13:00.480
en lugar de esta colaboración distribuida, así que creo que el trabajo anterior también ha mirado 

0:13:00.480,0:13:03.300
como el software científico de código abierto, pero no en GitHub,

0:13:03.300,0:13:06.180
sino en algunos repositorios donde publican su código fuente,

0:13:06.180,0:13:10.200
por lo que buscan en los diferentes roles en términos de la antigüedad de,

0:13:10.200,0:13:16.140
como, si se trata de un profesor o estudiantes, pero aquí en realidad tratar de dividirlos en su

0:13:16.140,0:13:17.880
fondo o roles o mentalidades, verdad?,

0:13:17.880,0:13:22.320
Creo que eso es una especie de nuevo aspecto que traemos, sí.

0:13:22.320,0:13:27.300
Y parece importante con respecto a, suena como la forma en que están pensando en el resultado final,

0:13:27.300,0:13:30.540
el producto que se está desarrollando y utilizando. Fantástico.

0:13:30.540,0:13:34.440
Veo que tenemos otra pregunta para la que disponemos de un minuto.

0:13:35.340,0:13:39.600
Greg quiere saber, ¿dónde y cómo los científicos aprenden lo que saben acerca de la programación?

0:13:39.600,0:13:44.040
¿Lo aprenden en clase, lo aprenden de otros investigadores, en el trabajo, en YouTube?

0:13:45.300,0:13:48.180
¿Tienes alguna idea al respecto? Sí,

0:13:48.180,0:13:53.640
así que entre todos los desarrolladores, o desarrolladores de núcleo que hablamos con,

0:13:53.640,0:14:00.480
en realidad la mayoría de ellos aprenden solos, son autodidactas desarrolladores de software

0:14:00.480,0:14:04.620
y tienen, nunca han tomado ningún curso, no tienen un título en una disciplina.

0:14:04.620,0:14:09.300
Sólo uno de los ingenieros de software profesionales que entrevistamos, mostré dos de ellos,

0:14:10.140,0:14:14.520
uno que tenía una formación en ciencias de la computación en su licenciatura,

0:14:14.520,0:14:19.500
por lo que en realidad la mayoría de los científicos, que no están capacitados con profesionales de

0:14:19.500,0:14:22.020
ingeniería de software de fondo, pero el problema es,

0:14:22.020,0:14:26.940
no podemos simplemente culparlos a ellos de, no tienen, sin formación en ingeniería de software, porque

0:14:26.940,0:14:31.260
a veces las prácticas de ingeniería de software no se puede aplicar directamente a construir

0:14:31.260,0:14:33.720
este software científico, por lo que en realidad tenemos que ajustar

0:14:33.720,0:14:39.660
las mejores prácticas de ingeniería de software para construir este software de dominio específico.