An empirical exploration of the diversified R ecosystem

기술적 요약: 다양한 R 생태계에 대한 경험적 탐구

문제 제기
R 은 통계 컴퓨팅 및 그래픽 분야에서 최고의 도구로 확립된 명성을 가지고 있음에도 불구하고, TIOBE 지수와 같은 일반 프로그래밍 언어 순위에서의 입지는 하락세를 보이고 있어 일부 사용자와 개발자들의 우려를 자아내고 있습니다. 그러나 종합 R 아카이브 네트워크 (CRAN) 의 다운로드 지표는 사용량이 증가하고 있다는 모순적인 현실을 시사합니다. 더 나아가, R 이 통계 도구로 출발했음에도 컴퓨터 과학 및 다양한 과학 분야로의 다각화 정도와 생태계를 이끄는 협력 역학은 경험적 명확화가 필요합니다. 본 논문은 네 가지 핵심 질문을 조사함으로써 이러한 불일치를 해소하고 R 생태계의 현재 상태를 매핑하고자 합니다: 패키지 개발의 동기, 패키지 인기도의 동인, 학술 사용자의 인구통계학적 및 학문적 프로필, 그리고 개발자 커뮤니티 내의 협력 패턴입니다.

방법론
본 연구는 CRAN 의 메타정보와 Scopus 의 문헌계량 데이터를 결합한 다중 소스 데이터 분석 접근법을 사용합니다.

1. 데이터 소스:
   • CRAN 메타데이터: 2020 년 1 월 1 일 cranlogs 및 RWsearch 패키지를 통해 다운로드 로그, 패키지 설명, 저자, 유지보수자, 그리고 가져오기 (import) 종속성을 포함한 데이터를 검색했습니다.
   • 문헌계량 데이터: rscopus 패키지를 사용하여 Scopus(2005~2019) 에서 추출하여 R 을 인용한 364,928 편의 논문을 식별했습니다.
2. 분석 기법:
   • 키워드 공출현 네트워크: 개발 이니셔티브를 식별하기 위해 저자들은 n-그램 토큰화 (n=2~5) 를 사용하여 패키지 설명을 분할하고, 문헌에서 도출된 사전에 대조하여 용어를 필터링한 후 동의어를 병합하고 지배적인 주제를 시각화하기 위해 지식 그래프를 구축했습니다.
   • 다운로드 분석: changepoint 패키지를 사용하여 변화 지점을 식별하고 패키지 인기도를 순위 매기기 위해 일별 및 월별 다운로드 통계를 분석했습니다.
   • 문헌계량 분류: Scopus 주제 영역을 사용하여 학문별 학술 사용 동향을 분류했습니다.
   • 협력 지표: 본 연구는 패키지당 저자 수의 분포를 조사하고, 저자 수와 주요 성과 지표 (가져온 패키지 수, 연간 업데이트 빈도, 일별 다운로드 횟수) 간의 피어슨 상관관계를 계산했습니다.
   • 소프트웨어 환경: 모든 분석은 tidyverse, data.table, patchwork 등의 패키지를 활용하여 R(버전 4.1.0) 에서 수행되었습니다.

주요 결과

• 다양화된 개발 이니셔티브: R 생태계가 여전히 통계 ("가설 검정", "시계열" 등) 에 깊이 뿌리내리고 있지만, 키워드 네트워크는 컴퓨터 과학 ("사용자 인터페이스", "웹 서비스" 등) 과 도메인별 응용 ("유전자 발현" 등) 으로의 상당한 확장을 보여줍니다.
• 패키지 인기도 동인:
  • 기초 도구: 가장 많이 다운로드된 패키지들 (ggplot2, dplyr, stringr 등) 은 일관된 API 를 제공하는 필수적인 데이터 중심 기능을 제공합니다.
  • 개발자 인프라: Rcpp, rlang, R6와 같은 패키지는 다른 개발자들을 위한 핵심 인프라 역할을 합니다.
  • 현대적 동향: glue, cli 및 클라우드 관련 도구 (aws.s3) 와 같은 패키지들의 최근 급증은 개발자 경험 개선과 클라우드 통합으로의 전환을 나타냅니다. R 4.1.0 에 도입된 네이티브 파이프 연산자 (|>) 는 magrittr 이 대중화한 논리에 대한 커뮤니티의 수용을 반영합니다.
• 학술적 채택:
  • 성장: 학술 문헌에서 R 에 대한 인용은 2005 년 1,057 건에서 2019 년 62,168 건으로 증가했습니다.
  • 학문별 분포: R 사용의 가장 높은 볼륨과 비율은 "농업 및 생물학 과학"과 "환경 과학"에서 발견됩니다. 반면, "컴퓨터 과학"과 "수학"은 이러한 분야에서 수많은 대안 소프트웨어 도구의 가용성으로 인해 상대적으로 낮은 채택률을 보입니다.
• 협력 패턴:
  • 분포: 패키지 저자성은 긴 꼬리 분포를 따르며, 단일 저자 패키지가 가장 흔하지만, 총계에서는 협력 패키지 (2 명 이상 저자) 가 단일 저자 패키지보다 많습니다.
  • 협력의 영향: 저자 수와 가져온 패키지 수, 업데이트 빈도, 일별 다운로드 간에 양의 상관관계가 존재합니다. 이는 협력적 개발이 코드 재사용성, 유지보수 효율성, 그리고 전반적인 패키지 인기도를 향상시킨다는 것을 시사합니다.

의의 및 주장
본 논문은 R 생태계가 통계, 컴퓨터 과학, 그리고 다양한 과학 실무자들 사이의 역동적인 상호작용이라고 주장합니다.

• 학문 간 연결: 저자들은 R 이 통계에서 태어났지만, 그 진화는 통계 이론과 실제 데이터 문제 사이의 다리 역할을 하는 "컴퓨터 시설"(예: 파일 입출력, 문자열 조작, 고성능 컴퓨팅) 에 크게 의존한다고 봅니다. 이러한 도구들은 종종 통계적 방법 자체보다 워크플로우 채택에 더 중요합니다.
• 재현성과 열린 과학: 가독성과 오픈 소스 공유를 강조하는 R 의 설계는 증거 기반 과학과 재현성을 촉진합니다. 스크립트를 공유할 수 있는 능력은 비프로그래머들이 통계적 워크플로우를 이해하고 검증할 수 있게 하여 학제 간 지식 이전을 장려합니다.
• 커뮤니티 회복탄력성: 본 연구는 R 커뮤니티의 강점이 협력적 성향에 있다고 결론지었습니다. 가져오기를 통해 다른 사람의 "어깨" 위에 서는 개별 기여이든, 공식적인 팀 협력이든, 생태계는 개방성의 문화에 의해 주도됩니다. 저자들은 일반 프로그래밍 순위의 변동에도 불구하고 R 은 통계학자, 컴퓨터 과학자, 도메인 전문가로 구성된 다양하고 활기찬 커뮤니티에 의해 뒷받침되는 과학 연구에 필수적이고 영구적인 도구라고 주장합니다.