研究人员利用 GitHub Innovation Graph 数据来衡量“数字复杂性”，揭示对 GDP、不平等和排放的见解。
研究人员正在利用 GitHub 的创新图来揭示数字时代隐藏的经济见解。通过分析全球开源软件的贡献，他们引入了一个新的指标“软件经济复杂性”，据报道，该指标可以预测人均 GDP、收入不平等，甚至排放量，其精确度是传统经济数据集无法达到的。
这项研究发表在研究政策上，利用了 GitHub 公开的创新图谱数据，该数据跟踪 163 个国家/地区和 150 种编程语言的开发者活动。合著者 Jermain Kaminski 将这种方法描述为阐明经济体的“数字暗物质”——绕过传统贸易或专利渠道的软件中嵌入的生产知识。
工作原理：从代码到复杂性
研究人员将经济复杂性指数 (ECI) 应用于 GitHub 数据，传统上用于评估实物商品出口。他们将编程语言分为 59 个“软件包”，例如用于数据科学的 Python 与 Jupyter Notebook 或用于 Web 开发的 HTML 与 JavaScript。通过衡量一个国家在这些捆绑产品上的专业化程度，他们揭示了经济能力的新维度。
“即使考虑了传统指标，软件 ECI 也有助于解释 GDP 的变化和不平等，”Kaminski 说。例如，德国在软件经济复杂性排名中名列前茅，反映出其在高价值软件开发方面的强大专业化。
主要发现和全球排名
在软件经济复杂性排名前 20 的经济体中，德国、澳大利亚和加拿大名列前茅，美国排名第六。值得注意的是，各国倾向于多元化发展与其现有专业领域相邻的软件技术，这种模式与实物贸易数据中的“相关性原则”一致。
但是，该分析存在局限性。 GitHub 数据集仅包括公共存储库，可能低估了高度重视专有开发的国家/地区的软件活动。此外，数据的时间范围（2020-2023）对于长期增长预测来说太短。
对政策和开发者的影响
首席研究员 César Hidalgo 表示，这些发现可能会影响产业政策。 “软件是独一无二的——它在很大程度上依赖于流动的人力资本。那些吸引和培养软件人才而不用设计不当的法规来扼杀软件人才的国家将会表现出色，”他说。对于开发人员来说，这项研究提供了一个实用的工具：通过确定国家/地区的软件专业化，程序员可以更好地将他们的技能与潜在的调动机会相匹配。
下一步是什么？
随着 GitHub 的创新图每季度更新一次，研究人员计划随着更多数据的出现而完善他们的模型。他们还在探索生成式人工智能如何重塑数字复杂性。 “如果人工智能编码工具降低了新语言的障碍，多元化是否会加速，或者现有领导者是否会扩大其主导地位？”另一位合著者 Johannes Wachs 问道。
GitHub Innovation Graph 于 2023 年推出，旨在让政策制定者、研究人员和开发者深入了解全球开发者活动。这项研究强调了它不仅作为开发人员工具，而且作为了解数字经济的关键资源的潜力。