Metodoloji

Bu, herkese açık bir rapordur ve kaynağı uygun bir şekilde belirtildiği sürece içerikleri kullanılabilir.

Katılımcıların sayısı

2022 Geliştirici Ekosistemi Anketi'ne 38.000'den fazla kişi katıldı. Temsil gücü en yüksek örnekle çalıştığımızdan emin olmak için aşağıda açıklanan süreç yoluyla verileri temizledik. Sonuç olarak, rapor 187 ülke ve bölgeden 29.269 geliştiricinin yanıtlarına dayalıdır ve buna Antarktika bölgesinden verilen iki yanıt da dahil. Veriler, bu bölümün kapanış kısımlarında açıklanan şekilde çeşitli kriterlere göre ağırlıklandırıldı.

Veri temizleme işlemi

Katılımcının ana programlama dili ile ilgili soruları yanıtlamadan anketi yarıda bıraktığı durumlar haricinde kısmi yanıtları kullandık. Ayrıca şüpheli yanıtları tespit edip değerlendirme dışında bırakmak için bir dizi kriter kullandık. İşte kontrol ettiğimiz göstergelerden bazıları:

Çok hızlı doldurulan anketler.
Aynı IP adresinden gönderilen ve yanıtları yüksek oranda benzer olan anketler. Aynı IP adresine sahip iki anket %75'ten fazla benzerlik oranına sahip olduğunda daha fazla yanıt içeren anketi dahil ettik.
Çelişkili yanıtların olduğu anketler, örneğin, "18-20 yaşındayım" ve "16 yıldan daha fazla profesyonel deneyimim var".
Neredeyse tüm çoktan seçmeli sorular için yalnızca tek seçeneğin belirlendiği anketler.
Aynı e-posta adresinden gönderilen anketler. Bu gibi durumlarda, yalnızca daha fazla yanıt içeren anketi dahil ettik.

Yanıt yükünü azaltma

Bu yıl, anket 527 sorudan oluşuyordu. Amacımız olabildiğince çok araştırma konusunu ele almak olsa da uygulanan mantığa rağmen anketin yine de uzun olduğunu düşündük.

Anketi kısaltmak ve yanıt yükünü azaltmak amacıyla bazı soruları randomize etmek için önlemler aldık:

Her bir katılımcıya yalnızca 2 bölümü gösterilen 8 bölümü randomize ettik:
- Sürekli Entegrasyon, sorun izleme ve VCS
- DevOps ve Barındırma
- Statik analiz, açık kaynak vb.
- Eğitim
- Platformlar arası ve mikro hizmetler
- İletişim araçları
- Güvenlik
- Uzaktan ve iş birliğine dayalı geliştirme
Kalifiye katılımcıların yalnızca %50'sine Java, JavaScript, SQL, Python ve GraphQL gibi en popüler diller ile ilgili bölümleri rastgele şekilde gösterdik.
Ayrıca belirli bir mantık veya bağımlılık göstermeyen soruları rastgele gizledik.

Katılımcıların vaktini almamaya özen göstersek de anketi tamamlamaları genellikle 30-40 dakika sürer. Yine de bu sürenin uzun olduğunu düşünüyoruz. Gelecek seneki deneyimi iyileştirme yolları için şimdiden düşünmeye başladık.

Kitlemizi hedefleme

Potansiyel katılımcıları anketi doldurmaya davet etmek için Twitter ve Facebook reklamlarını, Instagram'ı, Quora'yı ve JetBrains'in kendi iletişim kanallarını kullandık. Ayrıca bazı kullanıcı gruplarına ve teknoloji topluluğu kanallarına bağlantılar göndererek katılımcılardan anketi kendi meslektaşlarıyla da paylaşmalarını istedik.

Ülkeler ve bölgeler

14 ülkeden yeterince kapsamlı örnekler topladık: Almanya, Amerika Birleşik Devletleri, Arjantin, Birleşik Krallık, Brezilya, Çin, Fransa, Güney Kore, Hindistan, İspanya, Japonya, Kanada, Meksika ve Türkiye.

Bu yıl Belarus, Rusya ve Ukrayna'dan yanıt toplamak için ücretli reklam kullanmaktan kaçındık. Belarus'tan gelen yanıtlar, Doğu Avrupa, Balkanlar ve Kafkasya bölgesi ile birleştirildi.

Kalan ülkeler 6 bölgeye dağıtıldı:

Afrika, Orta Doğu ve Orta Asya
Doğu Avrupa, Balkanlar ve Kafkaslar
Kuzey Avrupa ve Benelüks
Diğer Avrupa ülkeleri
Güneydoğu Asya ve Okyanusya, Avustralya ve Yeni Zelanda
Orta ve Güney Amerika

Her bir coğrafi bölgeden (Kanada ve Japonya hariç), reklamlar gibi dış kaynaklardan en az 300 yanıt topladık.

Yerelleştirme

İngilizce bilmeyen katılımcılara karşı olası ön yargıları en az seviyeye indirmek için anket ayrıca 8 el dilde sunuldu: Almanca, Brezilya Portekizcesi, Çince, Fransızca, İspanyolca, Japonca, Korece ve Türkçe.

Örnekleme taraflılığını azaltma

Bu rapor, yanıtların geldiği konuma göre ağırlıklandırılan verilere dayalıdır. Twitter, Facebook, Instagram ve Quora'daki ücretli reklamlar ile katılımcı referansları gibi JetBrains kullanıcılarına karşı daha daha az yanlı olan dış kaynaklardan toplanan yanıtları temel aldık. Ağırlıklandırma prosedürlerine dayalı sonuçlar oluşturmak için her katılımcının kaynağını tek tek göz önünde bulundurduk.

Dünyadaki geliştirici nüfusunun daha az taraflılığa sahip bir panoramasını elde etmek için üç aşamalı bir ağırlıklandırma gerçekleştirdik.

İlk ağırlıklandırma aşaması: her bir bölgedeki profesyonel geliştiricilerin popülasyonu için ayarlama

İlk aşamada, farklı ülkeleri hedef alırken topladığımız yanıtları bir araya getirdik, daha sonra her ülkedeki profesyonel geliştirici sayılarına dair tahminlerimizi bu verilere ekledik.

Öncelikle, 20 bölgede çeşitli sosyal ağlarda yayınlanan reklamlardan gelen profesyonel geliştiriciler ve çalışan öğrenciler üzerine anket verileri ile çeşitli meslektaş referanslarından gelen verileri aldık. Bu yıl Rusya ve Ukrayna'dan veri toplayamamış olsak da geçen yılın verilerinden yaklaşık oranları kullanıp ağırlıklandırarak bu iki ülkeyi de rapora dahil ettik. İki ülkede de azımsanmayacak sayıda geliştirici olduğunu göz önünde bulundurduğumuzda rapora dahil etmemenin öngörülemez sonuçları olabileceğine kanaat getirdik.

Daha sonra, bu 22 bölgedeki profesyonel geliştiricilerin tahmin ettiğimiz sayısına göre yanıtları ağırlıklandırdık. Bu, yanıtların dağılımının her bir ülkedeki profesyonel geliştirici sayısına karşılık gelmesini sağladı.

İkinci ağırlıklandırma aşaması: Mevcut çalışan ve işsiz yazılımcı durumu

İkinci aşamada, öğrenci ve işsiz katılımcı oranını her ülke için %17'de tuttuk. Önceki yılın metodolojisiyle tutarlılık sağlamak için bu oranı belirledik, zira bu, katılımcıların sayısına dair sahip olduğumuz tek tahmin.

Bu noktaya kadar, şirket dışı katılımcılardan aldığımız 14.330 yanıt, bölge ve çalışma durumuna göre ayrıldı.

Üçüncü ağırlıklandırma aşaması: istihdam durumu, programlama dilleri ve JetBrains ürünü kullanımı

Üçüncü aşama oldukça komplikeydi, zira denklem sistemlerinin çözülmesiyle elde edilen hesaplamalar içeriyordu. Bu 14.330 ağırlıklandırılmış yanıtı aldık ve her bir bölgeden geliştiriciler için istihdam durumlarına ek olarak 30+ programlama dili için ayrı ayrı oranlarının yanı sıra "Şu anda JetBrains ürünlerini kullanıyorum" ve "JetBrains'i veya ürünlerini daha önce hiç duymadım" yanıtlarını verenlerin oranlarını hesapladık. Bu oranlar, denklemlerimizde değişmezler oldular.

Bir sonraki aşama ise başka kaynaklardan gelen iki yanıt grubu daha eklemekti: JetBrains sosyal ağ hesapları ve araştırma panelimiz gibi JetBrains şirket içi iletişim kanalları ile belirli programlama dili kullanıcılarını hedefleyen sosyal ağ reklam kampanyaları. Sonuç olarak tüm dağılımı eşit seviyede ağırlıklandırdığımız 14.939 yanıt daha rapora eklendi.

30+ doğrusal denklem ve eşitsizlik sisteminin çözümü

Şunları açıklayan 30+ doğrusal denklem ve eşitsizlik içeren bir sistem oluşturduk:

Katılımcıların ağırlıklandırma katsayıları (varsayımsal bir örnek olarak, örneğimizdeki Fiona, Fransa'dan ortalama 180 yazılım geliştiricisini temsil ediyor).
Yanıtlarının belirli değerleri (örneğin Pierre, C++ kullanıyor, tam zamanlı çalışıyor ve JetBrains'i hiç duymamış).
Yanıtlar arasında gerekli oranlar (örneğin, geliştiricilerin %27'si son 12 ayda C++ kullandı gibi).

Ağırlıklandırma katsayılarında oldukça önemli olan minimum sapma ile bu denklemler sistemini çözmek için Goldfarb ve Idnani (1982, 1983) ikili yöntemini kullandık. Bu yöntem toplamda 29.269 katılımcı için optimal bireysel ağırlıklandırma katsayılarını harmanlamamıza yardımcı oldu.

Devam eden sapma

Bu önlemlere rağmen muhtemelen bazı sapmalar var, zira ortalama olarak JetBrains kullanıcıları anketi tamamlamaya daha istekli olmuş olabilir.

Ayrıca topluluk ekosistemimiz sürekli olarak gelişiyor. Bu nedenle, ağırlıklandırma aşamalarımıza ve tüm çabalarımıza rağmen verilerde dalgalanma olabilir. Örneğin, 2021'de anket yaptığımız PHP geliştiricilerinin sayısında belirgin oranda artış olduğu (özellikle Laravel) gözlemlendi. Bunun nedeni, anket paylaşma bağlantısının bazı PHP topluluklarında paylaşılması ve blog gönderimizin bağlantısının Laravel'in Twitter hesabından paylaşılmasıydı. Bu, PHP ve Laravel geliştiricilerinin anketimizi orantısız derecede fazla bir şekilde paylaşmasına neden oldu. Bu gibi sapmaları önlemek için ağırlıklandırma algoritmalarımızı iyileştirmeye devam edeceğiz.

Gelecekte ağırlıklandırma metodolojimizi güncellemeye ve geliştirmeye devam edeceğiz. DevEco 2023 için yaptıklarımızı görmek için takipte kalın!

Geri