在我們試圖估計一種程式語言的受歡迎程度的目標中，我們意識到沒有人能夠監視每個編寫程式碼的人，無論是為個人Minecraft 伺服器編寫Java 腳本的孩子，還是希望成為熱門遊戲的行動應用程式開發人員。我們的頂級程式語言互動嘗試透過尋找代理訊號來解決估計語言流行度的問題。 我們透過從各種資料來源建立受歡迎程度的衡量標準來做到這一點，我們認為這些資料來源可以很好地代表對每種程式語言的積極興趣。我們總共確定了 63 種程式語言。然後，我們對每個資料來源進行加權以創建整體受歡迎程度指數，排除一些得分最低的人。下面，我們描述了用於獲取指標的資料來源，以及用於產生總體指數的加權方案。 所謂流行度，是指我們正在嘗試對活躍使用的語言進行排名。我們著眼於流行度的三個不同面向：典型 IEEE 成員和工作軟體工程師中積極使用的語言（「Spectrum」排名）、雇主需求的語言（「Jobs」排名）以及處於時代精神（「趨勢」排名） 。 我們使用以下來源總共八個指標來衡量語言的流行度（見下文）。我們在2024 年7 月至8 月期間收集了所有指標的資訊。結果出現偏差。當大量搜尋結果使得透過單獨檢查所有結果來解決歧義變得不切實際時，我們使用每個資料來源的樣本，並根據以 95% 的置信度估計真實平均值來確定相關樣本大小。並非所有資料來源都包含每種程式語言的訊息，我們將此資訊解釋為「沒有命中」（即不流行）的程式語言。 將每個指標的結果歸一化，以產生0 到1 之間的相對流行度分數。分數。 在聚合指標時，我們希望彌補統計上的怪異現象，這些怪異現象可能會扭曲某種語言在任何特定資料來源中的流行得分。透過改變權重因子，我們可以為頻譜、職位和趨勢排名創建不同的結果。我們完全承認，雖然這些權重是主觀的，但它們是基於我們對來源的理解以及我們先前對軟體主題的報導。改變權重因素使我們能夠強調不同類型的受歡迎程度並產生不同的排名。然後，我們組合每個節目的每個加權資料來源，然後重新標準化結果頻率以產生總受歡迎程度分數。…