darktable 2022 年用户调查结果发布:样本量 1253 人
来源标题:Who are the darktable users in 2022?
darktable 作者公布了 2022 年 10 月进行的用户调查结果,样本量 1253 人,比 2020 年更大。调查包含 44 个问题,68% 的受访者通过 darktable 专属渠道找到问卷,因此样本代表活跃社区而非沉默用户。问卷数据在 CSV 文件中搁置了四年才得以分析。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
2020年,我对darktable用户群体做了一次调查并发布了结果:这是一个由男性工程师和科学家构成的群体,受教育程度和计算机素养远高于一般人群,几乎没有女性,职业摄影师也寥寥无几。结论很直白:一款照片处理软件成功吸引了所有人,唯独没能吸引以摄影为业的人。
2022年10月,我用一份更长的问卷再次开展了调查。但事与愿违,数据处理被搁置了:数据在一个CSV文件里躺了四年。现在终于有了结果——n = 1253,是两次样本中较大的一个。凡是问题相同的地方,我都与2020年做了对比。
调查在poll-maker.com上用英文进行,共44个问题(2020年为26个)。1253名受访者参与;调查记录了IP地址以防止重复作答,数据中不存在重复的受访者标识。
抽样偏差需要明说:68%的受访者是在darktable专属渠道找到调查链接的,11%在FLOSS摄影渠道,11%在综合摄影渠道。因此这个样本是活跃社区,而非沉默的用户群体——同样的偏差也适用于2020年,而且如果说有影响,这个偏差是对下面的结论不利的:活跃社区已经是该项目能期望的最有利样本了。只有5.9%的受访者表示参加过2020年的调查,因此两个样本基本上是独立的。
数据处理使用与2020年相同的Python/Pandas/Plotly流程。
与2020年图景相同:西欧和北美占主导,德国(206)和法国(202)远超美国(176)。开发团队与德语、法语社区之间历史上的亲近关系,在活跃度上依然可见。
2020年那一版根据论坛和YouTube受众数据估算,女性占用户群不到2%。2022年的调查直接提问:“你的性别是什么?(以护照上所写为准)”。
1243份回答中有25名女性:2.0%。间接估算准确无误。
作为参照:美国职业摄影师中女性占49.3%,英国摄影专业学生中女性占75%,法国摄影毕业生中女性占63%。这个行业一半到四分之三是女性;而这款工具的用户社区只有2%是女性。这不是差距,是一堵墙——实测为25到37倍的偏低代表性。
在报告曾为darktable源代码做出贡献的65名受访者中,有2名女性。
年龄分布基本稳定,略有偏移:26-35岁年龄段从17.0%升至21.2%,中位数从[46;55]区间移到[36;45]区间的上沿。56岁以上受访者的比例没有变化(27.1% → 26.8%)——超过四分之一。2020年的结论基本成立,只需小幅修正:darktable的典型用户是中年男性工程师,社区并没有以任何有意义的方式变年轻;众数用户仍处于四十多岁,比Lakhani & Wolf在2002年测得的FLOSS贡献者平均年龄大十到十五岁。
与美国互联网用户的年龄分布相比(按2020年的方法,使用美国人口普查局2021年单年估计值并以Pew的互联网使用比例加权):
[36;65]区间相对美国互联网用户高出17.2个百分点——2020年这一超出为13.6个百分点。中年群体的膨胀没有缩小,反而扩大了。
53.4%的受访者至少拥有硕士学位——而美国25岁及以上人口中这一比例为14.4%。
仅看25岁以上的美国受访者,按2020年的方法与美国人口普查的受教育程度基线对比:
33.9%的美国受访者(25岁以上)至少拥有硕士学位,而美国人口中这一比例为14.4%——与2020年的数字(35%)几乎相同。学历偏差在两次调查之间保持稳定。
2022年的调查把学习背景问题拆分得比2020年更细,结果很说明问题:
计算机科学或电子工程单独就是最大的领域:占受访者的44.9%。所有理科合计:72.3%。所有艺术类合计:10.9%,其中平面艺术7.6%。2020年我写道,一款照片编辑应用吸引到的绝大多数是理科出身、艺术毕业生只是零星少数,这令人担忧;而在2022年,凭借更精细的测量,darktable用户中最常见的单一正规训练竟然是编程本身。
将背景与学历、年龄交叉分析,针对两个群体(密度为占该群体受访者的百分比):
使用了与2020年相同的技能阶梯。图中显示的等级对应以下陈述,受访者选择其中适用的最高等级:
作为基线,一般人群计算机技能的参考分布,来自与2020年相同的ITU数据:
54.6%的受访者是程序员(4-5级)。2020年这一比例为46.3%。
将技能与背景、学历交叉:
44.7%的母语受访者和49.7%的非母语受访者同时具备理科训练和程序员水平——2020年这一联合密度为36%到39%。用户群的核心不仅仅是技术相关;它是科学训练与编程技能的交集,而这个交集在两年间增长了约10个百分点。
类内视角(技能在各背景内部的分布)显示出与2020年相同的不对称——程序员在每个领域都占比过高,包括艺术类:
作为参照,国际电信联盟估计程序员约占一般人群的6%,而48.8%的一般人群根本不会安装软件。
计算机素养这道筛选在2020年到2022年间没有减弱——它收紧了8个百分点。这两年项目所交付的东西,进一步把存留的用户群筛向了程序员。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。