KI-siteringsstudie: blir GitHub sitert av KI?

GitHub er en primærkilde i streng forstand: sidene skrives av folkene som bygger programvaren. En README forklarer hva et prosjekt gjør, en utgivelsesside sier hva som er endret i hver versjon, og issue-listen viser hvilke feil som er kjent og om de er rettet. KI-modeller behandler disse sidene som bevis når de beskriver et verktøy.

Fire typer GitHub-sider dukker ofte opp i svar:

• Startsider for repositorier, der README fungerer som den offisielle beskrivelsen av et åpen kildekode-prosjekt.
• Utgivelser og endringslogger, brukt til spørsmål som «hva er siste versjon» eller «når ble denne funksjonen lagt til».
• Issues og diskusjoner, sitert når noen spør om en feil, en begrensning eller en løsning.
• Sikkerhetsvarsler fra GitHub Advisory Database, som dokumenterer kjente sårbarheter i åpen kildekode-pakker.

Profiler for organisasjoner er også viktige. Et selskap som holder SDK-ene, plugin-ene og integrasjonene sine i en offentlig GitHub-organisasjon, gir KI-modellene et verifiserbart spor på at produktet finnes og vedlikeholdes.

Siteringer samler seg rundt tekniske intensjoner. Typiske spørsmål er «åpen kildekode-alternativ til Jira», «hvordan installerer jeg Stripe CLI», «er denne npm-pakken fortsatt vedlikeholdt», «beste selvhostede passordbehandler» eller «hvordan retter jeg Log4j-sårbarheten». I hvert tilfelle er repositoriet det mest direkte beviset en assistent kan tilby.

Spørsmål om hverdagsvirksomheter når sjelden GitHub. Ingen trenger et repositorium for å finne «en pålitelig rørlegger i Lyon» eller «det beste regnskapsbyrået for en oppstart». Derfor samler GitHub-siteringene seg om spørsmål om programvareutgivere, cybersikkerhetsleverandører og IT-tjenesteselskaper, og forblir marginale i andre bransjer.

Språk spiller også en rolle. Dokumentasjon på GitHub er overveiende skrevet på engelsk, så engelske svar når den mye lettere enn norske, franske, tyske eller spanske svar, som heller siterer oversatte veiledninger eller lokale medier.

Mesteparten av forskjellen skyldes hvordan hver modell henter informasjon. Gemini baserer mange svar på Google-søk, der repositorier rangerer godt på prosjektnavn, så en GitHub-lenke kan følge med svaret. ChatGPT kombinerer det den har lært under trening med direkte resultater fra ChatGPT-søk, og legger bare ved en repositorielenke når spørsmålet nevner et bestemt prosjekt.

Perplexity søker på nettet for hvert spørsmål og viser kildene sine, men ved sammenligningsspørsmål stoler den ofte på anmeldelsesartikler og leverandørsider i stedet for rå repositorier. Grok legger til innlegg fra X, der utviklere kunngjør utgivelser og diskuterer feil. Claude siterer kilder sjeldnere som standard og beskriver som regel et prosjekt med egne ord, med mindre nettsøk er slått på.

Noe av GitHubs påvirkning er usynlig i siteringstallene. Offentlig kode og dokumentasjon som er vert på GitHub, inngår i treningsdataene til mange store modeller, så en assistent kan forklare hvordan et bibliotek fungerer uten å nevne siden den lærte av.

En sitering her betyr at svaret ga en side på github.com som kilde: et repositorium, en issue, et sikkerhetsvarsel eller GitHub-dokumentasjonen. Råd som «legg koden din ut på GitHub» uten lenke er en anbefaling av tjenesten, et annet signal som ikke fanges av denne andelen.

Nettsteder bygget med GitHub Pages ligger på github.io eller på egne domener, så de leses best som egne nettsteder. For et merke er den verdifulle situasjonen at et av egne repositorier dukker opp i et svar om kategorien sin: en teknisk referanse som en assistent kan kontrollere, noe markedsføringssider sjelden oppnår.