数据集概述
本数据集是研究“What Evidence We Would Miss If We Do Not Use Grey Literature?”的复现包，发表于2021年ACM/IEEE国际实证软件工程与测量研讨会（ESEM 2021）。数据聚焦灰色文献在实证软件工程研究中的贡献，包含2017-2019年相关研究的结构化分析内容，为理解灰色文献的证据价值提供支持。
文件详解
- 文件名称：
Assessing GL contributions in MLR studies (2017-2019).xlsx
- 文件格式：XLSX
- 字段映射介绍：包含2017-2019年机器学习回归（MLR）研究中灰色文献贡献的评估数据，具体字段未提供预览，推测涵盖研究标识、灰色文献类型、证据缺失分析指标等结构化信息。
数据来源
15th ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM 2021) 论文“What Evidence We Would Miss If We Do Not Use Grey Literature?”
适用场景
- 灰色文献价值研究：分析不使用灰色文献时实证软件工程研究中缺失的证据类型与规模。
- 实证研究方法优化：为软件工程领域实证研究的文献纳入策略提供数据支持。
- 机器学习回归研究元分析：辅助2017-2019年MLR研究的文献来源完整性评估。
- 学术会议论文复现：支持ESEM 2021相关研究的结果验证与扩展分析。
