Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-13 20:23 UTC

PierreGtch / moabb

Mother of All BCI Benchmarks

PythonBSD-3-Clause★ 0 Sterne⑂ 0 Forksseit Mai 2022ForkAuf GitHub ansehen ↗

PierreGtch/moabb erreicht einen Gesundheitsindex von 19 von 100 und liegt damit im Bereich Kritisch. Am stärksten schneidet es bei Engineering Quality (75/100) ab, am schwächsten bei Community & Adoption (12/100). Zuletzt vor 259 Tagen aktualisiert. 3 Mitwirkende tragen den Großteil der jüngsten Arbeit.

19
gesamt / 100
Kritisch

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

19
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 42 wird auf der veröffentlichten Indexskala auf 38 kalibriert (Register-Kalibrierung 2026-08-02). Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 50 % auf die gewichtete Gesamtgesundheit an und begrenzt sie auf die Obergrenze Gefährdet von 34.

Eigentümerschaft

Pierre GuetschelPersönliches Konto
41 Follower25 öffentliche Reposseit Feb. 2017Donders Institute, Radboud University

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPImoabbverweist auf ein anderes Repo — nicht bewertet1.7.114.04022vor 12 Tageneegdatasetsreproducibilitybcibenchmarkbrain-computer-interfacemotor-imageryp300ssvepneurosciencemne-pythonopen-scienceelectroencephalographysignal-processingmachine-learningscikit-learnneural-engineeringcvep

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

12Kritisch · 21 % des Gesamtindex

Entwicklungsaktivität

4Kritisch
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 259 Tagen
0/36Commit-Rhythmus — 0/52 Wochen mit Commits
0/18Commit-Volumen — 0 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Verwendete Eingangsdaten
commits_last_year0
human_commit_share0,94
days_since_last_push259
active_weeks_last_year0

Release-Disziplin

24Gefährdet
Wie die Bewertung erfolgt
16.2/27Liefert Releases aus — 4 Versions-Tags (keine GitHub-Releases)
0/36Release-Aktualität — letztes Release vor 1.620 Tagen
5.4/27Release-Rhythmus — ein Release etwa alle 387 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count4
latest_release_tagv0.4.6
releases_from_tagsja
days_since_latest_release1.620
mean_days_between_releases387
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

12Kritisch · 17 % des Gesamtindex

Popularität & Verbreitung

1Kritisch
Wie die Bewertung erfolgt
0/60Stars — 0 Stars
0/25Forks — 0 Forks
0/15Watcher — 0 Watcher
Verwendete Eingangsdaten
forks0
stars0
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

25Gefährdet
Wie die Bewertung erfolgt
0/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (BSD-3-Clause)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmenein
has_licensenein
readme_badges3
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

67Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

76Gut
Wie die Bewertung erfolgt
36/54Bus-Faktor — 3 Beitragende decken die Hälfte aller Commits ab
16.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 28 % der Commits
13.5/13.5Breite der Beitragenden — 27 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 26 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor3
contributors_sampled27
top_contributor_share0,281

Reaktionsfähigkeit bei Issues & PRs

67Gut
Wie die Bewertung erfolgt
0/42Issue-Lösungsquote — keine Issues oder keine Daten
30/30PR-Annahme — 2/2 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs2
open_issues0
closed_issues0
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio—
closed_unmerged_prs0
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Issue-Lösungsquote, Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

55Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
11.7/25Reichweite des Inhabers — 41 Follower von PierreGtch
22.3/25Kontohistorie — 25 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers41
owner_typeUser
is_verified—
owner_loginPierreGtch
public_repos25
account_age_days3.509
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

75Gut · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.black], [tool.isort]), setup.cfg ([flake8])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

Dokumentation

50Mittel
Wie die Bewertung erfolgt
0/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://neurotechx.github.io/moabb/
0/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepagehttps://neurotechx.github.io/moabb/
docs_sitehttps://neurotechx.github.io/moabb/
has_readmenein
has_docs_dirja
has_descriptionnein

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

30Gefährdet · 16 % des Gesamtindex

Sicherheitslage

12Kritisch
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — keine Daten
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 26 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 124 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate2,5
high_risk_jurisdiction_cap34
high_risk_jurisdiction_multiplier50
security_posture_after_multiplier12
security_posture_before_jurisdiction25
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): CI-Tests, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert. Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 50 % an und begrenzt die Sicherheitslage auf die Obergrenze Gefährdet von 34.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages73
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:moabb@1.7.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 73 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

67Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

55Mittel
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://docs.docker.com/llms.txt)
40/40Lesbare Commit-Historie — 92 von 94 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.docker.com/llms.txt
legible_history_share0,979
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

69Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.black], [tool.isort]), setup.cfg ([flake8])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
8/8Automatisierte Wartung — 3 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfileja
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,03

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/115 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes47.474
source_files_sampled115
oversized_source_files0

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

0GitHub-Sterne
27Mitwirkende
0Commits, letzte 12 Monate
259Tage seit letztem Push
4Releases
3Bus-Faktor
0offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Community profile unavailable
  • pypi package 'moabb' points at a different repository (https://github.com/NeuroTechX/moabb); excluded from ecosystem scoring

Weitere Details

OpenSSF Scorecard 2.5 / 10
2.5Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-13 20:23 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
k. A.CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
10Contributorsproject has 26 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities124 existing vulnerabilities detected
Direkte Abhängigkeiten 17
RegistryPaketVersionsvorgabeManifest
PyPInumpy^1.22pyproject.toml
PyPIscipy^1.9.3pyproject.toml
PyPImne^1.3.0pyproject.toml
PyPIpandas^1.5.2pyproject.toml
PyPIh5py^3.7.0pyproject.toml
PyPIscikit-learn^1.2.0pyproject.toml
PyPImatplotlib^3.6.2pyproject.toml
PyPIseaborn^0.12.1pyproject.toml
PyPIpyriemann^0.3pyproject.toml
PyPIPyYAML^6.0pyproject.toml
PyPIpooch^1.6.0pyproject.toml
PyPIrequests^2.28.1pyproject.toml
PyPItqdm^4.64.1pyproject.toml
PyPIcoverage^7.0.1pyproject.toml
PyPImemory-profiler^0.61.0pyproject.toml
PyPIedflib-python^1.0.6pyproject.toml
PyPImne-bids—pyproject.toml
Alle Abhängigkeiten 23

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 14 direkte und 9 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcoverage—direkt
PyPIh5py—direkt
PyPImatplotlib—direkt
PyPImne—direkt
PyPInumpy—direkt
PyPIpandas—direkt
PyPIpooch—direkt
PyPIpyriemann—direkt
PyPIpyyaml—direkt
PyPIrequests—direkt
PyPIscikit-learn—direkt
PyPIscipy—direkt
PyPIseaborn—direkt
PyPItqdm—direkt
PyPIm2r2—indirekt
PyPImistune—indirekt
PyPInumpydoc—indirekt
PyPIpre-commit—indirekt
PyPIpython—indirekt
PyPIsphinx—indirekt
PyPIsphinx-bootstrap-theme—indirekt
PyPIsphinx-gallery—indirekt
PyPItdlda—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:moabb@1.7.1 zieht 73 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit PierreGtch/moabb teilen. Nebeneinander lesen →

100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Außergewöhnlich100apache/arrowApache Arrow is the universal columnar format and multi-language toolbox for fast data interchange and in-memory analyticsAußergewöhnlich100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Außergewöhnlich100mlco2/codecarbonTrack emissions from Compute and recommend ways to reduce their impact on the environment.Außergewöhnlich100reflex-dev/reflex🕸️ Web apps in pure Python 🐍Außergewöhnlich100run-llama/llama_indexLlamaIndex is the leading document agent and OCR platformAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.