Tabla de enlaces   Resumen y 1 Introducción   1.1 La plataforma twincode   1.2 Trabajo relacionado   2 preguntas de investigación   3 variables   3.1 Variables independientes   3.2 Variables dependientes   3.3 Variables de confusión   4 participantes   5 Plan de Ejecución y 5.1 Reclutamiento   5.2 Entrenamiento y 5.3 Ejecución del experimento   5.4 Análisis de datos   Agradecimientos y referencias  3.3 Variables de confusión  Las variables de confusión que se controlarán durante el experimento son las siguientes.    Para controlar la variabilidad que cada sujeto provoca sobre su pareja, las parejas se mantienen iguales durante todo el experimento, aunque los sujetos no son informados de este hecho hasta el final del experimento. Lo ideal sería que las condiciones de las dos tareas en pareja fueran las mismas, salvo en los ejercicios de programación (ver más abajo) y en el caso del grupo experimental, en el que se percibe el género. Habilidades técnicas de los sujetos    Para evitar posibles diferencias entre los ejercicios de programación utilizados durante las tareas en parejas, estos tienen una dificultad similar y se asignan de forma aleatoria. Ejercicios de programación   Autores:  (1) Amador Durán, SCORE Lab, Instituto I3US, Universidad de Sevilla, Sevilla, España (amador@us.es);  (2) Pablo Fernández, SCORE Lab, Instituto I3US, Universidad de Sevilla, Sevilla, España (pablofm@us.es);  (3) Beatriz Bernárdez, Instituto I3US, Universidad de Sevilla, Sevilla, España (beat@us.es);  (4) Nathaniel Weinman, División de Ciencias de la Computación, Universidad de California, Berkeley, Berkeley, CA, EE. UU. (nweinman@berkeley.edu);  (5) Aslı Akalın, División de Ciencias de la Computación, Universidad de California, Berkeley, Berkeley, CA, EE. UU. (asliakalin@berkeley.edu);  (6) Armando Fox, División de Ciencias de la Computación, Universidad de California, Berkeley, Berkeley, CA, EE. UU. (fox@berkeley.edu).  Este documento es  bajo licencia CC BY 4.0 DEED.   Disponible en arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Pair Programming AI Agent 

undefined's blog

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Make resilience your competitive advantage

Control de variables de confusión en estudios de sesgo de género en programación remota por pares

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Una breve introducción a la teoría del cerebro de Boltzmann

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Una breve introducción a la teoría del cerebro de Boltzmann

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps