paint-brush
Control de variables de confusión en estudios de sesgo de género en programación remota por parespor@pairprogramming
Nueva Historia

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

por Pair Programming2m2024/09/16
Read on Terminal Reader

Demasiado Largo; Para Leer

Esta sección aborda cómo el estudio controla las variables de confusión, como las habilidades técnicas de los sujetos y la dificultad de los ejercicios de programación, para garantizar resultados precisos e imparciales en la investigación de programación por pares remota.
featured image - Control de variables de confusión en estudios de sesgo de género en programación remota por pares
Pair Programming HackerNoon profile picture
0-item

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.


Habilidades técnicas de los sujetos 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.


Ejercicios de programación 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.


Autores:

(1) Amador Durán, SCORE Lab, Instituto I3US, Universidad de Sevilla, Sevilla, España ([email protected]);

(2) Pablo Fernández, SCORE Lab, Instituto I3US, Universidad de Sevilla, Sevilla, España ([email protected]);

(3) Beatriz Bernárdez, Instituto I3US, Universidad de Sevilla, Sevilla, España ([email protected]);

(4) Nathaniel Weinman, División de Ciencias de la Computación, Universidad de California, Berkeley, Berkeley, CA, EE. UU. ([email protected]);

(5) Aslı Akalın, División de Ciencias de la Computación, Universidad de California, Berkeley, Berkeley, CA, EE. UU. ([email protected]);

(6) Armando Fox, División de Ciencias de la Computación, Universidad de California, Berkeley, Berkeley, CA, EE. UU. ([email protected]).


Este documento es Disponible en arxiv bajo licencia CC BY 4.0 DEED.