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).  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  ABSTRACTO    . Se ha descubierto que la programación en parejas aumenta el interés de los estudiantes en Ciencias de la Computación, particularmente en el caso de las mujeres, y por lo tanto parecería ser una forma de ayudar a remediar la subrepresentación de las mujeres en el campo. Sin embargo, una razón para esta subrepresentación es el clima hostil creado por los estereotipos de género aplicados a los ingenieros en general, y a los ingenieros de software en particular, asumiendo que los hombres se desempeñan mejor que sus pares mujeres. Si este mismo sesgo está presente en la programación en parejas, podría ir en contra del objetivo de mejorar el equilibrio de género en la informática. Objetivo. En un entorno remoto en el que los estudiantes no pueden observar directamente el género de sus compañeros, pretendemos explorar si los estudiantes de Ingeniería de Software se comportan de manera diferente cuando cambia el género percibido de sus compañeros de programación en pareja a distancia, buscando diferencias en (i) la productividad percibida en comparación con la programación en solitario; (ii) la competencia técnica percibida del compañero en comparación con la suya propia; (iii) el nivel de habilidad percibido del compañero; (iv) el comportamiento de interacción, como la frecuencia de adiciones, eliminaciones, validaciones, etc. del código fuente; y (v) el tipo y frecuencias relativas de los mensajes de diálogo utilizados para el comportamiento colaborativo en una ventana de chat. Aunque existen algunos estudios sobre el rendimiento de la programación en pareja y la combinación de pares de género, hasta donde sabemos no hay estudios sobre el impacto de los estereotipos de género y el sesgo dentro de los pares mismos. Método. Hemos desarrollado una plataforma en línea (twincode) que clasifica aleatoriamente a los estudiantes en grupos equilibrados por género, los organiza en pares para la programación en pareja remota (compartiendo una ventana de editor y una ventana de chat) y puede engañar selectivamente a uno o ambos socios con respecto al género del otro mediante el uso de un avatar claramente identificado por género. Varios comportamientos se miden automáticamente durante el proceso de programación en pareja, junto con dos cuestionarios y un etiquetado semántico de las conversaciones de los pares. Realizaremos una serie de experimentos para identificar el efecto, si lo hay, del posible sesgo de género en las interacciones de programación en pareja remota. Los estudiantes en el grupo de control no tendrán información sobre el género de su pareja; los estudiantes en el grupo de tratamiento recibirán dicha información, pero serán engañados selectivamente sobre el verdadero género de su pareja. Para analizar los datos, además de comprobar la fiabilidad de los datos del cuestionario mediante el alfa de Cronbach y el criterio de Kaiser, para cada variable de respuesta (i) compararemos los grupos de control y experimentales para la distancia de puntuación entre dos tareas en pareja; luego, utilizando solo los datos del grupo experimental, (ii) compararemos las puntuaciones utilizando el género percibido de la pareja como una variable intrasujetos; y (iii) analizaremos la interacción entre el género percibido de la pareja (intrasujetos) y el género del sujeto (entre sujetos). Para los análisis (i) y (ii) utilizaremos pruebas t, mientras que para los análisis (iii) utilizaremos ANOVA de modelo mixto. Contexto  1 INTRODUCCIÓN  La programación en parejas es un paradigma de colaboración cada vez más popular que ha demostrado ser una herramienta eficaz en la educación en Ciencias de la Computación, medida por su influencia positiva en las calificaciones, el desempeño en clase, la confianza, la productividad y la motivación para permanecer [6], especialmente para las mujeres [19, 24]. En la programación en parejas, dos compañeros trabajan en estrecha colaboración para resolver una tarea de programación. Como tal, su capacidad para interactuar entre sí es clave. Sin embargo, estas interacciones están influenciadas por un sesgo de género implícito [12, 18], como asumir que las mujeres son menos competentes técnicamente [18]. Este es un fenómeno ampliamente observado incluso en entornos altamente estructurados [6, 13]. La investigación en ciencias sociales indica que el comportamiento de un individuo se ve afectado por el comportamiento de sus pares [8]. Por lo tanto, el sesgo de género implícito basado en la percepción de los pares puede tener efectos en el comportamiento de uno, lo que potencialmente influye en la experiencia de programación en parejas.  En este trabajo, en un entorno no ubicado (es decir, remoto) en el que no se puede observar directamente el género de los compañeros, nuestro objetivo es explorar si los estudiantes de Ingeniería de Software cambian su comportamiento cuando el género percibido de sus compañeros de programación remotos cambia de hombre a mujer o viceversa. Tenga en cuenta que, si bien reconocemos que muchos estudiantes pueden identificarse ni como hombres ni como mujeres, nuestra exploración inicial se centra principalmente en las interacciones entre estudiantes que se identifican como uno de estos, de modo que podamos alinear mejor nuestros hallazgos con la literatura existente sobre el sesgo de género implícito. Los sesgos potenciales en las interacciones que involucran a estudiantes de género fluido, no conformes con el género o no binarios es un tema rico y complejo que merece su propio estudio posterior.  Para lograr nuestro objetivo, planeamos buscar diferencias no solo en la productividad percibida de la programación en pareja en comparación con la programación en solitario, la competencia técnica percibida del compañero en comparación con la suya y el nivel de habilidad percibido del compañero, sino también en el comportamiento de interacción, es decir, la frecuencia de adiciones, eliminaciones, validaciones, etc. del código fuente, y el tipo y la frecuencia relativa de los mensajes de diálogo utilizados para el comportamiento colaborativo.  Para obtener una retroalimentación temprana sobre la infraestructura que respalda nuestra propuesta, realizamos dos estudios piloto, uno en cada universidad, con un número limitado de estudiantes, donde pudimos verificar la comprensibilidad de los cuestionarios utilizados para recopilar datos subjetivos, la aplicabilidad del etiquetado de mensajes (descrito en la Sección 2) y las capacidades de la plataforma twincode, que se describe brevemente a continuación.  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!

¿Puede el sesgo de género percibido afectar la programación por parejas en entornos remotos?

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una breve introducción a la teoría del cerebro de Boltzmann

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Una breve introducción a la teoría del cerebro de Boltzmann

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps