Autores:  (1) Amador Durán, SCORE Lab, Instituto I3US, Universidad de Sevilla, Sevilla, Espanha (amador@us.es);  (2) Pablo Fernández, SCORE Lab, Instituto I3US, Universidad de Sevilla, Sevilla, Espanha (pablofm@us.es);  (3) Beatriz Bernárdez, Instituto I3US, Universidad de Sevilla, Sevilla, Espanha (beat@us.es);  (4) Nathaniel Weinman, Divisão de Ciência da Computação, Universidade da Califórnia, Berkeley, Berkeley, CA, EUA (nweinman@berkeley.edu);  (5) Aslı Akalın, Divisão de Ciência da Computação, Universidade da Califórnia, Berkeley, Berkeley, CA, EUA (asliakalin@berkeley.edu);  (6) Armando Fox, Divisão de Ciência da Computação, Universidade da Califórnia, Berkeley, Berkeley, CA, EUA (fox@berkeley.edu).  Tabela de Links   Resumo e 1 Introdução   1.1 A plataforma twincode   1.2 Trabalho relacionado   2 perguntas de pesquisa   3 Variáveis   3.1 Variáveis Independentes   3.2 Variáveis Dependentes   3.3 Variáveis de confusão   4 Participantes   5 Plano de Execução e 5.1 Recrutamento   5.2 Treinamento e 5.3 Execução do Experimento   5.4 Análise de Dados   Agradecimentos e Referências  RESUMO    . Descobriu-se que a programação em pares aumenta o interesse dos alunos em Ciência da Computação, particularmente para as mulheres, e, portanto, parece ser uma maneira de ajudar a remediar a sub-representação de mulheres na área. No entanto, uma razão para essa sub-representação é o clima hostil criado por estereótipos de gênero aplicados a engenheiros em geral, e a engenheiros de software em particular, assumindo que os homens têm melhor desempenho do que suas colegas mulheres. Se esse mesmo preconceito estiver presente na programação em pares, isso pode funcionar contra a meta de melhorar o equilíbrio de gênero na computação. Objetivo. Em um ambiente remoto no qual os alunos não podem observar diretamente o gênero de seus colegas, pretendemos explorar se os alunos de Engenharia de Software se comportam de forma diferente quando o gênero percebido de seus parceiros remotos de programação em pares muda, buscando diferenças em (i) a produtividade percebida em comparação à programação solo; (ii) a competência técnica percebida do parceiro em comparação com a sua própria; (iii) o nível de habilidade percebido do parceiro; (iv) o comportamento de interação, como a frequência de adições, exclusões, validações de código-fonte, etc.; e (v) o tipo e as frequências relativas de mensagens de diálogo usadas para comportamento colaborativo em uma janela de bate-papo. Embora existam alguns estudos sobre desempenho de programação em pares e combinação de pares de gênero, até onde sabemos, não há estudos sobre o impacto de estereótipos e preconceitos de gênero dentro dos próprios pares. Método. Desenvolvemos uma plataforma online (twincode) que classifica aleatoriamente os alunos em grupos equilibrados em termos de gênero, os organiza em pares para programação remota em pares (compartilhando uma janela do editor e uma janela de bate-papo) e pode enganar seletivamente um ou ambos os parceiros em relação ao gênero do outro por meio do uso de um avatar claramente definido por gênero. Vários comportamentos são medidos automaticamente durante o processo de programação em pares, juntamente com dois questionários e uma marcação semântica das conversas dos pares. Realizaremos uma série de experimentos para identificar o efeito, se houver, de possível preconceito de gênero em interações remotas de programação em pares. Os alunos do grupo de controle não terão informações sobre o gênero de seu parceiro; os alunos do grupo de tratamento receberão essas informações, mas serão enganados seletivamente sobre o verdadeiro gênero de seu parceiro. Para analisar os dados, além de verificar a confiabilidade dos dados do questionário usando o alfa de Cronbach e o critério de Kaiser, para cada variável de resposta, nós (i) compararemos os grupos controle e experimental para a distância de pontuação entre duas tarefas em pares; então, usando apenas os dados do grupo experimental, nós (ii) compararemos as pontuações usando o gênero percebido do parceiro como uma variável dentro dos sujeitos; e (iii) analisaremos a interação entre o gênero percebido do parceiro (dentro dos sujeitos) e o gênero do sujeito (entre os sujeitos). Para as análises (i) e (ii), usaremos testes t, enquanto para as análises (iii), usaremos ANOVAs de modelo misto. Contexto  1 INTRODUÇÃO  A programação em pares é um paradigma de colaboração cada vez mais popular que tem se mostrado uma ferramenta eficaz na educação em Ciência da Computação, conforme medido pela influência positiva nas notas, desempenho em sala de aula, confiança, produtividade e motivação para permanecer [6], especialmente para mulheres [19, 24]. Na programação em pares, dois parceiros trabalham juntos para resolver uma tarefa de programação. Como tal, sua capacidade de se envolverem é fundamental. No entanto, essas interações são influenciadas pelo preconceito de gênero implícito [12, 18], como assumir que as mulheres são menos competentes tecnicamente [18]. Este é um fenômeno amplamente observado mesmo em ambientes altamente estruturados [6, 13]. A pesquisa em ciências sociais indica que o comportamento de um indivíduo é afetado pelo comportamento de seus pares [8]. Portanto, o preconceito de gênero implícito com base na percepção dos pares pode ter efeitos no comportamento de alguém, influenciando potencialmente a experiência de programação em pares.  Neste trabalho, em um ambiente não colocalizado (ou seja, remoto) no qual o gênero dos pares não pode ser observado diretamente, nosso objetivo é explorar se os alunos de Engenharia de Software mudam seu comportamento quando o gênero percebido de seus parceiros de programação em pares remotos muda de homem para mulher ou vice-versa. Observe que, embora reconheçamos que muitos alunos podem não se identificar nem como homens nem como mulheres, nossa exploração inicial se concentra principalmente nas interações entre alunos que se identificam como um desses, para que possamos alinhar melhor nossas descobertas com a literatura existente sobre preconceito de gênero implícito. Os potenciais preconceitos em interações envolvendo alunos fluidos de gênero, não conformes com o gênero ou não binários são um tópico rico e complexo que merece seu próprio estudo subsequente.  Para atingir nosso objetivo, planejamos buscar diferenças não apenas na produtividade percebida da programação em pares em comparação à programação solo, na competência técnica percebida do parceiro em comparação à sua própria e no nível de habilidade percebido dos parceiros, mas também no comportamento de interação, ou seja, na frequência de adições, exclusões, validações de código-fonte, etc., e no tipo e frequência relativa de mensagens de diálogo usadas para comportamento colaborativo.  Para obter feedback antecipado sobre a infraestrutura que dá suporte à nossa proposta, realizamos dois estudos piloto, um em cada universidade, com um número limitado de alunos, onde pudemos verificar a compreensibilidade dos questionários usados para coletar dados subjetivos, a aplicabilidade da marcação de mensagens (descrita na Seção 2) e os recursos da plataforma twincode, que é brevemente descrita abaixo.  Este artigo é  sob licença CC BY 4.0 DEED.   disponível no 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 áudio é produzido no idioma original da história!

O preconceito de gênero percebido pode moldar a programação em pares em ambientes remotos?

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Como melhorar seu fluxo de trabalho em 10 vezes: 17 aplicativos essenciais

As camadas invisíveis: por que as entrevistas com usuários são um ativo insubstituível

Aumente sua produtividade com estas 18 ferramentas para desenvolvedores 🚀🔥

Toque para ganhar: Telegram pode integrar os próximos 10 bilhões de usuários criptográficos antes de Solana

Como melhorar seu fluxo de trabalho em 10 vezes: 17 aplicativos essenciais

As camadas invisíveis: por que as entrevistas com usuários são um ativo insubstituível

Aumente sua produtividade com estas 18 ferramentas para desenvolvedores 🚀🔥

Toque para ganhar: Telegram pode integrar os próximos 10 bilhões de usuários criptográficos antes de Solana

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps