性别多样性对 AI 系统代码质量影响的实证研究

AI 系统的快速发展势在必然，需要高质量、可持续的代码来确保可靠性并减轻偏见和技术债务的风险。然而，女性在软件工程中的欠represention 引发了关于 AI 开发中同质性的担忧。研究 AI 系统中的性别多样性至关重要，因为多元视角对于改进系统鲁棒性、减少偏见和提升整体代码质量至关重要。虽然先前的研究已显示出一般软件团队多样性的益处，但其对 AI 系统代码质量的具体影响尚未探讨。本研究通过考察性别多样性如何影响 AI 团队中的项目流行度、代码质量和个人贡献来弥补这一空白。本研究的三个主要贡献如下：首先，我们分析了团队多样性与仓库流行度之间的关系，发现多样化的 AI 仓库不仅与非多样化仓库有显著差异，而且实现了更高的流行度和更大的社区参与度。其次，我们探讨了多样性对 AI 系统整体代码质量的影响，发现多样化的仓库在代码质量方面优于非多样化仓库。最后，我们对个人贡献进行了分析，发现尽管女性贡献者对总代码量的贡献较小，但其贡献的质量始终高于男性同事的贡献。这些发现凸显了需要消除对女性参与 AI 开发的障碍的重要性，因为更大的多样性可以提高 AI 系统的整体质量。