面向包容性 AI 驱动开发：探讨代码生成工具交互中的性别差异

背景：代码生成工具（如 Windsurf 和 GitHub Copilot）日益增多的依赖正在重塑编程工作流程，并引发关于公平性和包容性的关键问题。尽管这些工具提供了潜在的生产力提升，但其在不同用户群体中的有效性尚未得到充分调查。目标：我们假设开发人员的交互方式会因性别而异，从而影响任务结果和认知负荷，因为先前的研究表明，性别差异会影响技术的使用方式和认知处理。方法：本研究将采用混合主体设计，其中 54 名参与者按性别均匀分配，以反盲方式进行设计。参与者将仅依赖代码生成工具完成两个中等至困难的编程任务，然后仅依赖互联网访问。任务顺序和条件将进行反盲设计，以减轻顺序效应。数据收集包括认知负荷调查、屏幕录制以及任务绩效指标，如完成时间、代码正确性和代码生成工具交互行为。将对数据进行统计分析，以识别代码生成工具使用中的统计显著差异。预期贡献：我们的工作可揭示开发人员在代码生成工具交互和绩效方面的性别差异。我们的发现可为未来的代码生成工具设计提供信息，并有助于解决可用性问题以及不同用户群体之间交互模式的潜在差异。结论：尽管结果尚未出来，但我们的方案为推动代码生成工具设计中的公平性、问责性、透明性和伦理（FATE）奠定了基础。预计结果将促进包容性人工智能实践，使工具开发对所有用户都更加公平。