Copilot用户实验发现编码助手对不同认知风格的支持差异

人工智能编码助手通常用于日常软件开发任务。虽然之前的研究已经考察了它们对生产力和代码质量的影响，但人们对这些工具如何支持不同的思维方式了解较少。来自非人工智能软件工程工具的证据表明，工具设计和用户认知风格之间的不匹配可能会带来包容性障碍，但目前尚不清楚人工智能编码助手是否会出现类似的问题。我们调查具有不同认知风格的开发人员如何体验这些工具并与之交互，以及他们是否表现出认知包容性挑战。我们对 20 名学生参与者进行了一项受控实验室研究，使用 GitHub Copilot 完成代码生成、调试和重构任务。使用出声思考协议、半结构化访谈和归纳主题分析，我们识别用户交互中的模式。然后，我们应用 GenderMag 框架来研究这些模式在不同认知风格之间有何不同。我们确定了五个包容性问题，涉及 Copilot 如何解释建议、支持验证、促进学习、展示其功能以及影响问题解决过程。我们的研究结果表明，人工智能编码助手中的常见交互范式可以使某些认知风格得到更充分支持，同时为其他人带来额外的认知努力。我们得出更具包容性的人工智能编码助手的设计启示。