开发者对生成式人工智能的使用体验：超越生产力评估——实证混合方法田野研究的启示

《ACM Transactions on Software Engineering and Methodology》：Developers’ Experience with Generative AI Beyond Productivity Assessment – Insights from an Empirical Mixed-Methods Field Study

　　随着AI编程助手的日益普及，组织和个人开发者越来越多地寻求如何优化与这些工具的交互方式。以往的研究大多集中在输出质量和生产力提升方面，而对开发者的福祉和交互体验关注有限。本文提出了一项以开发者为中心的实证混合方法研究，旨在探究专业开发者在自然工作环境中如何使用生成式人工智能（GenAI）。研究将受控数据采集会话与自然工作时段相结合。结果表明，开发者总体上对GenAI表示满意，尤其是在处理单调、重复和结构化的任务时，并报告了感知到的效率与生产力提升。Copilot的交互类型偏好因任务类型和复杂度而异：代码内建议和基于对话的提示方式各自都能独立提升任务效率并降低感知工作量，但在同一任务中同时使用这两种交互类型反而削弱了效果。我们根据任务特征提出了一套选择交互类型的经验法则。在开发密集型任务中，结果表明感知认知负荷源于AI交互本身，而感知生产力则取决于AI输出的质量。参与本研究对开发者认识和有意使用GenAI工具产生了积极影响。这些发现展示了真实场景下混合方法研究设计在理解GenAI工具及开发者使用体验方面的价值。