Putting a Face to the Issue: Fostering User Empathy of Open Source Software Developers With PersonaFlow
Dieser Beitrag stellt PersonaFlow vor, ein Werkzeug, das aus Artefakten öffentlicher Quellcode-Repositories bearbeitbare Nutzerpersonas generiert, um Entwicklern ein besseres Verständnis des Nutzerkontexts zu ermöglichen, was eine Studie mit 13 Entwicklern zeigte, indem sie erfolgreich Empathie förderte und durch sowohl emotionale Verbindung als auch pragmatische Priorisierung zu stärker nutzerzentrierten Reaktionen führte.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein freiwilliger Feuerwehrmann für eine massive, globale Gemeinschaft von Menschen, die ein gemeinsames Haus bauen (dies ist Open-Source-Software oder OSS). Jeden Tag erhalten Sie hunderte von Notizen, die unter Ihrer Tür durchgeschoben werden. Die meisten dieser Notizen sind in einem seltsamen, technischen Code geschrieben: „Der Türscharnier ist um 0,4 mm falsch ausgerichtet" oder „Die Berechnung der Dachbindelast ist falsch."
Sie sind großartig darin, den Code zu reparieren, aber Sie wissen oft nicht, wer die Notiz geschrieben hat. Ist es ein Kind, das versucht, ein Bild aufzuhängen? Ein Großelternteil, das versucht, warm zu bleiben? Oder ein professioneller Auftragnehmer? Da Sie nur das technische Problem sehen, neigen Sie dazu, jede Notiz wie ein mathematisches Rätsel zu behandeln, das schnell gelöst werden muss, anstatt wie eine Person, die um Hilfe bittet. Sie könnten sogar frustriert werden und sagen: „Lesen Sie das Handbuch!", ohne zu realisieren, dass die Person, die die Notiz geschrieben hat, noch nie ein Handbuch gesehen hat.
Dies ist das Problem, das die Arbeit adressiert: Entwickler verlieren die menschliche Verbindung. Sie sind so sehr auf das „Was" (den Fehler) fokussiert, dass sie das „Wer" (die Person) vergessen.
Die Lösung: „PersonaFlow"
Die Forscher haben ein Tool namens PersonaFlow entwickelt. Stellen Sie es sich als einen magischen Übersetzer vor, der diese kalten, technischen Notizen nimmt und eine „Profilkarte" an jede einzelne anheftet.
Anstatt nur zu sehen: „Fehler #405: Textwerkzeug ignoriert erste Bearbeitung", sieht der Entwickler:
Name: Nina, Marketingmanagerin.
Ziel: Sie muss innerhalb von 15 Minuten einen Screenshot für eine Präsentation reparieren.
Schmerzpunkt: Sie ist gestresst, weil sie eine Frist hat und dieser Fehler ihre Arbeit ruiniert.
Selbstvertrauen: 85 % sicher, dass dieser Fehler sie betrifft.
Das Tool erstellt diese Profile automatisch, indem es die Projektdokumentation und frühere Diskussionen liest, und hängt sie dann an die Fehlerberichte an, die Entwickler ohnehin bereits betrachten.
Funktionsweise (Das Experiment)
Die Forscher testeten dies mit 13 echten Softwareentwicklern. Sie baten sie, zwei Dinge zu tun:
- Vorher: Einen Fehlerbericht ansehen und eine Antwort so zu schreiben, wie sie es normalerweise tun würden.
- Nachher: Denselben Fehlerbericht ansehen, diesmal jedoch mit der angehefteten „Personenkarte".
Was passierte?
Die Ergebnisse waren überraschend und herzerwärmend.
1. Der „Gesichts"-Effekt:
Die meisten Entwickler änderten, wie sie ihre Antworten formulierten. Vorher waren sie roboterhaft und technisch. Nach dem Sehen des „Gesichts" (der Persona) wurden sie menschlich.
- Vorher: „Bitte stellen Sie Protokolle bereit."
- Nachher: „Ich verstehe, dass dies für Ihre Präsentationsfrist frustrierend ist. Hier ist eine schnelle Lösung."
2. Zwei Wege, wie es funktionierte:
Die Arbeit fand zwei verschiedene Wege, auf denen das Tool half, wie zwei verschiedene Schlüssel, die dieselbe Tür öffnen:
- Der emotionale Pfad: Einige Entwickler fühlten eine echte Verbindung. Sie sahen „Nina" als echte Person mit einem stressigen Job und wollten ihr helfen.
- Der praktische Pfad: Andere Entwickler kümmerten sich nicht um das Konzept der „Empathie". Sie sahen die Persona einfach als Triage-Tool. Sie dachten: „Oh, dieser Fehler betrifft eine bestimmte Gruppe von Nutzern, die feststecken. Ich sollte diesen zuerst beheben." Selbst ohne emotionale Gefühle handelten sie dennoch freundlicher und priorisierten die Bedürfnisse der Nutzer.
3. Die Regel „Vertrauen, aber überprüfen":
Die Entwickler vertrauten der KI nicht blind. Sie handelten wie Redakteure. Wenn die KI sagte: „Dies ist ein leitender Ingenieur", aber der Entwickler wusste, dass seine Nutzer hauptsächlich Studenten sind, würden sie sagen: „Nein, das ist falsch", und das Profil korrigieren. Das Tool gab ihnen einen Ausgangspunkt, aber sie behielten das letzte Wort.
Die große Erkenntnis
Die Arbeit argumentiert, dass der Mangel an Freundlichkeit oder Verständnis in Open-Source-Communities nicht daran liegt, dass Entwickler schlechte Menschen sind. Es liegt daran, dass das System die Menschen verbirgt. Die Tools, die sie verwenden (wie Fehlerverfolger), sind für Effizienz konzipiert, nicht dafür, zu zeigen, wer betroffen ist.
PersonaFlow versucht nicht, Entwickler zu lehren, netter zu sein. Stattdessen gestaltet es die Umgebung neu, sodass der menschliche Kontext nicht ignoriert werden kann. Es verleiht dem Problem ein Gesicht und erinnert den Entwickler daran, dass hinter jeder Codezeile eine Person mit einem Ziel, einer Frustration und einer Frist steht.
In Kürze
- Das Problem: Entwickler behandeln Fehler wie mathematische Probleme und vergessen die Menschen dahinter.
- Das Tool: Ein KI-Assistent, der „Charakterkarten" für Benutzer erstellt und an Fehlerberichte anheftet.
- Das Ergebnis: Entwickler begannen, freundlichere, hilfreichere Antworten zu schreiben und Reparaturen basierend darauf zu priorisieren, wer litt, und nicht nur danach, wie „kaputt" der Code war.
- Die Lehre: Sie müssen Menschen nicht zwingen, empathisch zu sein; Sie müssen ihnen nur das menschliche Gesicht des Problems zeigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.