From Generic to Personalized: Exploring Persona-Aware Code Review Explanations
Cet article étudie le potentiel des explications de revue de code personnalisées en présentant les premiers résultats d'une étude utilisateur à méthodes mixtes qui révèle que les préférences des développeurs en matière de styles de rétroaction varient selon leurs approches de résolution de problèmes, leur expérience et leurs rôles, plaidant ainsi pour des systèmes d'IA centrés sur l'humain qui adaptent les commentaires de revue aux besoins individuels.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous êtes un chef essayant d'apprendre à un groupe de nouveaux cuisiniers comment réparer une recette ratée. Vous avez deux types d'étudiants très différents devant vous. Un étudiant, appelons-le « Tim », est un explorateur confiant et aventureux qui adore se jeter directement dans le feu, expérimenter de nouvelles épices et comprendre les choses en pratiquant. L'autre, « Abi », est une planificatrice prudente et orientée processus qui se sent beaucoup plus en sécurité si vous lui donnez une carte étape par étape, lui explique exactement pourquoi une étape est importante et la prévient où se trouve le poêle chaud avant même qu'elle ne touche une poêle.
Pendant des années, la revue de code (où les développeurs vérifient le code informatique les uns des autres pour détecter des erreurs) a consisté pour le chef à crier la même instruction générique à tout le monde : « Répare ça ! » ou « Fais plus court ! ». L'article suggère que cette approche « taille unique » est comme essayer d'enseigner à Tim et Abi en utilisant exactement la même fiche de recette. Cela mène souvent à la confusion, à la frustration et au fait que le code reste bloqué dans une boucle d'arguments de va-et-vient au lieu d'être réparé.
Les chercheurs derrière cette étude ont posé une question simple : Et si nous pouvions magiquement réécrire le feedback pour qu'il corresponde au style de l'étudiant ? Ils voulaient voir si un commentaire de « style Tim » (court, axé sur l'action, encourageant l'indépendance) fonctionnerait mieux pour Tim, et si un commentaire de « style Abi » (détaillé, conscient des risques, étape par étape) fonctionnerait mieux pour Abi.
Pour tester cela, ils n'ont pas seulement deviné ; ils ont mené une petite expérience en conditions réelles. Ils ont réuni 16 développeurs (un mélange d'étudiants et de professionnels, et un mélange de personnes qui écrivent du code et de personnes qui le révisent). Ils ont montré à ces développeurs trois morceaux de code différents et leur ont demandé d'examiner deux versions de feedback pour chacun : une qui semblait avoir été écrite pour un « Tim », et une autre pour un « Abi ».
Voici ce que l'étude suggère qu'il s'est passé, d'après leurs mesures :
- La « bande d'Abi » a adoré les cartes : Lorsque les développeurs qui s'identifiaient au style « Abi » (particulièrement les moins expérimentés) ont vu les explications détaillées, étape par étape, qui mettaient en évidence les risques et les opportunités d'apprentissage, ils se sont sentis beaucoup plus soutenus. Ils ne voulaient pas que le feedback soit court et percutant ; ils voulaient le « pourquoi » et le « comment ».
- La « bande de Tim » était plus exigeante : Les développeurs de type « Tim », qui sont généralement plus confiants, n'ont pas toujours préféré le feedback de « style Tim » autant qu'on pourrait s'y attendre. En fait, les « Tim » moins expérimentés ont parfois eu du mal avec les notes courtes, uniquement axées sur l'action, car ils manquaient d'expérience pour combler les lacunes. Cependant, les développeurs « Tim » experts semblaient apprécier le style concis et direct davantage que le style détaillé.
- La plupart préféraient la profondeur à la vitesse, mais les préférences variaient : Voici une conclusion clé des données : bien que les développeurs aient généralement accordé plus de valeur au « soutien à l'apprentissage », aux « suggestions pratiques » et à la « conscience des risques » qu'à la brièveté, ce n'était pas une règle universelle pour tous. Les participants de type « Abi » ont fortement détesté les commentaires courts, mais les participants de type « Tim » avaient des avis mitigés sur la concision ; certains trouvaient cela acceptable ou même préféraient, tandis que d'autres étaient moins certains. Il semble que dans le monde du code, être clair et utile importe plus que d'être rapide, mais le degré auquel la brièveté est appréciée dépend de qui vous êtes.
L'article ne prétend pas avoir écarté l'idée qu'un type unique d'explication puisse un jour fonctionner, mais présente plutôt des résultats préliminaires et une vision selon laquelle un type unique n'est probablement pas parfait pour tout le monde. L'étude montre explicitement que ce qui semble évident pour une personne peut être un désordre confus pour une autre, selon son style de résolution de problèmes, suggérant qu'une approche « taille unique » est probablement insuffisante pour des équipes diversifiées.
Alors, quel est le grand enseignement ? Les chercheurs suggèrent que nous sommes à l'aube de la création d'un nouveau type d'« assistant intelligent » pour les revues de code. Imaginez une IA qui ne se contente pas de vérifier votre code pour des erreurs, mais qui vérifie aussi qui vous êtes. Si vous êtes un planificateur prudent, elle vous donne un guide détaillé. Si vous êtes un explorateur audacieux, elle vous donne un petit coup de pouce dans la bonne direction.
Cependant, les auteurs précisent qu'il ne s'agit que du début. Ils ont mesuré ces préférences auprès d'un petit groupe de 16 personnes, et bien que les résultats soient prometteurs, ce n'est pas encore un produit fini. Ils avertissent qu'il faut faire attention à ne pas trop simplifier les choses ou à ne pas perdre la diversité des perspectives. Le but n'est pas de remplacer le jugement humain, mais de construire des outils qui aident les humains à mieux se comprendre, afin qu'aucun développeur ne se sente laissé pour compte parce que le feedback a été écrit dans une langue qu'il ne parlait pas.
En bref, l'étude suggère que l'avenir de la revue de code n'est pas d'être plus rapide ; c'est d'être plus personnel, plus empathique, et un peu plus semblable à un professeur qui sait exactement comment son élève apprend le mieux.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.