论文技术总结：团队多样性促进软件公平性——关于公平感知需求优先级的实验研究

1. 研究背景与问题 (Problem)

在软件工程领域，人工智能（AI）和机器学习系统日益影响决策过程，导致算法公平性（Fairness）和偏见问题备受关注。然而，现有的公平性研究主要集中在算法模型或数据层面，缺乏对软件开发早期阶段（如需求工程）中公平性如何被处理的深入理解。

此外，虽然理论上认为多样化的团队能带来更广泛的视角，但关于团队多样性（特别是性取向多样性）如何具体影响软件项目中与公平性相关的决策，目前缺乏实证数据。大多数研究关注组织层面的多样性或人口统计学特征，鲜有研究探讨多样性如何作为技术活动（如需求优先级排序）中公平性感知决策的决定性因素。

核心研究问题 (RQ)：
团队多样性（特别是性取向维度）与软件开发任务中的公平性感知（Fairness Awareness）之间存在何种关系？

2. 研究方法 (Methodology)

本研究采用**受控实验（Controlled Experiment）**的方法，旨在探究团队多样性对需求优先级排序中公平性行为的影响。

2.1 实验设计

• 参与者： 27 对软件工程学生志愿者（共 54 人）。
  • LGBTQ+ 多样化组： 13 对（至少有一名参与者自我认同为 LGBTQIA+）。
  • 非多样化组： 14 对（两名参与者均自我认同为异性恋）。
• 任务场景： 模拟一家金融机构计划部署基于 AI 的信贷风险评估和贷款审批系统。
• 实验材料： 24 个用户故事（User Stories），分为三类：
  1. 公平对齐（Fairness-aligned）： 促进公平对待的功能。
  2. 公平风险（Fairness-risking）： 可能引入偏见或排斥的功能。
  3. 中性（Neutral）： 与公平性无关的功能。
  • 注：故事分类经过三位不同学科背景研究者的共识验证。
• 流程：
  1. 参与者随机配对，在不知晓对方人口统计学特征的情况下进行协作。
  2. 每对参与者讨论并给每个用户故事分配优先级（1-4 分，4 为最高）。
  3. 要求对决策理由进行简要书面说明。
  4. 任务完成后，参与者单独填写匿名人口统计学问卷（包括性取向、性别、种族等）。
  5. 关键设计： 人口统计学数据在任务后收集，以确保配对时的匿名性，避免自我选择偏差影响实验过程。

2.2 数据分析

• 定量分析： 计算每对参与者的行为指标，包括：
  • 优先处理公平对齐故事的数量。
  • 降低优先级（拒绝）公平风险故事的数量。
  • 公平性得分（Pro-fairness score）： 正确支持公平决策的总数。
  • 错误优先级得分（Misprioritization score）： 错误地降低公平故事优先级或错误地提高风险故事优先级的数量。
• 定性分析： 对参与者的书面理由进行主题分析（Thematic Analysis），识别决策背后的推理模式（如包容性、非歧视、伦理考量、项目范围等）。

3. 主要贡献 (Key Contributions)

1. 概念化操作： 将“公平感知态度”在软件需求上下文中的具体表现进行了操作化定义。
2. 实证证据： 提供了关于团队多样性（特别是性取向多样性）如何影响软件项目中公平导向决策的实证数据。
3. LGBTQ+ 视角的贡献： 首次通过受控实验调查了 LGBTQIA+ 专业人士在软件需求分析中如何促进公平感知，证明了其参与对伦理和包容性实践的支持作用。

4. 研究结果 (Results)

4.1 定量结果

• 整体公平性得分更高： LGBTQ+ 多样化组的平均“公平性得分”为 6.92，高于非多样化组的 6.50。
• 拒绝风险故事更坚决： LGBTQ+ 组在拒绝“公平风险”故事方面表现更一致（平均 5.23 个 vs 4.29 个）。这表明他们对潜在的不公平危害更敏感。
• 错误更少： LGBTQ+ 组的“错误优先级得分”略低（2.15 vs 2.29），意味着他们在识别和避免有害功能方面犯错更少。
• 决策风格差异：
  • LGBTQ+ 组在拒绝有害故事时更果断（中性评分较少），但在评估公平对齐故事时更谨慎（中性评分较多），显示出深思熟虑的决策过程。
  • 非多样化组在拒绝有害故事时表现出更多的犹豫。

4.2 定性结果（推理模式）

• LGBTQ+ 多样化组：
  • 核心驱动力： 包容性（Inclusion） 和 非歧视（Non-discrimination）。
  • 伦理导向： 明确将道德责任作为优先级的核心依据，拒绝剥削性或不道德的功能。
  • 协作方式： 强调公开讨论、协商和共同推理，决策过程更加显性化。
• 非多样化组：
  • 核心驱动力： 项目范围与价值（Project Scope and Value）、技术可行性 和 商业利益。
  • 实用主义： 虽然也考虑伦理和非歧视，但更多是作为平衡商业目标的约束条件，而非核心指导原则。
  • 协作方式： 倾向于强调和谐与直接的一致性，较少详细描述讨论过程，有时回避深入阐述理由。

5. 研究意义与结论 (Significance & Conclusions)

5.1 理论与实践意义

• 早期干预的重要性： 研究证明，公平性推理在开发的最早期（需求分析阶段）就已经发生。多样化的团队能更早地识别潜在的危害，防止偏见需求演变为歧视性的系统行为。
• 多样性的预防作用： 团队多样性不仅仅是代表性问题，更是软件质量和可靠性的关键因素。LGBTQ+ 成员的生活经验使其对排斥和歧视更敏感，从而在需求定义阶段就能起到“过滤器”的作用。
• 重新定义公平性工程： 公平性不仅是技术指标，更是社会构建的过程。团队的社会构成直接决定了哪些公平问题会被识别和解决。

5.2 局限性

• 样本限制： 参与者为大学生，可能无法完全代表专业工程师的决策模式。
• 统计效力： 由于样本量较小，研究主要提供描述性趋势和定性洞察，而非统计推断。
• 维度单一： 目前仅聚焦于性取向，未来需研究种族、性别等交叉性（Intersectionality）的影响。

5.3 结论

该研究表明，团队多样性（特别是性取向多样性）能够显著增强软件团队在需求分析阶段的公平性感知和伦理推理能力。LGBTQ+ 多样化的团队在识别和拒绝不公平需求方面表现更一致、更果断。这为在软件开发流程中整合 EDI（公平、多样、包容）提供了强有力的行为证据，表明包容性的团队构成是构建可信、公平 AI 系统的关键策略。