From Generic to Personalized: Exploring Persona-Aware Code Review Explanations
本文通过展示一项混合方法用户研究的初步发现，探讨了个性化代码审查解释的潜力，该研究揭示了开发者对反馈风格的偏好会根据其问题解决方式、经验和角色而有所不同，并最终倡导开发能够根据个人需求调整审查评论的人本中心 AI 系统。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一位正试图教一群新手厨师如何修复一份出错食谱的厨师。你的厨房里有两种截然不同的学生：一位叫作“提姆”（Tim），他是一个自信、爱冒险的探索者，喜欢直接投身于火热的实践中，通过实验新的香料，在实践中摸索规律；另一位叫作“艾比”（Abi），她是一个谨慎、注重流程的规划者，只有在有人递给她一份步步为营的地图，向她解释每一步为何重要，并在她碰锅之前提醒她哪里有热灶台时，她才会感到安全。
多年来，代码审查（即开发者检查彼此计算机代码的过程）一直就像是厨师对所有人喊出同样的通用指令：“修好它！”或者“把它写短一点！”这篇论文指出，这种“一刀切”的方法就像试图用同一张食谱卡片同时教导提姆和艾比。这往往会导致混乱、挫败感，并使代码陷入反复争论的死循环，而不是真正得到解决。
这些研究人员提出了一个简单的问题：如果我们能神奇地重写反馈，使其匹配学习者的风格，会怎样？ 他们想看看，“提姆式”的评论（简短、充满行动力、鼓励独立）是否对提姆更有效，而“艾比式”的评论（详细、关注风险、循序渐进）是否对艾比更有效。
为了测试这一点，他们并没有仅仅靠猜测；他们进行了一项小型、真实的实验。他们收集了16名开发者（包括学生和专业人士，以及编写代码的人和审查代码的人）。他们向这些开发者展示了三段不同的代码，并请他们查看两种不同版本的反馈：一种听起来像是为“提姆”写的，另一种听起来像是为“艾比”写的。
根据他们的测量结果，以下是这项研究暗示发生的情况：
- “艾比型”人群热爱地图： 当那些认同“艾比”风格的开发者（尤其是经验较少的开发者）看到那些强调风险和学习机会的详细、分步骤解释时，他们感到受到了极大的支持。他们并不想要简短有力的话语；他们想要的是“为什么”和“怎么做”。
- “提姆型”人群更为挑剔： 那些通常更自信的“提姆型”开发者并不总是像预期的那样偏好“提姆式”反馈。事实上，经验较少的“提姆型”开发者有时会因为缺乏填补信息空白的经验，而在面对仅有行动指令的简短笔记时感到困惑。然而，资深的“提姆型”开发者确实似乎比其他人更欣赏那种简洁、直接的风格。
- 大多数人看重深度而非速度，但偏好各异： 这是数据中的一个关键发现：虽然开发者普遍认为“学习支持”、“实践性建议”和“风险意识”比简洁程度更重要，但这并不是对所有人的普遍规则。由于“艾比型”参与者强烈不喜欢简短的评论，而“提姆型”参与者对简洁性的看法则褒贬不一；有些人觉得简洁是可以接受的甚至更受欢迎，而另一些人则不太确定。在代码的世界里，清晰且有帮助比快速更重要，但对简洁度的欣赏程度取决于你是谁。
该论文并未声称已经排除了某种单一类型的解释可能奏效的可能性，而是提出了初步的研究结果和一个愿景，即单一类型可能并不完美。研究明确表明，对一个人来说显而易见的事情，对另一个人来说可能是一团混乱，这取决于他们的解决问题的方式，这表明“一刀切”的方法对于多元化的团队来说可能是不足够的。
那么，核心结论是什么？研究人员建议，我们正处于构建一种新型“智能助手”的边缘。想象一下，这种AI不仅能检查你的代码错误，还能检查你是谁。如果你是一个谨慎的规划者，它会给你一份详细的指南；如果你是一个大胆的探索者，它会给你一个指引方向的轻推。
然而，作者也谨慎地指出，这仍然只是个开始。他们测量了这16个人的偏好，虽然结果很有前景，但它还不是一个成熟的产品。他们警告说，我们必须小心不要过度简化，或忽视了视角的多元化。目标不是取代人类的判断，而是建立能够帮助人类更好地理解彼此的工具，确保没有开发者因为反馈是用他们无法理解的语言编写的而被遗忘在后。
简而言之，这项研究表明，代码审查的未来不在于更快，而在于更具个性化、更具共情心，并且更像是一位深知学生如何学习的老师。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。