氛围编程时代的屏幕阅读器使用者程序员：适应、赋能与新的无障碍景观

文献标题

Programmers Who Use Screen Readers in the Vibe Coding Era: Adaptation, Empowerment, and New Accessibility Landscape

出版信息

• 主题领域: 屏幕阅读器用户的编程可访问性与人机交互。
• 关键词: 屏幕阅读器, AI代码助手, vibe coding, 可访问性, 人机协作, 编程工具, GitHub Copilot, 长期研究, 包容性设计, 自动化。

背景与问题

• 问题/挑战: 像GitHub Copilot这样的高级AI代码助手正在重塑编程工作流程，但其对屏幕阅读器（SR）用户的可访问性和可用性仍未被充分探索。挑战包括传达意图、审查AI输出、管理多视图界面以及保持情境意识。
• 意义: 解决这些挑战对于确保SR程序员能够从AI驱动的工具中受益至关重要，这些工具有潜力弥合可访问性差距并提高生产力。
• 动机与相关研究: 之前的研究表明，AI工具可以提高生产力，但同时也为SR用户带来了障碍，例如界面不可访问性和认知负担增加。现有研究尚未全面考察SR程序员如何与高级AI功能交互，以及这些工具如何影响他们的工作流程。

解决方案

• 提出的方法: 一项为期两周、分三阶段的长期研究，调查SR程序员如何使用GitHub Copilot，重点关注赋能、挑战以及针对可访问性AI辅助编码的设计建议。
• 创新点:
  1. 对SR程序员与高级AI代码助手交互的长期调查。
  2. 识别在沟通、审查工作流程和情境意识方面的具体挑战。
  3. 基于证据的设计原则和针对可访问性的人机协作建议。
  4. 对用户在自动化与控制之间偏好演变的洞察。
• 过程与关键技术:
  • 第一阶段：对16名参与者进行初步研究，包括教程、编程任务和半结构化访谈。
  • 第二阶段：在两周内探索Copilot在实际编程中的应用，并通过日记记录体验。
  • 第三阶段：后续访谈以反思使用模式和挑战。
  • 分析方法：交互的主题编码、Likert量表评分以及配对t检验以评估认知变化。

结果

• 具体发现:
  • 参与者在编程任务上平均花费43.12分钟，其中仅25.41%用于手动编码，表明工作重心转向指导和审查AI输出。
  • Copilot提高了效率和可访问性，使得UI开发和代码理解等任务更加容易。
  • 挑战包括难以构建有效的提示语、审查AI输出、管理多视图界面以及保持情境意识。
  • 参与者的偏好从高度自动化模式（如Agent模式）转向更安全、可控的模式（如Ask模式）。
• 相较基线的优势: Copilot弥合了UI开发和解释视觉内容等传统上对SR用户具有挑战性的任务中的可访问性差距。
• 实验/评估:
  • 参与者：16名具有不同经验水平的SR程序员。
  • 工具：Visual Studio Code中的GitHub Copilot。
  • 评估指标：活动时间、Likert量表评分以及定性反馈。
• 局限性与未来工作:
  • 样本量有限（16名参与者）且区域集中（中国）。
  • 性别比例失衡（仅2名女性参与者）。
  • 依赖自我报告数据，缺乏系统的长期跟踪。
  • 未来工作应探索更多样化的用户群体，研究个体差异，并解决SR用户的学习障碍。

总结

本研究调查了屏幕阅读器用户如何与高级AI代码助手（如GitHub Copilot）交互，揭示了赋能效益与持续存在的挑战。尽管AI工具提高了效率、可访问性和学习能力，用户在沟通、审查以及保持控制方面仍面临困难，尤其是在高度自动化功能中。参与者的偏好逐渐转向更安全、可控的交互方式，强调了透明和可定制设计的必要性。本文提出了改善人机协作中的可访问性和包容性的可行建议，为在vibe coding新时代中实现更公平的参与铺平了道路。