Towards debiasing code review support

认知偏见在代码审查过程中出现，它们显著影响反馈的创建以及开发人员对反馈的解释。这些偏见可能导致不合逻辑的推理和决策，违反了支持代码审查的主要假设之一：开发人员对代码进行准确和客观的评估。本文探讨了在代码审查过程中由认知偏见引起的有害情况以及避免这些情况或减轻其影响的潜在解决方案。特别地，我们设计了几个原型，涵盖了确认偏见和决策疲劳。我们采用以开发人员为中心的设计方法，通过进行可用性测试和使用用户体验问卷（UEQ）和参与者反馈来验证原型。我们展示了一些技术可以实现在现有的代码审查工具中，因为它们被评审人员广泛接受，并有助于预防有害于代码审查的行为。本研究提供了治疗代码审查中认知偏见的坚实第一步。

解决代码审查中认知偏见带来的问题，保证开发人员对代码的准确和客观评估。

通过设计几个原型解决确认偏差和决策疲劳问题，并在开发人员中进行用户体验测试和验证，展示了一些技术可以帮助预防有害的代码审查行为。

论文采用了开发人员为中心的设计方法，通过用户体验问卷和参与者反馈验证了原型的可接受性。研究者还提出了一些可以在现有代码审查工具中实现的技术。

近期的相关研究包括《机器学习方法在代码审查中的应用》、《软件工程中的认知偏差研究》等。