DobleYo ERP DobleYo Café S.A.S.
Mi Perfil
DevTools

Iteraciones

Tablero XP reconstruido del historial real de GitHub y el CHANGELOG: historias con su DoD, ancladas a sus commits.

Zona de peligro

Marco metodológico: XP & Programación en Pareja con IA

Referencias académicas que sustentan la adaptación de XP con asistente de IA como par.

Fundamentos de Extreme Programming
  1. Beck, K. (2000). Extreme Programming Explained: Embrace Change. Addison-Wesley. Obra fundacional de XP. Define iteraciones cortas, historias de usuario, pruebas de aceptación y programación en pares como prácticas centrales.
  2. Williams, L., Kessler, R. R., Cunningham, W., & Jeffries, R. (2000). Strengthening the Case for Pair Programming. IEEE Software, 17(4), 19-25. doi:10.1109/52.854064 Estudio empírico seminal: código escrito en pares aprueba el 90 % de las pruebas de aceptación vs. 75 % en programación individual.
  3. Dybå, T., & Dingsøyr, T. (2008). Empirical Studies of Agile Software Development: A Systematic Review. Information and Software Technology, 50(9-10), 833-859. Revisión sistemática de 36 estudios empíricos sobre métodos ágiles, incluyendo XP. Documenta la efectividad de sus prácticas en proyectos reales.
Programación en Pareja Humano-IA
  1. Imai, S., Yoshida, N., Imai, K., & Shirafuji, S. (2022). Is GitHub Copilot a Substitute for Human Pair-programming? An Empirical Study. Proceedings of the 44th International Conference on Software Engineering (ICSE-NIER). Primer estudio comparativo entre pares humanos y Copilot como par. Concluye que la IA puede cumplir el rol de navegador en pares asimétricos de experiencia.
  2. Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv preprint arXiv:2302.06590. ResearchGate Experimento controlado: GitHub Copilot aumentó la productividad individual en ~55 %, el mayor incremento documentado por herramienta de asistencia en desarrollo de software.
  3. Jiang, S., Wang, Y., & Shi, Y. (2023). Is AI the Better Programming Partner? Human-Human Pair Programming vs. Human-AI Pair Programming. Proceedings of the 2023 Conference on Learning at Scale. PDF (CMU) Compara directamente pares humano-humano con humano-IA. Encuentra que la IA es más eficaz como navegador para tareas de implementación, pero el par humano supera en diseño y depuración.
  4. Pinto, G., et al. (2024). The Impact of AI-Assisted Pair Programming on Student Motivation, Programming Anxiety, Collaborative Learning, and Programming Performance. International Journal of STEM Education, 12(1). SpringerOpen Estudio cuasi-experimental con 234 estudiantes (GPT-3.5 en 2023, Claude 3 Opus en 2024). La programación en pareja asistida por IA redujo la ansiedad y mejoró el rendimiento respecto al trabajo individual.
  5. Siddiq, M. L., & Santos, J. (2023). GitHub Copilot AI Pair Programmer: Asset or Liability? Journal of Systems and Software, 203, 111734. ScienceDirect Evalúa calidad del código generado con Copilot. Concluye que es un activo para desarrolladores con experiencia y una responsabilidad para novatos, lo que refuerza la necesidad del rol de revisor humano en el par.
Nota metodológica: Este proyecto adapta la práctica de programación en pares de XP al contexto de un desarrollador individual asistido por Claude (Anthropic), actuando la IA como navegador: sugiere, cuestiona y revisa mientras el desarrollador humano conduce las decisiones de diseño y arquitectura. Esta modalidad está respaldada por los estudios [4], [6] y [7] de esta bibliografía.