软件心理学研究论述

导语：软件心理学研究论述一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

软件心理学这门新兴学科逐渐发展，吸引了认知科学、心理学、计算机科学、软件工程、人机交互等各领域学者的参与。欧洲在1987年建立了“程序开发心理学年会”，美国在1986年成立了“程序员实证研究”会议，我国在该领域还处于起步阶段。鉴于软件心理学对软件相关领域的重要作用，有必要对其研究现状进行系统总结。本文第2节概述软件心理学的发展历程；第3节分析软件心理学的内容体系；第4节总结软件心理学各分支领域的研究现状，并阐述对软件工程的应用启示，分析目前研究存在的不足，在此基础上给出未来的研究方向；最后总结软件心理学的总体发展趋势。

软件心理学的发展史

软件心理学发展大致可分为两个阶段［7］，第一阶段是软件心理学的创立和初探阶段，第二阶段为软件心理学的丰富和发展阶段。两个阶段的主要区别是理论基础、研究对象和研究方法不同。20世纪70年代为软件心理学研究的第一阶段，研究学者主要由计算机科学家组成。1971年，Weinberg出版了《程序开发心理学》一书，开辟了软件心理学的新领域。该书从人类行为、社会行为和个人行为等3个角度审视程序开发。但是温伯格坦言，该书中的许多思想未找到“科学依据”，没有很好的理论基础。该阶段采用实验手段研究的代表是Shnei－derman，他采用内省、案例研究和实地研究等手段，对编程风格、项目组织、团队进程、程序员能力倾向和人格特质因素等方面进行了探索［4］。但是，Shneiderman的实验缺乏认知模型的支撑，面临设计问题简单、编程环境失真等问题。20世纪80年代至今为软件心理学发展的第二阶段，吸引了计算机科学家、心理学家和人素工程学家的参与。该阶段以认知模型的构建为特征，采用客观的行为分析作为严格试验方法的补充。从认知心理学引进理论框架，并将其研究成果引入到软件工程中，以促进软件工具的研发，改进编程活动。该阶段弥补了第一阶段的不足：研究对象扩展到专业程序员，而第一阶段的研究对象几乎都是学生；考虑了软件开发的集体性及协作性；所涉及的活动不只是编码，也研究需求规格说明及软件设计；考虑了语言和编程范式对编程活动的影响。纵观软件心理学的发展史，软件心理学的研究方法渐趋成熟、研究内容逐渐丰富、研究学者日益多元化。软件心理学的发展过程是软件工程与心理学融合程度逐步提高的过程。

软件心理学研究体系

从学术文献来看，软件心理学研究的热点主要集中在7个领域：程序设计的认知机制、程序理解理论、专家与新手的差别、程序员人格特质与绩效的关系、程序员情感与绩效的关系、程序员能力倾向测试和人机界面设计。笔者分析了各项研究内容之间的关系，如图1所示。软件心理学的研究从3个层面展开：第一层面为认知活动机理层，第二层面为根源因素层，第三层面为应用层。第一层面从软件生命周期的核心活动出发，研究其认知机制，主要包括软件设计活动的认知机制，以及编码、测试、维护中的程序理解机制。第二层面在第一层面的基础上，研究影响主体绩效的根源因素，一方面研究情感、人格特质对主体绩效的影响；另一方面从“主体的能力是由学习和训练得来的”这一观点出发，研究专家与新手在知识、策略和元认知方面存在怎样的差别。第三个层面是将前两个层面的研究成果应用到软件工程相关的活动中，如将根源因素层的研究成果与心理学测量方法相结合，研究程序员能力倾向测试，用于选拔适合从事软件开发的人员。将程序员的行为和认知机制的研究结果用于指导软件开发环境的人机界面设计。将专家与新手的差别的研究成果应用于软件工程人员的教育与培训。软件心理学在人机交互中主要应用于用户建模及可用性的设计与验证，关注用户描述，对用户的感知、认知和动作进行建模，并构建感知－认知－动作的集成建模。该方面的应用旨在了解和支持人与计算机的交互，使设计的软件或系统的可用性更高。该领域是软件心理学与计算机科学结合最成功的研究领域，存在的评述较多。本文接下来对前6个领域的研究现状及其对软件工程领域的启发展开论述。

主要研究进展

1程序设计的认知机制

研究进展程序设计认知机制主要包含3类元素：知识、策略和过程组织。程序设计知识分为句法知识、语义知识和图式知识［5］。前两类知识与程序语言紧密相关，而图式知识是程序设计的核心。图式（Schema）是主体内部的一种动态的、可变的认知结构单元，是由旧知识组成的无意识的心理结构。图式理论的核心思想是，将主体过去的经历形成模式，在解决问题的时候无意识地匹配和调用与目前情况相符的模式。图式的存在使得人类的认知具有自动加工的特点，同时也是认知失误的重要原因［6］。程序设计图式包括编程图式、结构图式和问题域图式［13］。编程图式是编程领域特有的图式，包括编程基础知识和算法知识等。结构图式是生成和理解文本的重要知识，如1个功能程序的结构图式由3个角色组成：输入、计算和输出。问题域图式是程序要解决的特定问题的领域知识。根据图式理论，程序设计的核心活动是相关图式的激活。程序设计过程就是程序员激活储存于记忆中的适合解决当前问题的若干图式，并对这些图式进行组合的过程。以图式为核心的程序设计模型以Adelson模型［7－9］和Détienne模型［10］为代表，将程序设计认知活动视为图式检索、图式匹配、解决方案评价、调试和通用化［7，8］的过程。程序设计的策略［11－13］包括：①自顶向下和自底向上。自顶向下是指将总体问题逐层分解为小问题解决的策略，自底向上是从细节到总体逐步构造的策略。②向前和向后。向前设计模式即程序解决方案按照执行方向设计，向后设计模式即程序解决方案按照与执行相反的方向设计。③广度优先和深度优先策略。广度优先策略是先解决完一个层面的所有问题，再解决低一个层面的问题，深度优先策略是将一个问题从上到下解决完成后再解决其它问题。④过程式和声明式策略。若编程方案是规程控制，则是过程式的。若编程方案用于声明静态属性，如对象、角色等，则是声明式的。⑤心理模拟，用于评价问题解决方案。程序员在不同情境下会使用不同的策略，策略的触发情景包括编程语言的认知维度［14］、编程环境特征、问题类型和程序员自身思维方式和已获得的图式，程序员趋于选择自己熟悉和使用频率高的策略［15］。程序设计的过程组织有两种方式。一种为结构化组织方式，认为程序设计是按照自顶向下、宽度优先的方式组织的。但是实验发现，实际的程序设计过程并不是严格按照这种结构化的过程进行的。程序员设计或编程过程中会出现机会性的偏离［16］，即程序员（设计师）以实现目标为第一要务，不受规则的限制，自顶向下和自底向上、深度优先和宽度优先策略都会用到，取决于具体的情景。存在许多支持该模型的实验研究结果，如程序员有时会优先实现他认为最重要的功能。这种认知策略会被多个因素触发，如资源限制。当工作记忆超出容量时，结构化的工作模式就会失效，由宽度优先策略跳变为深度优先策略，产生机会主义偏离，即机会主义组织方式。

应用与启示从程序设计认知机制可以看出，良好的知识结构（设计模式）、恰当的策略和过程组织将促进设计工作的开展。基于此，可设计出更适合程序员使用的软件开发工具。在软件开发环境中提供可视化的结构图式和知识图式支持，对程序员具有重要的辅助作用。如在面向对象编程工具中提供一个通用化的对象图式，包括创建、初始化、读、写、输入和输出功能；在开发工具中提供控制流、数据流和功能分解图等。同时，领域知识库的构建对软件开发具有重要意义，也是软件开发工具面临的一个新挑战［17］。程序员机会偏离现象说明，编程环境不能过分强制程序员按照自顶向下的方式编程［18］。编程环境应提供相对灵活的导航工具，以便程序员在不同对象之间快速切换。在支持机会主义偏离的情况下，同时也要提供未完成任务的追踪功能，因为发生机会主义偏离后，被中断的任务搁置后容易被遗忘。

不足与展望程序设计的一个重要特点就是解决的问题是“不明确的问题”（ill－definedproblem）［13，18］，存在需求描述不清晰、缺失等问题；并且，一个问题可能存在多个解决方案，无法通过单一的标准进行评价，甚至无法评价。因此，对所要解决的问题的表征（representation）非常重要，问题表征中生成的情景模型直接影响设计方案的生成，也与设计方案共同演化，是造成个体差异的重要活动之一［19］。而目前的研究都是假设所有程序员对问题的表征是一致的，缺乏对程序员问题表征的研究。分析程序员的问题表征，将其集成到程序设计认知模型中，是未来的研究趋势［13，19］。目前的认知模型将设计的核心活动简化为图式检索、匹配和评价的过程。而实际项目中，程序员可能面临知识不足的问题。因此学习成为程序设计中一项重要的认知活动。学习中理解和集成图式将占用大量的工作记忆资源（germaneload）［20］，对程序设计的其它活动存在重要影响。而目前的认知模型均缺乏对学习活动的研究，这将是未来研究的一个重要内容。最后，人类认知的一个重要特性就是具有主动监控和调节的高级能力，即关于“认知的认知”———元认知能力。元认知能力与认知失效调节及问题解决能力密切相关［21］，而目前的认知模型几乎都没有考虑这一全局性的认知活动。研究程序设计元认知能力对程序设计其它活动的影响机理及其评价和训练方法，对程序员的选拔和培训具有重要应用价值，将是未来一项重要的研究方向［22］。

2程序理解机制

程序理解可谓是程序开发心理学最古老的课题之一。它解决的核心问题是，程序员如何处理源代码和构建高效的软件系统［23］。研究程序员程序理解的行为和策略，以此指导软件可视化编程环境的开发［24］。

研究进展程序理解理论最初从文本理解理论借鉴而来。文本理解是通过信息加工构造表征的过程。该过程翻译文本中包含的显式信息，并调用经验知识得到推断信息，再将两类信息综合为一体。即信息加工过程的信息有两个来源：外源，编码在文本中的信息；内源，存储在记忆中的知识。Letovsky模型［25］使用知识库、心智模型（内部表征）和同化过程，从较高的抽象层次描述了这一过程。程序理解模型包括3类：功能方法，理解程序等价于利用知识图式；结构化方法，理解程序等价于构造关系网；心智模型方法，理解程序等价于构造详细的情景表征。功能方法的核心假设是，程序理解就是激活和实例化知识图式。程序理解的活动包括：激活储存在记忆中的图式，利用从程序代码中提取的索引，并从援引的图式出发推断程序所包含的某些信息。功能理解模型的主要代表是Soloway模型［26］。结构化方法认为，理解程序就是构造命题之间的关系网。程序可以用顺序、迭代和条件等控制结构的基本单位来描述。专家利用结构图式识别结构单元（顺序、迭代和条件），然后构造不同层次的表征。结构化方法的模型主要有Shneiderman＆Mayer模型［27］。心智模型方法认为，程序理解就是构造情境表征。这就需要区分两类模型：程序模型和情景模型。程序模型与自然文本理解中的命题模型和文本库概念类似，反映程序在命题层次包含什么内容。而情景模型反映问题领域的实体及其关系，即问题目标及数据流。程序的理解首先需要构造程序模型，这依赖于结构化知识，特别是编程语言的语义和句法知识；在此基础上，构建情景模型，从而达到对程序的理解。心智模型主要有Pennington模型［28］。Mayrhauser集成元模型［29］将Soloway模型和Penning－ton组合起来，并且实验证明，程序员在3个理解过程中转换。该模型由4个部分组成：自顶向下、情境模型、程序模型和知识库。前3个部分反映理解过程，知识库是构建其它3个部分的必要因素，为程序理解过程提供相关信息并存储推断得出的新信息。

应用与启示对程序理解原理的研究，可指导程序理解辅助工具的设计［30］。如在程序浏览方面，对于自顶向下的理解过程，需要提供从顶层的抽象信息到底层的细节信息的浏览；对于自底向上的理解过程，需要提供控制流和数据流浏览；工具还需要同时提供宽度优先和深度优先的浏览，才能同时满足专家和新手的要求。除此之外，工具代码及注释检索功能将大大提高程序理解效率［31］。同时需要提供能够让程序员询问变量角色等的询问功能。最后，应考虑为程序理解提供一些其它认知支持手段，如为专家提供外部便签薄，为新手提供教学辅助，使其能够实时地获得语言和领域知识。集成领域知识将提高程序理解效率［32］。

不足与展望首先，在实际的软件项目中，维护人员很可能不是程序编写者，程序理解过程中通常伴随新知识的学习。因此，随着编程人员和技术的变化，终端用户相关的学习理论将成为一个研究趋势。第二，从理解模型可以看出，领域知识在程序理解过程中发挥重要作用。领域知识的集成是一大难点，也是未来的重要研究方向之一。第三，目前程序理解理论主要研究个体的认知机制，程序理解将向社会化组织化的方面扩展，同地合作和分布式合作方面将受到关注。第四，在工具方面，未来程序理解辅助工具将向快速改进、综合化、集成建议和搜索功能、接口高适应性、可视化、支持团队合作等方向发展［30］。

3专家与新手的差别

研究进展程序员的技能在很大程度上是一种习得性能力，因而研究专家与新手的差别对程序员的教育和培训有着重要意义。专家和新手的差别主要表现在4个方面：知识、策略、熟练程度和元认知［33］。专家与新手在领域知识和编程知识方面存在较大差别。Adelson＆Soloway［7］和Burkhardt等人［34］发现，新手在领域知识方面的欠缺将导致其在构建情景模型方面存在困难，但是并不影响其构建程序模型。Schraagen［35］发现，即使都是有经验的程序员，领域知识欠缺的程序员的解决方案也会比领域知识丰富的程序员给出的方案差。因此，区分专家与新手的一个重要因素就是领域知识的掌握情况。在编程知识方面，Rist［36］发现新手更关注语言句法等表面细节信息，而专家更关注于语义信息或设计模式等深层次的信息。Soloway和Adelson等人发现［7］，专家在解决模式化问题时的表现比新手好，而在解决非模式化问题时却不存在显著差别。Wiedenbeck［37］同样发现专家倾向于记住程序的语义等抽象表征信息，而新手倾向于记住程序的函数和语义等具体信息。Ye［38］指出，专家比新手拥有更大的图式组块（chunks），在他所研究的样本中，与新手相比，专家在C语言方面的概念块更抽象，组成元素更多。由于知识的组块，对新手是多个图式，对专家却可能只是一个图式，这使得专家的工作记忆能够调用和处理更多的信息。专家与新手除了在知识的数量与组织结构上存在差别之外，在知识的使用策略方面也存在显著差别。经验丰富的程序员倾向于使用自顶向下、宽度优先和向前的策略，而新手倾向于使用自底向上、深度优先和向后的策略［7，33，40，41］；并且专家的编程策略可以在不同的问题上重用。Schraagen［35］指出，即使面临新的问题，良好的策略也能保障他们以较为结构化的方式解决问题。Ko［42］发现，即使在陌生的编程环境中，也不会影响专家程序员的问题理解策略。专家与新手在元认知方面存在重大差别。研究［33］发现，专家能够更好地意识到所犯的错误，并及时对生成的问题解决方案进行验证。专家元认知能力也表现在专家更善于利用外界记忆辅助设施（如笔记）作更多的注释［43］。

应用与启示专家和新手不只是存在知识占有多少的差别，在知识的组织、知识的使用策略、熟练程度和元认知方面也存在差别，这对软件工程人员的培训和学习以及专家系统的设计有重要指导意义。对程序员的培训不能只灌输编程语言规则等显性知识，还需要启发其分析知识之间的关系，以及不同解决方案使用的场景，进而形成高层次的图式；还需对知识使用策略和元认知进行训练；在培训的方式上，仅采用书本和授课方式是不够的，由于专家具有实用主义和自动化的特点［44］，因此需要设计具体的任务对其进行实战训练。

不足与展望在弄清专家与新手的差别，特别是找到新手存在的缺点后，新手的学习和教育就成为重要的研究课题［45，46］。面向对象编程教育及可视化教育工具的开发成为近年来的一个研究热点［47］。

4程序员人格特质与绩效的关系

大量证据表明，软件开发中程序员的生产率和能力存在着巨大差别。具有相似背景的程序员在编程绩效方面存在巨大差别，学者们猜想，只有存在某种“固有的人格特质”才能解释这种差别。该领域的研究对程序员的选拔具有重要指导意义。

研究进展目前软件心理学领域主要采用迈尔斯－布里格斯类型指标（MBTI）和五因素模型［48］来研究人格特质类型与程序员绩效之间的联系。根据MTBI理论分析［49］：①在思考（thinking）／情感（feeling）维度方面（T／F），要检测和修改编程错误，克服语言错误，编程工作需要逻辑和分析能力，思考型比情感型更能胜任编程工作。②在感觉（sensing）／直觉（intuiting）方面（S／N），感觉型人更倾向于一步一步达到目标，对工作和细节更有耐性；而直觉型人工作更依赖于预感和直觉；但是直觉型人对复杂任务更感兴趣，感知型人更适合简单任务。③外向型（extrovert）／内向型（introvert）维度（E／I），内向型人更注意细节，在行动前喜欢彻底思考事情；外向型人思考问题倾向于表面化。在E／I维度的实证研究方面：David研究了MBTI与代码审查能力之间的关系，实验证明，E／I维度与代码理解能力之间存在强关联关系［50］；Capretz［51］研究结果表明，软件工程人员大部分都是内向型性格；Chandler等人［52］发现，计算机专业的研究生主要都是内向、感知和判断型的；在程序员人格特质调查中，Turley发现软件行业样本中90％是内向型人［53］。在SN维度实证研究方面：Bishop［54，55］发现直觉型人在解决问题中表现得更好；Whitley［49］发现直觉型的学生确实更具编程潜能；Capretz［56］研究发现，他的专业程序员样本中直觉型人所占比例远远超过一般人群，他认为直觉型、思考型，特别是直觉－思考型在编程相关任务中能够工作得更好；Devito研究了MBTI与代码审查能力之间的关系［57］，发现直觉型人比感知型表现好，直觉－思考型表现尤其好。在TF维度实证研究方面：Bishop［55］认为，完成软件开发中的一些任务（特别是问题解决相关领域的任务），需要在规定的限制条件下执行标准化过程，需要进行客观的逻辑的分析，思考型人更能胜任；Turley和Bieman［53］的研究表明，他们的样本中85％是思考型人；Capretz的专业程序员样本中81％是思考型；Chandler等人的计算机专业学生中86％是思考型；Myers研究表明，思考型人更适合于与逻辑思考有关的任务［58］。

应用与启示在现代软件人员选拔和项目管理中，人员的性格因素不容忽视。人员选拔需要根据角色的任务特点，选择适宜性格的人员，如直觉－思考型人普遍更适宜作编程工作；而需求分析更偏重交流能力，外向型性格比内向型性格更为适宜。实验表明，如果IT企业能够根据雇员的性格特点和潜能进行优化组织，生产效率和质量都可能得到提高［56，59］。

不足与展望正如Whitley所说［49］，人格特质与绩效方面的研究是相关性研究，而不是本质上的实验研究，不能得出因果关系推论，不能说编程潜力、态度和行为的差别是由于人格类型导致的。需要对这种相关关系进行深入的机理研究，给出人格特质与绩效之间的相关关系的合理解释，这将是未来的一项重要的研究内容。在找到性格类型与能力偏好的关系的基础上，对于一个特定任务，如何选择和搭配团队成员以形成更加和谐、高效和多样化的团队也是未来一项重要的研究内容［48］。

5程序员情感与绩效的关系

情感（moods）是指“心境或主要情绪的意识状态”［60］。Merriam－Webster字典将情绪（emotion）定义为“意识的情感方面，一种感觉状态，是一种有意识的心智反应（如愤怒或恐惧），对特定对象的强烈感觉体验，一般伴随有身理的和行为的变化”。情感和情绪都是感情状态。情感持续的时间更长，引起的原因没有情绪明确。情感可以持续一两天或者更久，而情绪在几分钟或者几秒钟之内发生或者消逝。大多数心理学家认为情绪和情感在本质上是一样的。几乎所有的日常活动都受到情绪的影响，从驾驶飞机到编程，无一例外都能感受到正面或者负面情绪。情绪可能破坏日常任务，通常会对精力、睡眠和思维造成干扰，严重的可能导致疼痛。研究发现，情感会影响人类的多种活动，如创造性、记忆、推理、行为、认知加工、信息加工、学习、决策和工作绩效［60］。

研究进展虽然情感与绩效关系方面存在大量研究，但是很少有针对IT专业人士的情绪研究。近年心理学领域开展了情绪对行为的影响研究，情绪对IT专业人士的影响的研究却很少［60］。情绪心理学相关研究表明，情感影响推理。而推理是编程的必要元素，如果情感能影响推理能力，那也可能会影响程序员的绩效。Khan［61］设计了实验来测试情感对程序员调试任务的影响。其方法是让程序员在开始调试任务之前，先观看几组激发特定情绪的录像带，比对各组任务绩效。结果表明，情绪的觉醒水平对调试任务存在重大影响，而情绪的效价对任务的影响却不明显。即程序员检测和改正错误的能力依赖于情绪的觉醒水平。Good等人［62］意识到情感对程序员绩效的影响，在计算机实验室中引进了表达和监控学生情绪的设备。实验表明，此设备有助于学生的情绪表达、交流与修复，进而促进学业成绩，获得了良好的反馈。

应用与启示情感对编程绩效存在影响，该领域的研究对程序员的管理有着重要指导意义。如情绪的觉醒水平对调试任务存在重大影响，企业管理中就需要尽量避免员工情绪出现大幅波动，过于高兴或悲伤都对工作不利。需要避免员工带着负面情绪工作，思维受到影响可能引入严重的软件缺陷。情感波动对编程绩效存在较大影响，组织在选拔程序员过程中可参考此因素，优选那些情绪稳定型人格特质程序员负责关键性任务。可用大五人格测量中的神经质维度（neu－roticism）问卷衡量情绪稳定性。

不足与展望针对程序员情绪的研究目前还处于实验室研究阶段，这与实际工程项目中程序员的工作环境存在巨大差别；并且情绪具有实时性和积累效应，如何在不侵扰程序员编程工作的条件下，实时地检测程序员情绪进而帮助其调节情绪是未来的发展趋势。文献［63］提出通过程序员使用鼠标和键盘的信息来监测程序员的情绪。文献［64］提出通过增加人机界面的情感意识（emotionawareness）设计来促进用户的正面情绪。

6编程能力倾向测试

众所周知，有些人认为学编程很困难，而有些人却觉得很简单。要可靠地将这两类人识别出来却是一个大问题。编程能力倾向测试旨在解决这样的问题。

研究进展Wilson＆Shrock［65］研究了12个预测因子后发现，有3个预测因子与编程能力有着重要的相关关系，依次是：舒适水平、数学和归因（把成功归因于运气的学生编程能力较差）。Beise等［66］考察了年龄、种族和性别与编程入门课程之间的关系，从统计学上表明，性别和年龄都不是有效的预测因子。Nathan等人发现学生的预期是一个重要影响因素，那些预期自己能得“A”的学生更容易成功［67，68］。Lister等［69］、Fincher等［70］、deRaadt等［71］、Simon等［72］、Tolhurst等［73］指出，在编程入门课程中表现差的学生缺乏问题解决能力。Stuart实验发现，系统商数（SQ）－移情商数（EQ）与编程存在强正相关［74］。Simon等人［75］、Sue＆Gary［76］、Tolhurst等人［73］都发现，学生的空间观想能力与编程能力存在正相关，地图描绘实验中画俯瞰图的学生在课程中得分更高，画路线图的学生成绩比俯瞰图的差，画路标图的学生成绩最差。空间观想能力与代码导航能力有关，进而关系到程序心智模型的构建。

应用与启示编程能力倾向测试可以提供学业和就业方向咨询，选择那些适合学习编程的学生，提高编程课程的通过率，减少计算机学生的退学率［77］；为企业选拔更适合编程的员工，并识别哪些员工需要进行计算机相关训练。

不足与展望可以看出，目前该领域的研究未能取得公认统一的结论。学者们对预测因子的选取具有较大随意性，各自提出的预测因子繁多且缺乏系统性。究其原因，研究者们未能对软件工程中各种角色所需的认知能力进行机理层面的分析。相关性分析不能说明因果关系。学生在某种任务中的绩效与编程绩效相关只能说明该项任务与编程任务在所需的认知活动上存在某种程度的交叠。因此，用这些因子预测学生将来的编程表现是不够合理的。作为编程能力潜力的预测因子，需要选取与编程认知活动密切相关且相对稳定的因素。本文前几节的分析和总结对编程能力倾向测试的未来研究方向具有重要启发：1）编程能力在很大程度上是习得性能力，知识与经验的差异是程序员个体差异的最主要原因。因此在个体经历和其它条件相同的情况下，学习能力的差异是影响程序员未来编程能力的一个重要因素。同时，学习能力是一项较为稳定的能力，可作为编程潜力预测因子之一。2）软件工程的核心认知活动是问题解决（problemsol－ving），而元认知对问题解决活动进行监控与调节。元认知能力的高低对问题解决绩效起着重要影响［78］，并且元认知能力也是较为稳定的高级能力［21］，可作为编程潜力预测因子之一。3）情绪、动机（motivation）等因素对认知活动存在较大影响。同样，在外界刺激条件下，人格特质是个体情绪动机差异的决定因素，且人格特质具有长期稳定的特点，可探索部分人格特质维度作为编程潜力的预测因子，如情绪稳定性。总之，编程能力倾向测试的未来研究应着眼于分析软件工程的任务活动特征，识别那些对编程活动有着因果关系且较为稳定的因素作为预测因子，才可能达到“潜力测试”的效果。

结束语

尽管自1987年召开首届程序开发心理学年会以来，软件心理学研究领域取得了上述的若干成果，但其总体上仍存在不足：1）目前软件心理学的研究对象主要是程序员，对软件工程中的其它角色如需求分析师、软件测试工程师、项目管理人员等研究较少。2）目前的研究主要考察个体的行为。而现代软件项目是大量人员合作完成的，个体之间的合作与交流日益重要。对编程中的合作与交流的研究是近年呈现的新热点［79］。3）软件心理学研究成果未能在软件工程中得到充分应用。如软件工程中缺乏对程序员使用的编程环境可用性的考虑，即使有少数系统考虑，也将其视为技术问题，而不是人－机系统问题。近年来软件工程学者开始意识到人的问题，开始采用编程活动模型来评价开发工具的可用性。但总体而言，软件心理学呈现与软件工程应用结合越来越紧密的趋势。将软件心理学与软件可靠性工程中各项技术相结合［80］，对改进缺陷预防［22］、改善容错设计都具有重要应用价值。最后，笔者建议，进一步加强软件心理学和软件工程两大团体之间的交流，以软件工程需求为牵引，开展软件心理学基础研究，同时给出软件工程可实施的方法和技术，这将是推动软件心理学发展、实现其应用价值的根本思路。

作者：黄抚群刘斌王轶辰单位：北京航空航天大学可靠性与系统工程学院