생체 신호를 활용한 AI 보조 코딩 성과와 인식 이해
Using Biometrics to Understand AI-Assisted Coding Performance and its Perception
AI 기반 코드 어시스턴트는 소프트웨어 개발을 변화시키고 있지만, 개발자의 인지 과정에 어떤 영향을 미치는지에 대한 실증적 증거는 부족하다. 우리는 피험자 내 교차 설계(within-subjects crossover design)를 통해 AI 보조 프로그래밍의 신경생리학적 상관관계를 조사하는 다기관 연구를 제시한다. 이탈리아 바리와 덴마크 코편하겐의 두 대학에서 참가자를 모집했으며, 뇌전도(EEG), 시선 추적(eye-tracking), 피부전도 활동(electrodermal activity), 심박변이(heart rate variability) 데이터를 루브릭 기반 성과 점수 및 NASA Task Load Index(NASA-TLX)를 이용해 여섯 차원으로 측정한 자기보고 작업부하와 함께 수집했다. AI 보조 조건과 비보조 조건 간 생리적 차이, 개발자 경험의 조절 역할, 생리 지표와 성과의 연관성, 주관적 인식과 객관적 측정 간 정렬(alignment)을 다루는 네 가지 가설을 검증했다. AI 보조 하에서 첫 번째 과제 중 EEG $θ/α$ 비율은 더 낮았고 두 번째 과제 중 시선 깜빡임 빈도는 더 높았으며, 이는 개발자가 생성 작업을 모델에 위임할 때 인지적 몰입이 감소했다는 점과 일치한다. 이 패턴은 학부생과 대학원생 간에 차이가 없었다. 피부전도 활동은 비AI 조건에서만 성과와 상관관계를 보였고 AI 조건에서는 그렇지 않았다. 자기보고 작업부하의 여섯 NASA-TLX 차원 중 Physical demand(신체적 요구)만 비AI 조건에서 성과와 연관되었고 AI 조건에서는 그렇지 않았다. 이러한 결과는 AI 보조 프로그래밍이 혼자 코딩하는 것의 더 빠른 버전이 아니라 인지적으로 구별되는 활동임을 시사하며, AI 어시스턴트 설계와 AI 증강 개발 환경에서의 생체 신호 모니터링에 함의를 갖는다.