0:00:05.040,0:00:09.280
Gracias por tenerme aquí.
Este es un trabajo que hice con mi

0:00:09.840,0:00:16.320
estudiante de maestría Reza y mi postdoc Gema que ahora es un profesor en UBC Okanagan.

0:00:17.040,0:00:22.000
Queríamos ver el sesgo cuando la gente está evaluando la contribución de código en

0:00:22.000,0:00:27.520
el software de código abierto, y si hay sesgo, lo que la población de las personas 

0:00:27.520,0:00:36.000
que contribuyen en el software de código abierto es.
Creo que voy a empezar.

0:00:37.680,0:00:45.840
El software de código abierto a menudo piensa en sí mismo como una meritocracia y a menudo lo es, pero - y

0:00:45.840,0:00:50.320
piensan que, ya sabes, la calidad de la contribución es la clave aquí y no importa

0:00:50.320,0:00:57.160
quién está contribuyendo, de dónde están contribuyendo, y eso es - eso es popular -.

0:00:57.840,0:01:03.680
Nuestras investigaciones anteriores han demostrado que hay algunas asalvedades sobre esto.

0:01:03.680,0:01:11.920
Han encontrado que el género tiene un papel que desempeñar cuando se evalúan las contribuciones de código abierto.

0:01:11.920,0:01:18.800
La investigación también ha demostrado que las contribuciones de diferentes países pueden tener diferentes probabilidades

0:01:18.800,0:01:24.080
de ser aceptadas.
Pero una cosa que no vimos es la raza,

0:01:24.880,0:01:31.040
y - y hay algunas pruebas de que los desarrolladores entienden 

0:01:31.600,0:01:36.960
la raza y el origen étnico de otros miembros en sus proyectos de código abierto, incluso si no se han reunido con

0:01:36.960,0:01:45.600
ellos, incluso si es completamente remoto, ¿verdad?
Hoy en día la empresa o la investigación industrial -

0:01:46.160,0:01:49.600
el desarrollo industrial ocurre a distancia, pero el software de código abierto ha estado ocurriendo

0:01:49.600,0:01:54.880
de forma remota desde hace décadas, ¿verdad?, e incluso en ese caso son conscientes de la

0:01:54.880,0:01:59.680
etnia de los miembros de su equipo.
Y en esa encuesta también encontraron que

0:01:59.680,0:02:08.400
alrededor del 30 por ciento de ellos han enfrentado algún tipo de experiencia negativa debido a su identidad.

0:02:09.440,0:02:19.040
Y lo que queríamos ver era si la etnia de la persona que hace

0:02:19.040,0:02:25.360
la contribución tiene algún impacto en la aceptación de su contribución.

0:02:25.360,0:02:31.280
Y lo que pensamos es que al conocer esa etnia -al ver un nombre- algo

0:02:31.280,0:02:36.080
en mi cerebro se activa y algún prejuicio que podría tener hacia esa raza o

0:02:36.080,0:02:44.320
etnia podría entrar en acción, y podría ver esa contribución como algo no muy bueno, ¿no?

0:02:44.320,0:02:49.520
En este caso, simplemente mirando mi nombre y diciendo, oh esto parece un contribuyente del sur de Asia,

0:02:49.520,0:02:54.880
por lo que este va a ser un buen, o algo así, y luego aceptar la contribución.

0:02:56.400,0:03:03.840
Así que lo que queríamos era recoger pruebas cuantitativas de si esto se produce o no.

0:03:04.400,0:03:10.640
Así que tomamos alrededor de 46.000 proyectos de GitHub, que tenían al menos 10 estrellas,

0:03:10.640,0:03:14.000
y eran no triviales en algún sentido - no eran proyectos de estudiantes.

0:03:14.640,0:03:21.280
Obtuvimos alrededor de 2,5 millones de pull requests de los mismos, y tomamos los nombres de las personas que

0:03:21.280,0:03:25.840
hicieron estas contribuciones, y utilizando una herramienta llamada NamePrism

0:03:26.400,0:03:29.040
extrajimos la raza y el origen étnico del nombre.

0:03:29.600,0:03:35.360
Así que obtuvimos la raza y el origen étnico de unos 493.000 desarrolladores.

0:03:36.000,0:03:43.360
Así que uno podría - quiero decir, la herramienta da un tipo de salida y dice que este nombre suena hispano

0:03:43.360,0:03:51.040
con una probabilidad del 97 por ciento o este por ciento este nombre suena blanco con una probabilidad del 51 por ciento.

0:03:51.040,0:03:54.800
Ahora se puede pensar, oye, va a haber problemas aquí, y va a haber 

0:03:54.800,0:04:01.360
problemas aquí, ya sabes un muy - Juan Pérez podría ser un nombre y no se sabe

0:04:01.360,0:04:04.800
qué raza o etnia que podría ser.
Podrías pensar que en realidad es una persona blanca

0:04:05.360,0:04:10.240
aunque no lo sea.
Pero descubrimos que siempre que la

0:04:10.240,0:04:15.040
herramienta se equivoca sobre la raza o la etnia de alguien, los humanos también cometen el mismo error sobre la

0:04:16.000,0:04:20.240
raza o la etnia de esa persona.
Así que la herramienta es tan buena como las personas

0:04:20.240,0:04:23.280
a la hora de determinar la raza o la etnia de una persona a partir de su nombre.

0:04:24.560,0:04:30.320
Así que tomamos eso y el primer resultado sorprendente que obtuvimos fue que menos del 10 por ciento de

0:04:30.320,0:04:38.560
las contribuciones que pudimos identificar provenían de un desarrollador no blanco, y eso incluye

0:04:38.560,0:04:45.760
a los desarrolladores asiáticos, hispanos y negros juntos, ¿verdad?

0:04:47.600,0:04:55.680
Encontramos un desarrollador de Alaska o un nativo americano en todo el conjunto de datos, que es

0:04:55.680,0:04:59.440
en sí mismo - podríamos haber detenido el estudio aquí y decir, sabes qué, esto es - esto

0:04:59.440,0:05:04.560
es bastante malo, ya que menos del 10 por ciento de las contribuciones provienen de desarrolladores no blancos,

0:05:04.560,0:05:12.240
o percibidos como no blancos.
Queríamos ver, teniendo en cuenta esta población más pequeña,

0:05:12.240,0:05:17.920
si hay un impacto aún mayor en si sus contribuciones están siendo aceptadas o no.

0:05:17.920,0:05:23.360
Y lo que hicimos es que recopilamos toda una serie de métricas además de su raza o

0:05:23.360,0:05:31.120
etnia, como, ya sabes, su experiencia, cuánto tiempo han estado trabajando

0:05:31.120,0:05:35.680
en ese proyecto en particular, cuántos archivos han cambiado, un montón de otras variables.

0:05:35.680,0:05:39.280
Y construimos este modelo de regresión para averiguar si

0:05:41.520,0:05:45.760
su contribución sería aceptada o no.
¿Podemos predecir si la contribución de alguien

0:05:45.760,0:05:50.560
será aceptada - aceptada o no, y encontrar la probabilidad de que su contribución sea aceptada?

0:05:51.520,0:05:55.280
Lo que encontramos es que hay una relación

0:05:55.920,0:06:00.720
entre la raza o etnia de alguien a partir de sus nombres y si sus contribuciones

0:06:00.720,0:06:03.600
van a ser aceptadas.
Así que lo que encontramos es que

0:06:03.600,0:06:09.280
los desarrolladores hispanos tienen alrededor de un seis por ciento menos de probabilidades de obtener su pull request aceptada.

0:06:09.920,0:06:16.080
Tenga en cuenta que esto es el control de su experiencia y varias otras métricas, así

0:06:16.880,0:06:22.240
Y los desarrolladores de API que son asiáticos o de las islas del Pacífico tienen un 10% menos de probabilidades

0:06:22.240,0:06:28.000
de que se acepte su pull request.
Así que hay una - hay una fuerte evidencia

0:06:28.000,0:06:34.080
de que las personas no blancas tienen sus contribuciones aceptadas en una tasa más baja.

0:06:34.080,0:06:39.360
También queríamos ver si esto era cierto cuando también se tiene en cuenta 

0:06:41.040,0:06:44.880
la etnia de la persona que integra el código.

0:06:45.600,0:06:50.720
Y encontramos que los desarrolladores no blancos son en realidad más propensos a obtener sus contribuciones

0:06:50.720,0:06:58.240
aceptadas cuando el integrador es también de la misma etnia, a la derecha, y para dar algunos resultados,

0:06:58.800,0:07:05.040
cuando se trata de hispanos - un desarrollador hispano va a tener un 75 por ciento más de probabilidades

0:07:05.040,0:07:10.560
de obtener su pull request aceptado cuando el integrador también se estima como hispano.

0:07:11.120,0:07:15.920
Y cuando se trata de asiáticos e isleños del Pacífico es un 36% más alto.

0:07:15.920,0:07:20.080
Esto es en comparación con cuando la persona que integra el código es un desarrollador blanco.

0:07:20.880,0:07:28.240
Y el resultado más marcado es cuando se trata de un desarrollador negro y aquí no es el nueve por ciento

0:07:28.240,0:07:33.520
es en realidad nueve veces más probabilidades por lo que es el 900 por ciento,

0:07:33.520,0:07:43.280
bien, así que esto es una cantidad muy, muy considerable de - un resultado considerable aquí, bien.

0:07:43.280,0:07:51.040
Así que sabemos a partir de estos resultados que una - que la representación es desproporcionada

0:07:51.040,0:07:57.840
a la población de personas y que inconsciente - el sesgo inconsciente puede existir.

0:07:58.480,0:08:04.400
Ahora bien, no puede ser que alguien está diciendo, oh, esta persona es asiática y por lo tanto

0:08:04.400,0:08:08.480
voy a rechazar su solicitud de extracción, o esta persona es hispana voy a rechazar su pull request.

0:08:09.200,0:08:13.120
Pero puede haber otros factores que alguien podría asociar con ellos, bien,

0:08:14.080,0:08:21.600
el Inglés no es bueno en su comentario o no entiendo, ya sabes,

0:08:22.480,0:08:28.320
los nombres de las variables que han utilizado, o, ya sabes, o que esta persona no es tan experimentada

0:08:28.320,0:08:33.040
como yo pensaba que era, que no es algo que vimos en la primera diapositiva - vimos que

0:08:33.040,0:08:37.840
- es - sólo la contribución importa y no tanto los otros factores, ¿verdad?.

0:08:38.640,0:08:42.640
¿Y ahora qué?
¿Hacemos, por ejemplo,

0:08:42.640,0:08:46.240
una evaluación ciega del autor en GitHub,
simplemente eliminar el nombre para que

0:08:46.240,0:08:51.920
no se sepa quién es?
No lo creo - Creo que podemos utilizar los

0:08:51.920,0:08:59.200
nombres de los autores y apoyar activamente a un grupo diverso de contribuyentes - contribuyendo en sus proyectos.

0:08:59.200,0:09:02.960
Así que saber que esta persona es de un lugar o etnia diferente,

0:09:02.960,0:09:07.120
saber que puede ser un nuevo usuario,
ayúdales a que esa contribución sea aceptada,

0:09:07.120,0:09:11.120
no lo ignores, no lo rechaces, incluso si lo vas a rechazar, por favor, dales una

0:09:11.120,0:09:15.280
retroalimentación constructiva para que la próxima vez puedan conseguir que su pull request sea aceptada.

0:09:16.240,0:09:19.520
Así que con eso voy a compartir algunos de los documentos que tenemos.

0:09:19.520,0:09:21.840
Esto - estos documentos tienen más detalles sobre

0:09:22.880,0:09:26.960
los proyectos que hicimos y todos los ajustes experimentales específicos,

0:09:27.520,0:09:32.880
todos nuestros datos y las secuencias de comandos están disponibles si quieres ejecutarlo en tus propios repositorios

0:09:32.880,0:09:37.760
o compararlo puedes. Los scripts del modelo también están disponibles en los documentos y si quieres contactar

0:09:38.720,0:09:49.840
con Gema y mis direcciones de correo electrónico están ahí y mi cuenta de Twitter también está aquí, así que gracias.