Mike (@mikerb95) CodeByMike
Contáctame
Volver
activo

DobleYo Café

Plataforma de e-commerce, trazabilidad por QR y ERP para café de especialidad colombiano (B2C Colombia + B2B/B2C USA). Construida con asistencia de IA bajo prácticas de Extreme Programming.

DobleYo Café
Stack tecnológico
Astro React Express Turso/libSQL JWT Resend Leaflet Vercel
Links
Repositorio ↗ Ver en vivo ↗
/iteraciones Cómo se construyó · XP con IA

Tablero XP reconstruido del historial real de GitHub y el CHANGELOG — cada historia con su Definition of Done, anclada a sus commits.

Marco metodológico — XP & Programación en Pareja con IA

Referencias académicas que sustentan la adaptación de XP con un 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.