視頻面試下預測應徵者人際溝通技巧、性格與作假行為之比較性研究: 人工智慧 vs. 人類智慧

本研究在開發一套能夠根據應徵者表情動態推測其職能行為表現的即時影像智能處理模型。該模型運用方向梯度直方圖、支援向量機、和卷積神經網路相關技術，結合非同步視訊面試軟體，做為自動化面試甄選的初步快篩工具。有別於傳統基本情緒論主張表情反應當事人在特定情境下的情緒與感覺，本研究採用社會心理學行為生態論，主張表情反應了當事人在特定情境下，其下意識的行為傾向或意圖。根據臉部肌肉態動反應的速度，表情可分為一般表情與微表情，一般表情可以持續1/2秒以上，而微表情則發生在1/2秒以下的臉部肌肉變化，且大多出現在1/15秒上下，不容易被當事人操控。因此，可做為推測應徵者在回答面試問題時，下意識反應該相對應問題的行為傾向或意圖之有效線索。本計畫以某家財星五百強的企業為實地研究場景，收集應徵者/員工在非同步視訊面試下回答特定職能面試問題的影像與粹取微表情，同時蒐集這些員工入職半年以上，經由直屬主管評鑑的職能行為分數作為分類基礎。本研究透過透過深度學習，分析微表情與職能行為分數之間的關係，找出與建立能夠推測該職能行為分數的微表情組合特徵模型，再運用該模型去推估其他應徵者/員工入職後的職能行為評鑑結果。經實證發現，本研究開發的模型相較於過往傳統入職前常用的人事測評工具，例如結構式行為面談、性格測驗、職業興趣量表、評鑑中心等，能更精準地推測入職後員工的職行為評分，且提供顯著且更高的同時效度相關係數。