arrow
返回

Multi-Modal Method for Candidate Interview Assessment Based on Computer Vision and Large Language Models

delete2026-04-03
delete0
delete
OA
AI
K
Kenan Kassab
A
Alexey Kashevnik *
И
И. И. Шошина
DOI:10.3390/bdcc10040106delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
候选人面试评估主要依赖主观的人类判断,而现有的基于AI的方法则依赖于端到端的预测,缺乏心理测量学基础。本文提出了一种可解释的多模态框架,将非语言行为、基于LLM的言语分析和“大五”人格特质整合为三个基于理论的结构:专业认知能力、观察到的领导行为和领导倾向。所提出的方法利用计算机视觉和大型语言模型从视频面试中提取特征。该方法并非针对预测准确性,而是在严重标签稀缺的情况下优先考虑结构效度和透明聚合。该方法将各结构聚合为“高潜力得分”,以反映候选人的执行能力。实验结果表明,该方法能够显著区分顶尖候选人与其他人(复合“高潜力得分”的Cliff’s delta = 0.91,置换p = 0.0002)。留一分析验证了其稳健性,而基于排名的评估显示,在评分申请的前20%中,该方法成功召回100%的执行候选人。研究发现支持将所提出的多模态方法作为可解释的决策支持工具,用于候选人面试评估。
Keyword:
large language models
OCEAN model
personality traits
non-verbal cues
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

B
Big Data and Cognitive Computing
IF:
4.4
论文数:
1.3K
被引数:
2.4K

机构

R
Russian Academy of Sciences
学者数:
6.9K
论文数: 2.6K
被引数: 1.3W
M
misis university of science and technology
学者数:
1
论文数: 1
被引数: 0
引用论文

引用论文

Machine learning in recruiting: predicting personality from CVs and short text responses
err2024-01-29
err0
errOAAI
errEric Grunenberg; Heinrich Peters; Matt J. Francis; Mitja D. Back; Sandra C. Matz
err分享
err收藏
err
IF0
err
err0
PREAI
err
err分享
err收藏
学者 查看更多内容