CareerPooler：基于AI的隐喻式职业池模拟提升职业探索体验与成果
人机交互
2026-02-20 v2 人工智能
摘要
职业探索充满不确定性，需要在信息有限且结果不可预测的情况下做出决策。虽然生成式AI提供了新的职业指导机会，但大多数系统依赖线性聊天界面，产生过于全面且理想化的建议，忽视了现实轨迹的非线性和耗散性。我们提出CareerPooler，一种生成式AI驱动的系统，采用池桌隐喻模拟职业发展作为空间和叙事互动。用户击球代表里程碑、技能和随机事件，其中碰撞、反弹体现不确定性下的决策。在24名参与者的within-subjects研究中，CareerPooler在参与度、信息获取、满意度和职业清晰度方面显著优于聊天机器人基线。定性发现表明，空间叙事互动促进了基于经验的学习、通过挫折的韧性以及心理负担的减轻。我们的发现为AI辅助职业探索系统的设计做出贡献，更广泛地表明，视觉 grounded 类比互动可以使生成系统更具吸引力和满足感。
引用
@article{arxiv.2509.11461,
title = {CareerPooler: AI-Powered Metaphorical Pool Simulation Improves Experience and Outcomes in Career Exploration},
author = {Ziyi Wang and Ziwen Zeng and Yuan Li and Zijian Ding},
journal= {arXiv preprint arXiv:2509.11461},
year = {2026}
}