期待过量、收获不足：探索异步AI面试官的挑战与设计机遇

组织机构使用异步AI面试系统高效管理大量申请人池，实现快速且一致的评估。然而，这些系统对用户主动性和申请人所体验到的缺乏个人化问题仍存疑虑。尽管已努力使面试过程更加人性化，但用户的期望往往未能满足，尤其是当与这些系统所承诺的功能相比较时。为考察申请人如何 perceive and experience 这些工具，特别是鉴于他们日益熟悉大型语言模型（LLM）后，我们进行了两阶段研究。第一阶段分析了11篇关于异步AI面试经历的 subreddit 讨论，随后进行了17名参与者的半结构化访谈研究。定性分析揭示了关键问题，如期望不匹配，受组织话语和受申请人经验影响（尤其是来自LLM的期望），这些因素塑造了参与者的主动性和信任感，常导致规避措施和欺骗性实践。在后续研究中，我们设计了一个包含两个功能的界面：response variants 和 feedback variants，并在六组（共180名参与者，每组30名）中进行评估，以评估这些功能是否支持用户的主动性、能力和关联性。我们的分析表明，即便是细微的设计变更也能增强用户的自主性，而精心设计的反馈在高风险面试情境中可以提供有意义的支持。