异步视频求职面试中的注意力片段

非言语行为对招聘决策的影响仍是一个开放问题。研究该问题十分重要，因为它能更好地理解如何培训求职者面试以及使招聘者意识到有影响力的非言语行为。由于社会信号自动分析工具的发展以及机器学习方法的出现，该研究近期得以加速。然而，这些研究仍主要基于手工设计特征，这限制了对有影响力社会信号的发现。另一方面，深度学习方法是一种无需特征工程即可发现复杂模式的有前景的工具。本文中，我们聚焦于研究由深度学习方法发现的异步视频求职面试中有影响力的非言语社会信号。我们使用了一个先前发布的深度学习系统，该系统旨在依据一系列面试问题推断候选人的可雇用性。该系统的一个特点是使用了注意力机制，以识别回答中的相关部分。因此，可利用关于可雇用性的全局（面试层面）标注提取细粒度时间层面的信息。尽管大多数深度学习系统使用注意力机制在注意力上升时提供片段的快速可视化，我们进行了深入分析以理解这些时刻发生了什么。首先，我们提出了一种自动提取注意力上升片段（注意力片段）的方法。其次，我们通过将注意力片段与随机采样片段比较来研究其内容。最后，我们表明它们比随机采样片段承载显著更多的可雇用性信息。