A comparative assessment of videoconference and face-to-face employment interviews
Notice bibliographique
Résumé
Purpose – Based on theories of media richness and procedural justice, the authors aim to examine the influence of videoconferencing (VC) technology on applicant reactions and interviewer judgments in the employment interview, the most commonly used employee selection device. Design/methodology/approach – MBA students participated in simulated VC and face-to-face (FTF) interviews. Applicant perceptions of procedural justice and interviewer characteristics were collected. Interviewers provided ratings of affect toward the applicant, perceived applicant competence, overall interview performance, as well as an overall hiring recommendation. Findings – Applicants perceived VC interviews as offering less of a chance to perform and as yielding less selection information. They also viewed VC interviews as less job-related than FTF interviews and had significantly less favorable evaluations of their interviewer (on personableness, trustworthiness, competence, and physical appearance) in VC interviews. Finally, applicants in VC interviews received lower ratings of affect (likeability) and lower interview scores, and were less likely to be recommended for the position. Research limitations/implications – The authors' findings suggest that VC technology can adversely affect both applicant reactions and interviewer judgments. They propose several precautionary steps to help minimize the risks associated with conducting VC interviews. Originality/value – The authors extend prior research concerning the use of VC interviews by directly assessing applicant perceptions of both procedural justice and of interviewer characteristics associated with the probability that job offers will be accepted. They also add to the literature in showing that VC interviews tend to result in less favorable evaluations of applicants than FTF interviews.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».