Tell Me More! Examining the Benefits of Adding Structured Probing in Asynchronous Video Interviews
Notice bibliographique
Résumé
ABSTRACT The personnel selection field has observed the rising use of asynchronous video interviews (AVI). The current study investigates whether follow‐up questions (probes) can optimize the applicant experience in AVIs. Across two experimental studies with participants recruited from Prolific, we investigated whether AVIs with probing promote applicant reactions (e.g., the opportunity to perform perceptions) toward the AVI and how probing influences interview behaviors, applicant perceptions, and interview performance ratings. In Study 1, 404 participants were randomly assigned to either an AVI with probing or an AVI without probing. Results indicated that probing directly improved the opportunity to perform perceptions and interview performance ratings. In addition, probing positively impacted honest impression management and motivation to perform indirectly through participants' perceived opportunity to perform. However, mediation analyses suggested that the effect of probing on interview performance ratings was driven by response length. In Study 2 ( n = 271), we teased apart the effects of the inherently added response time that probing affords applicants with an additional condition that matched the response time of probes. Relative to Study 1, probing only slightly improved the opportunity to perform perceptions, but the effect of probing on the opportunity to perform perceptions was greater when compared to an AVI with an equivalent response time. In addition, probing positively impacted interview performance ratings, above and beyond their increased response time. Implications, limitations, and directions for future research are discussed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».