综述：人格特质在人员招聘中的应用

这篇综述系统梳理了2020-2025年间46项研究，揭示人格特质（如大五模型Big Five、HEXACO）在招聘中的预测效度与应用创新。重点关注尽责性（Conscientiousness）、外向性（Extraversion）和诚实-谦逊（Honesty-Humility）对工作表现、组织公民行为（OCB）的预测作用，探讨AI评估技术（如算法推断）的潜力与伦理挑战，并强调人格信号在职位广告（如符号吸引理论）与印象管理（IM）中的双向影响。

　　

人格特质在人员招聘中的演进与创新

Personality in Personnel Recruitment
人格评估在招聘中的应用可追溯至20世纪初，早期侧重认知能力测试，但随着五因素模型（Five Factor Model）和元分析技术的发展，人格特质对工作表现和人岗匹配的预测价值逐渐凸显。近年研究聚焦于特质表达的多元场景，从传统自我报告到AI驱动的动态评估，形成了更立体的研究框架。

Predictive Value of Personality
尽责性（Conscientiousness）被证实是预测整体工作绩效、任职期限和组织公民行为（OCB）的核心特质，而诚实-谦逊（Honesty-Humility）对反生产行为（CWB）的预测具有增量效度。有趣的是，外向性（Extraversion）在销售类岗位中表现突出，但神经质（Neuroticism）的预测作用因职业特性而异，例如在高压力环境中呈负相关。

Personality Inferences
基于布伦斯维克透镜模型（Brunswik’s lens model），招聘者通过简历筛选（cybervetting）或结构化面试推断候选人特质。研究发现，算法评估虽能减少人类偏见，但对微表情或语言模式的机械解读可能引发误判，例如将口语流畅性错误关联为领导力潜力。

Personality Signals in Job Advertisements
职位广告中的特质信号（如“需要高度尽责的员工”）显著影响申请者的人-组织匹配感知。研究指出，采购类岗位广告中尽责性描述不足，而创意类岗位过度强调开放性（Openness），可能导致自我选择偏差。

Technological innovations
AI技术通过分析视频面试的微表情或文本特征（如用词情感倾向）评估人格，但其“黑箱”特性引发公平性质疑。例如，某些算法对非母语者的语调分析存在系统性偏差，需通过对抗性训练（adversarial training）优化。

Conclusion
人格评估正从静态问卷转向多模态动态分析，但需平衡技术创新与伦理风险。未来研究应关注特质-情境交互作用，例如跨文化背景下HEXACO模型的适用性，以及AI工具在弱势群体招聘中的补偿效应。