AI面试中的公平性博弈：数字素养、解释机制与人机交互的协同效应

本文基于组织公平理论（Organizational Justice Theory），通过两阶段实验设计（Study 1, N=113；Study 2, N=206）系统探讨AI面试全流程中的公平感知。研究发现：候选人AI素养（AI Literacy）、人机协同决策（Human-in-the-loop）和积极结果能持续提升公平感知，但系统设计（如高交互性和解释机制）对程序公平（Procedural Justice）与分配公平（Distributive Justice）存在差异化影响，揭示了面试体验与结果评估间的微妙平衡。

　　

Highlight

AI面试公平性框架：程序正义与分配正义的博弈

基于组织公平理论（Organizational Justice Theory），我们构建了AI面试的双维度分析框架：程序公平（Procedural Justice）关注面试流程设计的合理性，如AI解释机制和交互水平；分配公平（Distributive Justice）聚焦决策结果的公正性，如算法与人类决策者的权重分配。研究发现这两个维度存在"跷跷板效应"——增强程序公平的设计可能削弱分配公平感知。

Method

高保真模拟实验设计

研究采用异步视频面试模拟系统，通过2×2因子设计操纵关键变量：解释机制（有/无）、交互水平（高/低），并在决策阶段加入结果（通过/淘汰）和决策代理（100%AI vs. 50%AI+50%人）变量。通过眼动追踪和面部表情分析（Facial Action Coding System）捕捉候选人的实时反应，建立多维度公平性评估体系。

Descriptive Statistics and Manipulation Check

交互水平操纵验证

交互水平操纵成功（F(1,112)=13.1, p<.001），高交互组（M_high=3.54, SD=0.96）显著优于低交互组（M_low=2.68, SD=1.12）。有趣的是，AI解释机制虽提升流程透明度，却导致落选者产生更强烈的分配不公感，形成"解释悖论"现象。

Discussion

公平感知的动态拼图

研究发现公平感知是动态建构的过程：AI素养是基础拼图，人机协同（Human-in-the-loop）充当稳定器，而系统设计则是双刃剑。高交互AI虽增强程序公平（β=0.42, p<.01），但拟人化特征会提高预期，当结果不符时加剧分配不公平感（ΔR²=.17）。这提示需要"全旅程设计"思维平衡体验与结果。

Conclusion

迈向负责任的AI招聘

研究表明，公平的AI面试系统需要：1) 提升候选人数字素养（Digital Literacy）2) 优化解释机制设计 3) 保持适度拟人化 4) 建立人机协同决策机制。未来的智能招聘系统应当像"透明的水晶球"——既展现决策逻辑，又不过度承诺。