Как искусственный интеллект в рекрутинге влияет на удовлетворенность студентов, ищущих работу? Роль самоэффективности как модератора и посредника

Введение. Компании недавно начали использовать технологию искусственного интеллекта (ИИ) в рекрутинге. Затем людей, ищущих работу, анализируют и принимают на работу, используя технологии ИИ. Однако проводится недостаточно исследований по вопросу о взаимосвязи между подбором сотрудников с использованием ИИ и лицами, ищущими работу.

Цель исследования – проанализировать восприятие соискателями ожидаемой ценности рекрутинга ИИ, изучить, как повысить удовлетворенность соискателей с помощью технологии найма ИИ, а также изучить ожидания соискателей в процессе найма ИИ с использованием технологии ИИ.

Методология и методы исследования. Для анализа данных была сделана выборка из 254 студентов, ищущих работу. Самоэффективность служит модератором и посредником в отношениях между восприятием ожидаемой ценности набора ИИ и удовлетворенностью работой соискателями. С помощью факторного анализа авторы исследования классифицировали и дали название каждому аспекту восприятия ИИ относительно ожидаемой ценности и самоэффективности. Восприятие ожидаемой ценности найма ИИ включает полное участие, гибкость процесса и возможность загружать разнообразные файлы. Самоэффективность включает позитивность и уверенность. Затем был проведен статистический анализ для проверки гипотез.

Результаты. Результаты показывают, что 1) гибкость процесса положительно коррелирует с удовлетворенностью соискателей; 2) позитивность оказывает сдерживающее влияние на полное участие и удовлетворенность соискателей; 3) уверенность оказывает сдерживающее влияние на гибкость процесса и удовлетворенность соискателей; 4) позитивность и уверенность служат посредниками в отношениях между восприятием ожидаемой ценности найма ИИ и удовлетворенностью соискателя.

Научная новизна. Настоящее исследование помогло разработать новые шкалы для измерения конструктов, связанных с ИИ в рекрутинге.

Практическая значимость. Полученные данные дают нам информацию для повышения удовлетворенности соискателей при найме с использованием ИИ. Компании предоставляют карты рекрутинга с помощью ИИ перед наймом, дают соискателям большую гибкость в процессе и, наконец, быстро предоставляют результаты рекрутинга после поиска работы и предоставляют отзывы об анализе с помощью ИИ.

1. Vardarlier P., Zafer C. Use of artificial intelligence as business strategy in recruitment process and social perspective. In: Hacioglu U. (Ed.). Digital business strategies in blockchain ecosystems. 2020. Switzerland: Springer; 2019. p. 355–373.

2. Geetha R., Bhanu S. R. D. Recruitment through artificial intelligence: A conceptual study. International Journal of Mechanical Engineering and Technology. 2018; 9 (7): 63–70.

3. Bandura A. Self-efficacy mechanism in human agency. American Psychologist. 1982; 37 (2): 122.

4. Duong N. T., Pham Thi T. D., Ngo Q. T., Pham V. K. Welcome to work in Taiwan! Investigation of international students’ employment opportunities. The Education and Science Journal. 2021; 23 (5): 99–115.

5. Lang J. C., Lee C. H. Identity accumulation, others’ acceptance, job-search self-efficacy, and stress. Journal of Organizational Behavior: The International Journal of Industrial, Occupational and Organizational Psychology and Behavior. 2005; 26 (3): 293–312.

6. Suen H.-Y., Chen M.Y.-C., Lu S. H. Does the use of synchrony and artificial intelligence in video interviews affect interview ratings and applicant attitudes? Computers in Human Behavior. 2019; 98: 93–101.

7. Ammari T., Kaye J., Tsai J. Y., Bentley F. Music, search, and IoT: How people (really) use voice assistants. ACM Transactions on Computer-Human Interaction. 2019; 26 (3): 1–28.

8. Muduli A., Trivedi J. J. Recruitment methods, recruitment outcomes and information credibility and sufficiency. Benchmarking: An International Journal. 2020. DOI: 10.1108/BIJ-07-2019-0312

9. Kshetri N. Evolving uses of artificial intelligence in human resource management in emerging economies in the global South: Some preliminary evidence. Management Research Review. 2021. DOI: 10.1108/MRR-03-2020-0168

10. Hmoud B., Laszlo V. Will artificial intelligence take over human resources recruitment and selection. Network Intelligence Studies. 2019; 7 (13): 21–30.

11. Lukacik E.-R., Bourdage J. S., Roulin N. Into the void: A conceptual model and research agenda for the design and use of asynchronous video interviews. Human Resource Management Review. 2022; 32 (1): 100789.

12. Schunk D. H., Pajares F. The development of academic self-efficacy. In: Wigfield A., Eccles J. (Eds.). Development of achievement motivation. San Diego: Academic Press; 2002. p. 15–31.

13. Doménech-Betoret F., Abellán-Roselló L., Gómez-Artiga A. Self-efficacy, satisfaction, and academic achievement: The mediator role of students’ expectancy-value beliefs. Frontiers in Psychology. 2017; 8: 1193.

14. Türkoglu M. E., Cansoy R., Parlar H. Examining relationship between teachers’ self-efficacy and job satisfaction. Universal Journal of Educational Research. 2017; 5 (5): 765–772.

15. Usher E. L., Li C. R., Butz A. R., Rojas J. P. Perseverant grit and self-efficacy: Are both essential for children’s academic success? Journal of Educational Psychology. 2019; 111 (5): 877.

16. Demir S. The role of self-efficacy in job satisfaction, organizational commitment, motivation and job involvement. Eurasian Journal of Educational Research. 2020; 20 (85): 205–224.

17. Zhen R., Liu R., Ding Y., Wang J., Liu Y., Xu L. The mediating roles of academic self-efficacy and academic emotions in the relation between basic psychological needs satisfaction and learning engagement among Chinese adolescent students. Learning and Individual Differences. 2017; 54: 210–216.

18. Zwakman D. S., Pal D., Arpnikanondt C. Usability evaluation of artificial intelligence- based voice assistants: The case of Amazon Alexa. SN Computer Science. 2021; 2 (1): 1–16.

19. Cheung W., Li E.Y., Yee L.W. Multimedia learning system and its effect on self-efficacy in database modeling and design: an exploratory study. Computers & Education. 2003; 41 (3): 249–270.

20. Westbrook R. A. Sources of consumer satisfaction with retail outlets. Journal of Retailing. 1981; 57 (3): 68–85.

21. Ahn J., Kim J., Sung Y. The effect of gender stereotypes on artificial intelligence recommendations. Journal of Business Research. 2022; 141: 50–59.

22. Belanche D., Casaló L. V., Flavián C., Schepers J. Service robot implementation: A theoretical framework and research agenda. The Service Industries Journal. 2020; 40 (3-4): 203–225.

23. Panadero E., Jonsson A., Botella J. Effects of self-assessment on self-regulated learning and self-efficacy: Four meta-analyses. Educational Research Review. 2017; 22: 74–98.

24. Hinkin T. R. A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods. 1998; 1 (1): 104–121.

25. DeVellis R. F., Thorpe C. T. Scale development: Theory and applications. London: Sage Publications; 2021. 320 p.

26. Spector P. E. Summated rating scale construction: An introduction. Newbury Park, CA: Sage; 1992. DOI: 10.4135/9781412986038

27. Kaiser H. F. An index of factorial simplicity. Psychometrika. 1974; 39 (1): 31–36.

28. Dunia R., Qin S. J., Edgar T. F., McAvoy T. J. Identification of faulty sensors using principal component analysis. AIChE Journal. 1996; 42 (10): 2797–2812.

29. Bagozzi R. P., Yi Y. On the evaluation of structural equation models. Journal of the Academy of Marketing Science. 1988; 16 (1): 74–94.

30. Fornell C., Larcker D. F. Structural equation models with unobservable variables and measurement error: Algebra and statistics. Journal of Marketing Research. 1981; 18 (3): 382–388.

31. Hair J. F. Multivariate data analysis. 7th ed. Upper Saddle River: Prentice Hall; 2009. 816 p.

32. Xiong Chen Z., Aryee S. Delegation and employee work outcomes: An examination of the cultural context of mediating processes in China. Academy of Management Journal. 2007; 50 (1): 226–238.

33. Podsakoff P. M., Organ D. W. Self-reports in organizational research: Problems and prospects. Journal of Management. 1986; 12 (4): 531–544.

34. Baron R. M., Kenny D. A. The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology. 1986; 51 (6): 1173.

35. Aiken L. S., West S. G., Reno R. R. Multiple regression: Testing and interpreting interactions. New York: Sage Publications; 1991. 224 p.

36. Hayes A. F. Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. New York: Guilford publications; 2017. 732 p.