Récits et premières impressions dans les entretiens de sélection face à face et digitaux utilisant des algorithmes
Dans le cadre de la sélection de personnel, l’entretien de sélection structuré est un prédicteur valide de la performance au travail. Lors d’un entretien structuré, les recruteurs font souvent recours aux questions dites comportementales, invitant alors le candidat à fournir un récit au sujet d’une situation de travail passée. Outre le fait que les réponses narratives des candidats soient la plupart du temps sous-optimales, il reste difficile de savoir si ces réponses reflètent une compétence spécifique ou si elles reflètent une habileté générale. De plus, avec l’apparition des nouvelles technologies, il est désormais possible de faire des entretiens de sélection digitaux. Or, les candidat-e-s sont moins performants lors d’entretiens digitaux que lors d’entretiens face à face. De plus, la validité des entretiens de sélection digitaux n’a pas été démontrée.
Ce projet a trois objectifs. Le premier objectif est de comprendre dans quelle mesure la performance du récit des candidats reflète la maîtrise d’une compétence spécifique ou alors générique. Le deuxième objectif est de comprendre les processus impliqués dans la différence de performance entre les entretiens de sélection digitaux et les entretiens de sélection face à face. Le troisième objectif vise à développer un pipeline verbal pour les entretiens de sélection digitaux en améliorant la reconnaissance automatique du discours ainsi que le traitement du langage naturel.
Ce projet, qui a débuté en février 2021 pour une durée de quatre ans, est financé par le Fonds national suisse à hauteur de 700’325 CHF, et implique le Prof. Adrian Bangerter, membre du LexTech Institute (Digital Economy Lab), la Prof. Marianne Schmid Mast (Université de Lausanne) et Phil Garner (IDIAP).
