生成式 AI 自適應多模態人才評估系統：整合工商心理與學習科學的多維度推測評量方法

計畫摘要：

本研究旨在開發一個創新的生成式AI自適應多模態人才評估系統，整合工商心理學與學習科學的理論基礎，系統藉由生成式AI，以大五人格模型（Big Five）為核心的人格評估工具，提供自適應多模態推測方法，進一步引導使用者自我探索以提升人才選拔、發展與職場適配的效能。系統架構包含四個核心模塊：初始資料分析、AI驅動的自適應評估、多模態數據分析，以及適性化履歷生成與職能發展建議。初始資料分析模塊對使用者上傳的基礎履歷進行深度解析，為後續評估提供初始參數。

系統核心平台採用工研院產業學院發展的評測系統或學習平台，由清華竹師教育學院自組研究團隊，依據自適應測驗試題（Computerized Adaptive Testing, CAT）的理論機制，根據使用者的即時反應動態調整自我探索的試題類型和內容，以推測評量使用者的自我認識。生成式AI自適應評估模組，採用自適性的試題生成編撰策略，特性如下：

1. 多元題型運用：除整合李克特量表外、包含情境判斷題、強制選擇題、開放式問題和排序題，提供多模態資料的上傳輸入以進一步獲取推測建議。

2. 自適性機制：以初始履歷資料為基礎，運用項目反應理論（Item Response Theory, IRT），根據使用者的即時反應動態調整題目內容和問答型式，形成動態的自適應試題庫。

3. 情境化設計：提供基於真實工作場景的問題，涵蓋多元化的職業和行業相關情境，包括使用者關注的工作環境因素。

4. 整合標準化測試：融入大五人格模型的評估概念，並結合其他相關的心理測量工具。

5. 回饋機制：提供求職疑問即時回饋，促進使用者自我反思和深度探索，進一步自我定義”新職能”或職能的”再優化”方法。

6. 時間管理：依據特定試題項目測試時長，合理分配不同類型問題的答題時間。

其中，自適性的試題生成編撰策略確保評估內容全面涵蓋大五人格模型的五個特質（開放性、盡責性、外向性、親和性、神經質），並結合工作風格、學習能力、職業動機等多個維度，引導使用者進行深入的自我探索，涵蓋全面的人才剖析。

多模態數據分析模塊採用模糊多準則評估法和引入Meta-Analytic Structural Equation Modeling（MASEM）方法，綜合分析來自文字回答、行為數據、語音和面部表情等多模態訊息。雛形系統測試藉由AI教育沙盒工作坊持續優化，確保評估結果能全面探索個人的認知能力、學習策略、職場適應性，以及長期職業發展潛力。

使用者完成操作生成式AI自適應多模態人才評估系統之後，提供適性化履歷生成與職能發展建議，基於自適應評估的結果，為使用者生成詳細的個人發展檔案和履歷內容的優化建議。系統自動調整和補充初始履歷，突出求職者的優勢和特點，使之更符合目標職位的要求。同時，系統提供基於工商心理學和學習科學的職業發展路徑建議，包括個性化且適性的學習策略和具體的培訓發展計劃。此外，系統識別使用者的求職潛在發展領域，適時推薦延伸職能的學習方向，如特定技能培訓、領導力發展課程或跨領域知識拓展等，以支持使用者的長期職業成長。

整合後的生成式AI自適應多模態人才評估系統，藉由AI教育沙盒工作坊測試與實作，持續收集和分析使用者的學習行為數據和回饋，運用學習分析技術優化評估方法，確保推測評量結果全面探索個人的認知能力、學習策略、職場適應性，以及長期職業發展潛力。同時，系統生成詳細的個人發展檔案，就學界而言，為求職者提供基於工商心理學和學習科學的職業發展路徑建議，包括個性化的學習策略和具體的培訓發展計劃。對產業而言，系統能提供深入的人才適配性分析，並就如何優化職場學習環境以促進員工持續發展提供建議。研究預期成果，期望所發展的自適性試題的推測評量多維度方法，能提升人才媒合前階段的自我準備、後階段評估匹配的適切性，同時為個人終身學習和產業人才發展策略提供科學依據，創造高等教育、學習者與產業的共贏局面。

整體研究預期成果包括：

1. 開發融合大五人格模型和其他工商心理學、學習科學理論的全面評估框架。

2. 建立能夠處理和分析多模態數據的生成AI自適應評估系統。

3. 提供高度個性化和實用性的人才發展建議。

4. 形成創新的、理論驗證的試題設計策略。

5. 開發能夠生成優化履歷和提供個性化職能發展建議的AI系統。

關鍵詞：生成式AI、自適應評估、多模態分析、大五人格模型、工商心理、學習科學、人才評估、職業發展、試題設計策略、個性化履歷生成、職能發展建議

原圖連結