論文の概要: Yesterday's Interviews for Today's Engineers: Retrospective Perceptions and a Work-Aligned Hiring Framework (2005-2026)
- arxiv url: http://arxiv.org/abs/2609.14046v1
- Date: Sat, 12 Sep 2026 16:54:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.646896
- Title: Yesterday's Interviews for Today's Engineers: Retrospective Perceptions and a Work-Aligned Hiring Framework (2005-2026)
- Title（参考訳）: 昨日のエンジニアへのインタビュー:ふりかえりの知覚とワークアラインな採用フレームワーク(2005-2026)
- Abstract要約: 本稿では,2005年から2026年までのプロセスについて,ソフトウェア工学コミュニティの振り返りについて述べる。
この論文は、TicketベースのPragmatic Assessment Frameworkに反応する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Technical hiring has increasingly become a skill system of its own, requiring candidates to prepare for processes that only partially resemble the position being filled. This paper reconstructs how the software-engineering community remembers that process across four eras from 2005 to 2026. Retrospective ratings from 911 respondents show a history of expanding interview work and burden, while an analysis of public preparation questions finds that most tested knowledge has a plausible use in an ordinary software-engineering project. The contradiction is only apparent: relevant topics can still form an invalid process when they are accumulated beyond the vacancy, presented under artificial constraints, or selected and interpreted without a common job-derived standard. The paper responds with the Ticket-Based Pragmatic Assessment Framework, a prescriptive reference framework that derives a bounded assessment from declared responsibilities, near-term tickets, and project-entry work. It preserves normal tools, defines three explicit evidence gates, limits repeated sessions, and stops when the decision is supported. The objective is to make an interview a compressed version of the job rather than a parallel profession that candidates must learn merely to obtain it.
- Abstract（参考訳）: 技術採用は次第に独自のスキルシステムとなり、候補者は満たされているポジションに部分的に類似したプロセスの準備をしなければならない。
本稿は,2005年から2026年までの4年間に渡り,ソフトウェア工学のコミュニティがこのプロセスをどのように記憶しているかを再構築する。
911人の回答者のふりかえり評価は、面接の作業と負担を拡大した歴史を示している。
関連するトピックは、空き地を超えて蓄積されたり、人工的な制約の下で提示されたり、あるいは共通のジョブ由来の標準なしで選択され解釈されたりしても、いまだに無効なプロセスを形成することができる。
本稿はTicketベースのPragmatic Assessment Frameworkに回答する。これは、宣言された責任、短期チケット、プロジェクトエントリー作業から境界付きアセスメントを導出する規範的な参照フレームワークである。
通常のツールを保持し、3つの明確なエビデンスゲートを定義し、繰り返しセッションを制限し、決定が支持された時に停止する。
目的は、候補者が単にそれを得るために学ばなければならない並行的な専門職ではなく、面接を圧縮された職業にすることである。
関連論文リスト
- From Matching Models to Recruiting Agents: A Systematized Narrative Review of AI Recruitment Systems, Evaluation, and Governance [1.436449142247059]
このレビューは、ニューラル・パーソナリティ・マッチングによる双方向の検索と行動ランキングから発展を辿る。
類似性から相互適合性、モデルから複合ワークフロー、オフライン予測からエビデンスと生産性に整合した評価という3つの組み合わせの遷移を分析した。
評価証拠から最強の証明可能なクレームへのステージマッピングと,相互性,エビデンス,時間的制御,選択的,監査可能なシステムに関するアジェンダを導入する。
論文 参考訳（メタデータ） (2026-09-03T08:46:03Z) - LadderTeam: Dual-Agent Laddering Elicitation Framework [41.99844472131922]
textbfLadderTeamはオープンで再現可能なフレームワークで、デュアルエージェントのLarge Language Modelアーキテクチャを使ってUXワイヤーフレームのインタビューを自動化する。
アクティブインタビュアーエージェントは、ユーザフィードバックコメントから実行可能なソフトウェア要件を抽出する3つの探索戦略のうちの1つを実行する。
同時バックグラウンド判断エージェントは、プローブ応答対を評価し、トピックドリフトを防止するためにリアルタイムガードレールをトリガーする。
論文 参考訳（メタデータ） (2026-08-17T18:27:33Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Beyond the Resumé: A Rubric-Aware Automatic Interview System for Information Elicitation [41.93085698478849]
大規模言語モデル(LLM)は、各候補者から費用対効果の高い情報を引き出すために、主題の専門家の役割を担っている。
コード、公開ドメイン/匿名履歴の控えめなデータセット、信念の校正テスト、シミュレートされたインタビューをリリースします。
論文 参考訳（メタデータ） (2026-03-02T12:00:10Z) - SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery [55.50580661343875]
本稿では,対話のロールアウトをシミュレートして検討計画を実行するマルチエージェントインタビュアーSparkMeを紹介する。
LLMベースの面接者による制御実験を通じてSparkMeを評価し,より高い面接性を実現することを示す。
7つの専門職の70人の参加者が、AIが専門職に与える影響について、SparkMeをユーザスタディで検証しています。
論文 参考訳（メタデータ） (2026-02-24T17:33:02Z) - Inferential Question Answering [67.54465021408724]
新しいタスクであるInferential QAを導入します。これは、答えをサポートするパスから答えを推測するためにモデルに挑戦するものです。
そこで本研究では,7,401問と2.4M節からなるQUITデータセットを構築した。
我々は,従来のQAタスクに有効な手法が推論QAに苦しむことを示し,レトリバーは性能が低下し,リランカーは利得が制限され,微調整は不整合の改善をもたらすことを示した。
論文 参考訳（メタデータ） (2026-02-01T14:02:43Z) - Smart-Hiring: An Explainable end-to-end Pipeline for CV Information Extraction and Job Matching [0.0]
本稿では,非構造化履歴書から構造化情報を自動的に抽出する,エンドツーエンドの自然言語処理パイプラインであるSmart-Hiringについて述べる。
提案システムでは、文書解析、匿名性認識、文脈テキスト埋め込み技術を組み合わせて、スキル、経験、資格を抽出する。
本システムは,その意思決定プロセスにおいて高い解釈可能性と透明性を維持しながら,競合するマッチング精度を実現する。
論文 参考訳（メタデータ） (2025-11-04T12:44:54Z) - LLMREI: Automating Requirements Elicitation Interviews with LLMs [47.032121951473435]
本研究では,人間の介入を最小限に抑えながら,要求適応面接を行うチャットボット LLMREI を紹介する。
我々は33回のシミュレート・ステークホルダー・インタビューでその性能を評価した。
以上の結果から,LLMREIは人間のインタビュアーと同じような誤りを犯し,要求の大部分を抽出し,文脈に依存した質問を生成できることが示唆された。
論文 参考訳（メタデータ） (2025-07-03T12:18:05Z) - ImpliRet: Benchmarking the Implicit Fact Retrieval Challenge [50.93758649363798]
Impliretは、推論の課題をドキュメント側処理にシフトするベンチマークである。
我々は,この環境下で苦戦している,疎水・密集したレトリバーの幅を評価した。
論文 参考訳（メタデータ） (2025-06-17T11:08:29Z) - GPT-Powered Elicitation Interview Script Generator for Requirements Engineering Training [0.0]
インタビュースクリプトの自動生成のための特殊なGPTエージェントを開発する。
GPTエージェントは、要件付与面接手順のガイドラインとベストプラクティスに合わせた専門知識ベースを備えている。
我々は,GPTの出力長制約を緩和し,網羅的で詳細なインタビュースクリプトを生成するために,プロンプトチェイン方式を採用する。
論文 参考訳（メタデータ） (2024-06-17T11:53:55Z) - Reasoning or Reciting? Exploring the Capabilities and Limitations of Language Models Through Counterfactual Tasks [71.19560970717495]
最近の言語モデルは、幅広いタスクで印象的なパフォーマンスを示している。
これらのスキルは一般的で、移行可能か、あるいは事前トレーニング中に見られる特定のタスクに特化していますか?
本稿では,標準タスクの既定前提から逸脱する「数値的」タスク変種に基づく評価フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-05T17:50:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。