編碼

Neufast 系統科學

我們的使命是為您和您的候選人提供引人入勝且高度準確的招聘,沒有偏見。我們通過深入科學的多層次 AI 模型確保我們的分數始終有效、可靠和公平。

基於視覺、音頻和文本的綜合分析

基於計算機視覺、語音識別和自然語言處理技術,從候選人的視頻中提取候選人的表觀特徵、韻律特徵和語義特徵。

Visual channel for apparent feature extraction

用於表觀特徵提取的視覺通道

通過計算機視覺技術隱式提取面部表情和手勢等表觀特徵。

cloud computing

用於韻律特徵提取的音頻通道

通過音頻分析技術隱式提取音調、節奏、節奏等韻律特徵

Semantic feature extraction

用於語義特徵提取的文本通道

通過具有上下文意識的自然語言處理技術提取候選人口語的句法和語義

AI模型架構

我們的 AI 模型通過複雜的面向任務的自適應加權方案以全面的方式進一步分析這些特徵,以推斷候選人的印象分數和工作績效分數。

AI model architecture

AI模型訓練

Video Interview

視覺、音頻和文本頻道

(深度學習模型)

Apparent Features

表觀

特徵

Prosody Features

韻律

特徵

Semantic Features
Customized Regression

自定義回歸

Impression / Competency Scores

印象/能力得分

語義

特徵

開發公平 AI 模型的內部治理

Neufast 在運營以及人工智能的開發和使用中奉行良好的數據道德。為保證AI模型的公平性,開發過程由內部治理:

Data Preparation
  • 不操縱訓練數據收集導致偏向於某些特定群體的模型

  • 沒有改變不同組數據分佈的數據預處理

​數據準備

AI Model
  • 審查模型構建過程的所有關鍵方面

  • 顯著的數值結果被複製到工作表中

  • 與標準模型訓練過程的所有重大偏差都有詳細記錄

建築模型 &
訓練

AI model testing
  • 進行不利影響評估是為了評估我們訓練的 AI 模型是否符合 UGESP 的五分之四規則*,涉及以下不同群體:人口統計學、教育背景或客戶定義的其他群體

模型測試

*參考:平等就業機會委員會、公務員委員會等。 1978. 僱員甄選程序的統一準則。聯邦紀事 43, 166 (1978), 38290–38315。

​印象效果評估

Neufast 的 AI 視頻評估工具可以從三個角度評估候選人給他人留下積極印象的能力:

溝通

自信心

積極的情緒

​動機評估

Neufast 的 AI 視頻評估工具可以確定候選人如何激發與工作相關的行為。

​Assessment of Motivation

評估
工作表現

Neufast 的勝任力模型建立在對工作績效的累積研究中。候選人將通過他們的任務、情境和適應性表現進行評估。

包括特定於工作的行為,包括完成工作描述中列出的角色職責和活動。

Task Performance

工作和角色職責領導和管理行為

任務表現

工作和角色職責

領導和管理行為

工作和角色職責

領導和管理行為

工作和角色職責

領導和管理行為

Contextual Performance

包括有助於維持或改善促進任務績效和實現組織目標所需更廣泛的組織、社會或心理環境的非工作特定行為

關係與溝通

情境表現

包括需要靈活並能夠快速適應動態工作環境的行為和態度

Adaptive Performance

適應與改變

自適應性能

可靠性研究

我們的 AI 視頻評估工具對客戶的內部評級非常可靠且準確。我們通過將我們的 AI 分數與 HR(客戶)內部評級進行比較來分析我們產品的效率: 

Cronbach's Alpha > 0.7 (out of 1) 可靠性,​

正 Pearson 相關性 0.3 - 0.6(滿分 1),在 p<0.05 的印象分數(包括熱情、自信和沈著)和能力水平的顯著水平

Reliablity study