设计对话式人工智能以支持计算机科学学生技术面试准备中的出声思考练习
Designing Conversational AI to Support Think-Aloud Practice in Technical Interview Preparation for CS Students
AI总结：
本文通过17名参与者使用基于LLM的技术面试练习工具的研究，探讨对话式AI在支持CS学生出声思考练习中的作用，提出提升社会临场感、提供超越言语内容分析的反馈及人机协作众包示例等设计建议，并讨论公平学习与交叉性挑战。
摘要：
技术面试中的一个挑战是出声思考过程，即候选人在解决编程任务时口头表达自己的思维过程。尽管这一过程很重要，但结构化练习的机会仍然有限。对话式人工智能提供了潜在的帮助，但关于用户对其在出声思考练习中作用的感知研究仍然有限。为了填补这一空白，我们进行了一项有17名参与者使用基于LLM的技术面试练习工具的研究。参与者重视人工智能在模拟、反馈以及从生成示例中学习方面的作用。关键设计建议包括：在用于技术面试模拟的对话式人工智能中提升社会临场感，提供超越言语内容分析的反馈，以及通过人机协作实现众包式的出声思考示例。除了功能设计之外，我们还考察了更广泛的考量因素，包括交叉性挑战及应对这些挑战的潜在策略，人工智能驱动的面试准备如何促进计算职业中的公平学习，以及通过提出一个整合人机协作的研究方向来重新思考人工智能在面试练习中的角色。
英文摘要：
One challenge in technical interviews is the think-aloud process, where candidates verbalize their thought processes while solving coding tasks. Despite its importance, opportunities for structured practice remain limited. Conversational AI offers potential assistance, but limited research explores user perceptions of its role in think-aloud practice. To address this gap, we conducted a study with 17 participants using an LLM-based technical interview practice tool. Participants valued AI's role in simulation, feedback, and learning from generated examples. Key design recommendations include promoting social presence in conversational AI for technical interview simulation, providing feedback beyond verbal content analysis, and enabling crowdsourced think-aloud examples through human-AI collaboration. Beyond feature design, we examined broader considerations, including intersectional challenges and potential strategies to address them, how AI-driven interview preparation could promote equitable learning in computing careers, and the need to rethink AI's role in interview practice by suggesting a research direction that integrates human-AI collaboration.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
