Context Over Compute: 人間を介在させたループは反復的チェーン・オブ・思考プロンプトよりもインタビュー回答の品質を向上させる

大規模言語モデルを用いた行動面接の評価は、体系的な評価、現実的な面接官の挙動のシミュレーション、候補者訓練に対する教育的価値という独自の課題を提示します。私たちは、50組の行動面接の質問と回答のペアを用いた2つの対照実験を通じて、面接回答の評価と改善のためのチェイン・オブ・思考（CoT）プロンプトを調査します。私たちの貢献は三点です。第一に、人間を介在させたループ（HITL）と自動化されたチェイン・オブ・思考の改善との定量的比較を提供します。被験者内ペアデザインを用い、n=50、両アプローチとも評価の改善を示しました。人間を介在させたループ法には有意な訓練効果があります。自信は3.16から4.16へ、信憑性は2.94から4.53へ改善しました（p<0.001、Cohen's d=3.21）。人間を介在させたループ法は反復回数も約5分の1に抑えられ（約1.0対5.0、p<0.001）、個人の詳細情報の統合を完全に達成します。第二に、収束挙動を分析します。両手法は平均反復回数が1未満と迅速に収束し、初期に弱い回答の中ではHITLが100％の成功率を達成するのに対し自動アプローチは84％でした（Cohen's h=0.82、大効果）。追加の反復は利得が逓減し、主な制約は計算資源ではなく文脈の利用可能性であることを示します。第三に、現実的な面接官の挙動を模倣するネガティブ・バイアスモデルに基づく対立的な挑戦機構「bar raiser」を提案しますが、定量的検証は今後の課題です。我々の知見は、チェイン・オブ・思考プロンプトが面接評価に有用な基盤を提供する一方で、現実的で教育的価値のある結果を得るには、領域特有の強化と文脈認識型のアプローチ選択が不可欠であることを示しています。