韩国20名护理申请者与教育者访谈：AI胜任力测评被认为高效但标准不透明、难以体现护理人文核心

研究识别出四个主题：对评价方法与标准的质疑、AI胜任力测评的效率、准备AI胜任力测评的挑战、以及护士选拔的改进与替代方案，由8个亚主题和32个编码归纳而来。 此前关于AI招聘工具的研究多聚焦招聘管理者视角，且AICA在韩国护士选拔中已使用约4年但其在护理情境下的效果尚未被文献考察，本研究首次同时纳入护理申请者与护理教育者（教授和护理管理者）两类视角。 基于2024年2月至8月韩国5组半结构化焦点小组访谈（2组申请者、3组教育者，每组3至5人），共20名参与者，采用常规内容分析与COREQ清单，第5组访谈达到数据饱和，并通过成员核查确认主题。

参与者认可AICA的效率价值：不受时间地点限制、便于同时应对多场求职与毕业课程、可对集中力、敏捷性和人格等多方面进行初筛，并减少参与面试评估的人力成本与疲劳。 将AI招聘的效率优势从管理者视角扩展到护理申请者与教育者的共同体验，并具体指出AICA可评估传统短时面对面面试难以考察的维度。 来自申请者、教授和管理者三类参与者的访谈陈述，例如申请者提到可在任意时间地点参加以避免缺课，管理者提到人力评估负担减轻后可更专注于护理本职工作。

参与者质疑AICA与护理核心价值的匹配度：认为自动化面试难以体现以人为本的护理、治疗性沟通与共情，且评价标准不透明导致通过者与未通过者都不清楚原因。 在护理情境中具体呈现了AI选拔工具与护理人文属性之间的张力，补充了以往以管理者视角为主的AI招聘研究。 申请者、教授和管理者的直接引述，如申请者称用AI选拔照护患者的护士是矛盾，教授称AI评价机械、难以展现学生温暖的人性面，管理者称医院使命未反映在评价标准中。

参与者指出准备AICA时面临外部环境与数字准备度差异带来的公平隐患，并提出改进方向：开发护理专属AI程序、基于大数据构建算法、定期审查评价方法、将AICA结果用于辅助面对面面试、提供明确指南并加强护理学生数字素养教育。 把公平性问题从算法本身扩展到网络稳定性、光线、噪音、设备与信息支持差距等外部条件，并给出由申请者、教授和管理者共同提出的具体改进路径。 申请者描述了因同时在线人数过多系统崩溃三小时、需清晨登录并寻找光线好且隔音的网吧等经历；教授和管理者担忧能自由使用信息技术的学生与不能者之间存在差距。

该研究面向韩国已实施AICA的三级医院招聘情境，适用于理解护理申请者与护理教育者（教授和护理管理者）对AI胜任力测评的感知，并为医疗机构与护理院校提供改进方向：开发护理专属胜任力模型与算法、建立透明一致的评价标准、将AICA结果用于辅助面对面面试、提供标准化准备指南与模拟测评以提升数字素养。作者建议医疗机构与护理及AI专家合作，政策制定者与医院管理者建立标准化指南和稳健技术基础设施。

作者指出研究限于韩国特定文化与机构环境，样本中所有参与者均有近期AICA经历，视角多样性有限，质性访谈无法客观评估AICA效果，且AI技术快速演变使结论可能具有时效性。此外，AICA对护士适应与离职率的影响尚未被分析，评价标准本身仍不清晰，护理专属算法与标准化指南如何制定与验证仍是待解问题。